Argon Gemini 4 : Conçu pour résoudre vos problèmes les plus difficiles

Gemini 4 Argon est maintenant disponible dans le monde entier aujourd'hui pour les développeurs et les entreprises via l'API dans AI Studio et la plateforme Gemini , pour les abonnés Google AI Ultra dans Google Antigravity , et pour les abonnés Google AI Ultra et Pro dans l' application Gemini et le mode AI dans la recherche .

Argon excelle dans l'analyse approfondie de tâches complexes et concrètes, dans des domaines tels que la programmation, les finances, le droit, la cybersécurité et les sciences. Sa capacité à traiter des tâches complexes en plusieurs étapes lui permet de surpasser les autres modèles de pointe sur les benchmarks multidomaines , se classant ainsi premier sur l' indice Vals , qui mesure la performance des modèles dans des secteurs économiques clés comme la finance, la programmation, le droit et la fiscalité.

Le modèle est lancé aujourd'hui à un prix de lancement ¹ de 2 $ par million de jetons d'entrée et 10 $ par million de jetons de sortie (avec une réduction de 95 % sur les jetons d'entrée mis en cache).

Chez Google, dans diverses entreprises et au sein de la communauté de recherche, des équipes utilisent déjà Argon pour obtenir des résultats significatifs dans de nombreux domaines :

• Pour résoudre des problèmes d'ingénierie majeurs tels que la refactorisation et l'optimisation de bases de code importantes
• Afin d'optimiser les flux de travail dans des domaines tels que le droit, les finances et les sciences
• Pour identifier et corriger les vulnérabilités critiques en matière de cybersécurité
• Pour permettre des percées majeures dans l'informatique quantique, la fusion nucléaire et les sciences de la vie

Résoudre des problèmes d'ingénierie complexes

Chez Google, on utilise Argon pour résoudre nos problèmes d'ingénierie les plus complexes. Au cours des dernières semaines, nos ingénieurs logiciels ont livré du code de haute qualité plus rapidement que jamais. L'intégration d'Argon à Antigravity a permis aux équipes d'augmenter les soumissions de code automatisées de plus de 35 % tout en réduisant les annulations de code de près d'un tiers.

• Démêler le code des fonctionnalités du navigateur dans Chrome: Argon a aidé l’équipe Chrome à séparer la gestion des pages web principales d’un dossier hérité d’environ 6 millions de lignes de code, contenant des fonctionnalités du navigateur intégrées à la base de code de Chromium, qui compte 40 millions de lignes. En traitant simultanément plusieurs modifications de code propres , Argon a permis à l’équipe de finaliser une refonte architecturale de centaines de fichiers, réalisant ainsi en quelques semaines un travail qui aurait dû prendre des mois. Pour les milliards d’utilisateurs de Chrome à travers le monde, cela permettra aux pages Web de naviguer de manière fluide entre les onglets, les panneaux latéraux et les fenêtres flottantes sans rechargement, éliminant ainsi une source importante de plantages du navigateur.

• Optimisation d'un code Python de production en quelques heures : Argon, intégré à Antigravity, aide l'équipe derrière l'Agent Development Kit (ADK) de Google, un cadre de travail open source pour les agents d'entreprise, à optimiser davantage ses performances. L'équipe a confié à Argon son fichier de règles `.agents/skills` et un objectif clair : éliminer la surcharge du cadre sans impacter les applications existantes. Fonctionnant de manière autonome pendant la nuit, Argon a identifié des optimisations, maintenant disponibles dans `google/adk-python` , qui réduisent de 40 % le temps de préparation des sessions en mémoire pour les sessions longues et accélèrent de 21 % les importations à froid. Pour en savoir plus, consultez l' analyse technique détaillée .
• Optimisation du logiciel libre de chimie quantique xTB (Semiempirique Extended Tight-Binding) : xTB est l'un des logiciels libres de chimie quantique les plus cités pour l'étude des molécules. Les scientifiques l'utilisent pour prédire la géométrie 3D des molécules et pour cribler un grand nombre de candidats médicaments et matériaux. Grâce à Argon intégré à Antigravity, nos chercheurs ont amélioré la vitesse de xTB, la rendant jusqu'à 2,3 fois plus rapide pour la prédiction des structures moléculaires et 1,8 fois plus rapide pour la recherche de conformères. Ces modifications ont été intégrées au dépôt officiel xTB sur GitHub .
• Nous avons presque triplé la vitesse de nos modèles Gemma ouverts : grâce à Argon, nous avons obtenu une accélération de bout en bout de 2,85x sur un A100 via vLLM (passant d'environ 37 900 à plus de 108 000 jetons par seconde sur Gemma 4 E2B), avec une parité des jetons de 100 % et aucune perte de qualité, en quelques jours seulement, un processus qui prendrait normalement des mois. Consultez les demandes de fusion en amont (optimisant tous les aspects, du réglage de l'attention au décodage spéculatif) pour voir les modifications exactes.
• Création de visualisations 3D complexes : Argon apporte des améliorations majeures au raisonnement spatial, à la précision mathématique et au codage visuel par rapport aux modèles Gemini précédents. Grâce à des commandes slash comme /goal et à la possibilité de créer des boucles multi-agents avec des compétences personnalisées dans Antigravity, les chercheurs de Google utilisent Argon pour prototyper des visualisations 3D complexes, des jeux haute fidélité et des animations interactives en code natif, directement exécutables dans le navigateur.

