Test Gemini 4 Carbon : plus de 50 tâches face à Argon, Claude Fable 5.2 et GPT-6.1 Sol

👁 111 lectures

Le jour où Gemini 4 Carbon est devenu accessible à tous (10 novembre 2026), je lui ai soumis plus de 50 tâches, ainsi qu’à Claude Fable 5.2, GPT-6.1 Sol et Gemini 4 Argon. Tous les appels sont passés par OpenRouter avec les mêmes réglages. Chaque réponse a été évaluée par des tests unitaires, un corrigé de référence ou un vérificateur automatique - pas selon mon impression. Voici ce que Carbon sait faire, ce qu’il coûte et là où il échoue.

D’abord, les tarifs

Les résultats sur les mêmes tâches

* Le correcteur a retiré un point pour une forme grammaticale pourtant correcte - une erreur de sa part, identique pour les deux modèles Gemini.

Ce que Carbon réussit bien

Il n’a pas inventé de sources. J’ai demandé 8 publications évaluées par les pairs, avec leurs DOI, sur deux sujets. Les 16 articles cités par Carbon existent ; je les ai vérifiés dans Crossref, OpenAlex et des catalogues de bibliothèques. Un DOI ne renvoyait à aucune page et un rapport était daté de la mauvaise année. En octobre, avec la même consigne, Argon en avait inventé 2 sur 16.

Il sait sélectionner les documents à lire. Pour la tâche d’agent, Carbon disposait de trois outils (lister les documents, lire un document, exécuter Python) et de six documents, dont une grille tarifaire obsolète de 2025. Il a écarté ce fichier sur la seule base de son titre, lu les quatre documents à jour, écrit une fonction de calcul des coûts, exécuté celle-ci une fois et répondu exactement au format demandé. Bilan : 54 secondes, 0,03 USD.

Il raisonne en analyste. À partir de 92 lignes de journal d’accès, il a trouvé l’IP à l’origine de l’attaque par force brute, le compte compromis, la seconde exacte de la connexion réussie, un export CSV 20 secondes plus tard et une traversée de répertoires réussie grâce à ..%2f encodé dans l’URL. Il n’a pas confondu la tentative bloquée visant /etc/shadow avec une fuite de données. Il a aussi reconnu une fausse alerte dans le cas d’un utilisateur ordinaire qui avait simplement fait une faute de frappe dans son mot de passe.

Il produit du code soigné. Le moteur de tableur (formules, plages, SUM/MIN/MAX/AVG/IF, cinq codes d’erreur, détection des cycles et chaîne de 900 cellules sans atteindre la limite de récursion de Python) tenait en 639 lignes, avec son propre analyseur syntaxique et une évaluation fondée sur des générateurs plutôt que sur la récursion. Les 34 tests ont réussi.

Là où il échoue

Il peut épuiser tout son budget de tokens à réfléchir. Sur une tâche d’expression régulière avec un effort moyen, Carbon a consommé les 16,000 tokens disponibles en raisonnement sans renvoyer de code (0,16 USD). Avec une limite de 64,000, il a résolu le problème en 248 secondes pour 0,17 USD. Avec un effort faible, il a résolu la même tâche en 13 secondes pour 0,007 USD - soit 25 fois moins cher, avec le même résultat de 13/13. Sur le tableur, avec un effort élevé, il a consacré 47,997 tokens au raisonnement sans rien renvoyer.

Pas d’autovérification avec l’API seule. Pour corriger un module vulnérable avec un effort moyen, ses corrections étaient justes (SQL paramétré, PBKDF2 avec 600,000 itérations, sel aléatoire, comparaison en temps constant). Mais une ligne contenait un espace en trop : Python a rejeté le fichier et les 14 tests ont échoué. Avec un effort élevé, il a obtenu 14/14, en 308 secondes pour 0,31 USD.

Il est lent. Sur les mêmes tâches, Argon était entre 1,4 et 8 fois plus rapide, avec une précision comparable.

Lequel choisir ?

• Gemini 4 Carbon pour les travaux où une erreur coûte plus cher que le temps passé : audits de sécurité, recherches exigeant des sources, traque d’un bug difficile, coordination d’autres agents. Commencez avec un effort faible ou moyen et gardez une limite de sortie élevée.
• Gemini 4 Argon pour la rédaction quotidienne, les résumés et le code courant. Le même prix par token, mais beaucoup plus rapide.
• GPT-6.1 Sol si vous surveillez les coûts : c’est le moins cher en pratique, et il est rapide.
• Claude Fable 5.2 si vous avez besoin de code qui fonctionne sans vérification : aucun faux pas sur l’ensemble des tâches, mais un prix par token quatre fois plus élevé.

Les tarifs, les modalités d’accès et les benchmarks de Google sont dans mon guide Gemini 4 Carbon.

// lire la suiteClaude Fable 5.2 face à GPT-6 Astra et Gemini 4 CarbonBenchmarksGPT-6 Cyber vs Claude Mythos vs Gemini 4 Carbon : comparatifBenchmarksGemini 4 Carbon vs Argon : différences, prix et faut-il attendre ?Magazine

Kinetyra