Transformer les flux de travail essentiels des entreprises et des professionnels

Argon combine un raisonnement novateur, une perception visuelle pointue, une connaissance approfondie du domaine et des compétences rédactionnelles renforcées dans les secteurs juridique, financier, scientifique et informatique, pour optimiser les flux de travail professionnels à enjeux élevés. Il communique clairement, vous tient informé en tout temps et respecte les consignes de style mieux que tous nos modèles Gemini précédents. Argon répond aux questions de manière plus directe et concise, évite les répétitions inutiles et les clichés.

Les entreprises clientes et les startups participant à notre programme d'accès anticipé voient déjà des résultats probants avec Argon.

Grâce à son raisonnement avancé et à ses capacités multimodales, tout en conservant une base solide, Argon excelle dans la compréhension approfondie de documents multimodaux, l'analyse de données longitudinales et les environnements de test analytiques interactifs.

Accélérer l'impact concret grâce aux chercheurs et aux experts du domaine

Les chercheurs, les ingénieurs et les spécialistes de la sécurité utilisent déjà Argon pour repousser les limites de la cyberdéfense, des sciences, des mathématiques et de la robotique. Cette plateforme aide les experts en cybersécurité et les chercheurs à tester des hypothèses, à auditer de manière autonome les bases de code critiques et les preuves formelles, et à détecter les vulnérabilités zero-day et les failles logiques les plus subtiles.

Offrir des capacités cybernétiques de pointe à un plus grand nombre de défenseurs de confiance

À compter d'aujourd'hui, nous étendons notre programme à des centaines de partenaires supplémentaires.

Wiz utilise déjà Argon pour son initiative « Scan for Good », qui protège gratuitement les infrastructures essentielles au bien public. Grâce à un accès anticipé au modèle, Wiz a démontré l'impact concret d'Argon dans de nombreux secteurs à forts enjeux.

• Sécurisation des données gouvernementales sensibles : Dans le cadre d’un programme de cyberrésilience de longue date et en collaboration avec une agence fédérale, Argon a contribué à identifier et à corriger de manière proactive une faille de sécurité qui menaçait d’exposer des données sensibles et l’infrastructure gouvernementale. Cette intervention a permis de prévenir la divulgation d’informations critiques relatives au développement du secteur de la sécurité et l’accès non autorisé à des modèles spécialisés.
• Protection des infrastructures de santé critiques : Wiz a également utilisé Argon pour protéger des infrastructures de santé vitales. En enchaîné les vulnérabilités complexes, le modèle a permis à l'équipe de découvrir et de corriger rapidement une faille de sécurité lors du téléchargement de fichiers publics, faille qui exposait une clé principale et donnait accès à un compte administrateur. Argon a non seulement détecté une vulnérabilité, mais a également protégé de manière proactive des centaines de milliers de dossiers de patients confidentiels.

Découvrir de nouvelles percées scientifiques

L'argon a déjà un impact concret sur la communauté scientifique, permettant de nouvelles découvertes pour les scientifiques et les experts de nombreux domaines.

• Informatique quantique : Argon aide nos chercheurs à accélérer les progrès en matière de correction d’erreurs quantiques et de conception d’algorithmes. Afin d’assurer la compatibilité en temps réel des décodeurs d’erreurs avec le matériel quantique, Argon a traduit une version interne d’ AlphaQubit , notre décodeur de correction d’erreurs quantiques pour l’apprentissage automatique, en un noyau matériel unique et hautement optimisé. Cette optimisation a quasiment doublé son taux d'inférence, nous permettant ainsi de déployer des modèles plus vastes et plus performants et de passer à des dispositifs quantiques plus grands, tout en respectant des contraintes de temps réel strictes. L'argon réduit aussi le coût spatio-temporel des sous-routines quantiques. Pour la fonction arcsin, un composant essentiel des algorithmes de simulation quantique récents, une implémentation développée par Argon et formellement vérifiée avec Lean réduit le coût spatio-temporel d’un facteur supérieur à 100 par rapport à une référence CORDIC quantique publiée, constituant ainsi un pas de plus vers une bibliothèque standard de circuits quantiques optimisés.
• Fusion nucléaire : les stellarators sont des machines d'une complexité incroyable, candidates de choix pour une énergie de fusion propre et illimitée. Cependant, l'optimisation de leurs champs magnétiques tridimensionnels est notoirement difficile. Depuis 1967, une hypothèse de longue date, connue sous le nom de « conjecture de Grad », supposait qu'il était impossible de trouver des solutions mathématiques exactes pour ces champs, jusqu'à la découverte récente de contre-exemples, notamment par le professeur Matt Landreman (Université du Maryland). Aujourd'hui, une équipe de Google , en collaboration avec le professeur Landreman, a découvert une classe plus large de contre-exemples à la conjecture de Grad . Ces nouvelles solutions offrent à la communauté de la fusion des points de référence fiables pour tester leurs codes de simulation de stellarators, des outils précieux pour les conceptions futures.
• Recherche sur les maladies rares : Des chercheurs de Gamow Labs ont utilisé Argon pour analyser des génomes anonymisés de nouveau-nés atteints de maladies pulmonaires rares du développement. Dans un cas précis, Argon a identifié un réarrangement chromosomique que les logiciels classiques avaient manqué pendant des années et a expliqué pourquoi il était passé inaperçu. Lors d'évaluations privées de Gamow Labs, basées sur des données cliniques et de laboratoire réelles, Argon a obtenu les meilleurs résultats sur RareBench (57 % pour l'aide au diagnostic des maladies rares) et LabBench (52,2 % pour le raisonnement en laboratoire). Ces progrès laissent entrevoir un diagnostic plus rapide pour les familles aux prises avec des maladies rares. Voir le blog. ² pour plus de détails.
• Conception enzymatique : L'ingénierie d'enzymes à réactivité précise est un processus notoirement long, nécessitant souvent des mois de mise au point de modèles sur mesure et de criblage de candidats. Les sérine estérases sont une classe d'enzymes qui clivent les liaisons esters de molécules cibles. Elles sont largement utilisées dans le recyclage et la fabrication de produits pharmaceutiques, de biocarburants et de détergents. Nos scientifiques ont collaboré avec Argon pour concevoir des sérine estérases, en ciblant la molécule de référence 4MU-acétate, qui devient fluorescente sous lumière UV une fois ses liaisons ester rompues. En quelques heures seulement, Argon a rassemblé les données pertinentes, optimisé les modèles et identifié plusieurs filtres bio-inspirés pour aboutir à une série finale de cinq nouvelles conceptions. Des essais en laboratoire ont ensuite confirmé une activité catalytique robuste pour ces conceptions. La rapidité et la facilité de génération de ces enzymes démontrent le potentiel d'une accélération rapide de l'ingénierie enzymatique dans des domaines tels que la bioproduction, la chimie verte et le développement de médicaments.

Pour accélérer encore la recherche, nous offrons à 10 000 scientifiques l’accès gratuit au niveau d’utilisation le plus élevé de Google Antigravity pendant 6 mois (inscription continue), sous réserve d’admissibilité, de capacité et de sélection. Les candidatures sont ouvertes .

Accélérer le développement de la robotique

En combinant un raisonnement visuel et sémantique avancé, une compréhension physique approfondie et la génération de code autonome, Argon ouvre de nouvelles perspectives pour l'ensemble de la chaîne robotique et accélère les progrès vers une intelligence artificielle générale physique. Ce bond en avant se reflète dans les performances d'Argon sur le benchmark ERQA (Embodied Reasoning) , qui évalue la capacité d'un modèle à comprendre et à résoudre des problèmes physiques et spatiaux dans des environnements 3D. En s'appuyant sur un raisonnement pur, Argon surpasse tous les autres modèles de pointe, avec un score de 87 %.

Afin de démontrer concrètement ces capacités, nous avons testé l'aptitude d'Argon à apprendre une compétence physique hors distribution par simple observation. Lors d'un test interne, Argon a visionné une vidéo brute d'une personne jouant au jeu de lancer de sacs de maïs (cornhole), a cartographié les coordonnées spatiales de l'environnement et a calculé les mouvements articulaires nécessaires. Il a ensuite généré de manière autonome le code de simulation. Une fois transféré sur l'humanoïde Apollo d'Apptronik , le robot a rapidement réussi sept lancers consécutifs lors d'un essai en conditions réelles.

Ce processus « Vidéo-Simulation-Réel » condense des semaines de modélisation par simulation manuelle en quelques heures, transformant des vidéos ordinaires en un terrain d'entraînement évolutif et illimité pour la robotique. Découvrez comment cela accélère le développement en robotique sur notre blogue pour développeurs .

Développer l'argon de manière responsable et sécuritaire

La sûreté et la sécurité sont essentielles au développement de modèles chez Google. Argon étant un modèle très performant, nous avons collaboré avec divers partenaires tiers pour mesurer certaines de ses capacités et mesures de protection. Gemini 4 Argon représente à ce jour notre système de sûreté et de sécurité le plus complet.

• Protection contre les abus et le jailbreak : Les mêmes compétences en programmation et en sciences qui permettent aux équipes de sécurité de corriger les logiciels hospitaliers ou d’accélérer le génie biologique nécessitent également une protection accrue contre les acteurs malveillants. Dans le cadre de notre Frontier Safety Framework, nous avons évalué les capacités améliorées d’Argon dans plusieurs domaines et déployé une architecture de défense multicouche combinant résistance au jailbreak, surveillance et application des règles. Cela a considérablement amélioré notre robustesse : par exemple, une équipe rouge externe spécialisée dans les tests de sécurité biologique n’a pu déverrouiller que moins de 1 % des sous-tâches biologiques que nous testons. De plus, face aux requêtes dangereuses (de l’écriture de code d’exploitation à la manipulation de matières biologiques dangereuses), Argon est nettement plus efficace que nos modèles précédents pour éviter d’y répondre. Sur un ensemble de requêtes adverses conçu pour tester la robustesse du modèle, le nombre de violations a été réduit de près de moitié, un résultat également nettement supérieur à celui des modèles Gemini précédents.
• Alignement des agents et surveillance en temps réel : à mesure que les agents deviennent des résolveurs de problèmes plus compétents, nous devons veiller à ce qu’ils ne soient pas trop pressés de terminer une tâche en prenant des raccourcis non autorisés lorsqu’ils rencontrent un obstacle, comme une erreur d’autorisation ou un test en échec.
  • Nous avons d'abord entraîné Argon à respecter les limites du système, à signaler honnêtement les résultats négatifs et à attendre une confirmation humaine avant d'entreprendre des actions irréversibles. Sur les tests de codage où les modèles n'ont aucune incitation à se retenir, les tentatives de raccourcis ont chuté à seulement 2 % sur Gemini 4 Argon, soit notre meilleure performance par rapport aux modèles Gemini précédents.
  • Deuxièmement, en tant que couche de défense en profondeur, nous avons conçu un système automatisé de surveillance des incohérences qui analyse le raisonnement et les actions de l'agent étape par étape afin de détecter et de bloquer en temps réel les contournements non intentionnels. Nous avons utilisé ce système lors de déploiements internes, d'évaluations de capacités et d'entraînements par apprentissage par renforcement, en veillant scrupuleusement à ne pas pénaliser le raisonnement du modèle pendant l'entraînement, afin d'assurer sa transparence et sa traçabilité.
• Résistance à l'injection de messages : lorsqu'ils consultent des pages Web, lisent des courriels ou analysent du code, les agents peuvent être confrontés à des instructions malveillantes dissimulées, conçues pour détourner leur tâche. Grâce à un entraînement hostile et à des tests d'intrusion automatisés, Argon surpasse le repère Gray Swan sur l'injection indirecte de messages (IPI), réduisant le taux de réussite des attaques à 0,7 % sur 15 tentatives adaptatives.

Pour plus d'informations, consultez la fiche technique du modèle Gemini 4 Argon.

Commencez dès aujourd'hui

Argon travaille plus longtemps et plus efficacement pour résoudre des problèmes scientifiques, de programmation et d'agents extrêmement complexes. Ceci est rendu possible grâce à une limite unifiée d'un million de jetons d'entrée/sortie, une performance inégalée dans le secteur, grâce à l'API Gemini . Consultez notre documentation destinée aux développeurs et aux entreprises pour découvrir le nouveau protocole de continuation et configurer Argon en fonction de vos besoins. Argon est déployé dès aujourd'hui à l'échelle mondiale.

• Pour les développeurs : utilisez le niveau payant de l’API Gemini et, si vous êtes abonné à Google AI Ultra, vous pouvez l’essayer dans Google Antigravity, AI Studio et Android Studio.
• Pour les entreprises : essayez-le dans Gemini for Business, l’API et dans Google Antigravity.
• Pour les utilisateurs quotidiens : essayez-le dès aujourd’hui dans l’application Gemini et en mode IA dans la recherche si vous êtes abonné à Google AI Ultra ou Pro.
• Pour les scientifiques et les chercheurs : tentez votre chance pour bénéficier d’un accès gratuit de 6 mois à la formule d’utilisation la plus complète de Google Antigravity (inscription continue), sous réserve d’admissibilité, de disponibilité et de sélection. Les candidatures sont ouvertes .
• Pour les spécialistes de la cybersécurité : Postulez pour rejoindre le programme Fairwind afin d’accéder à Argon sans aucune restriction de sécurité informatique, et ce, de manière continue.

Gemini 4 Argon n'est que le début. Nous avons hâte de vous présenter le reste de la famille Gemini 4.