Google lance Gemini 4 Argon avec des tokens à 2$/10$
Les taux d'introduction d'Argon doublent ensuite, tandis que le Muse gratuit de Meta dépasse 5 millions de téléchargements et que le Spark de Google reste payant.
Google a dévoilé Gemini 4 Argon avec des prix de jetons d'introduction agressifs et des revendications de référence en matière de codage et de cybersécurité. La sortie intervient alors que les investisseurs évaluent de plus en plus le leadership en IA à travers des agents personnels pour les consommateurs, où le Muse gratuit de Meta se développe plus rapidement que le Spark payant de Google.
Points clés
- Google a introduit Gemini 4 Argon, positionnant le modèle de pointe comme une avancée pour le codage, la cybersécurité et les tâches complexes à plusieurs étapes.
- Argon a été lancé à 2 $ par million de jetons d'entrée et 10 $ par million de jetons de sortie, Google déclarant que ses tarifs publiés doubleront plus tard à 4 $ et 20 $.
- Google affirme qu'Argon égalise OpenAI sur un test clé de cybersécurité et mène les benchmarks en ingénierie logicielle, mais les noms des benchmarks et la réplication indépendante ne sont pas disponibles dans l'extrait fourni.
- L'application d'agent personnel gratuite Muse de Meta a dépassé 5 millions de téléchargements au 30 septembre (Sensor Tower), tandis que le Spark de Google reste réservé aux abonnés et ne peut pas passer d'appels sortants ni effectuer d'achats.
Gemini 4 Argon atterrit alors que Wall Street passe des modèles aux agents
Google a dévoilé Gemini 4 Argon le 30 septembre, présentant le modèle comme une mise à niveau de niveau frontière pour le codage, la cybersécurité et les tâches complexes. L'entreprise a présenté Argon comme capable de gérer des missions nécessitant plusieurs étapes et pouvant fonctionner pendant de longues périodes, un profil de charge de travail qui compte pour les produits de style agent qui font plus que discuter.
Le timing est important car le récit des investisseurs évolue d'un « qui a le meilleur modèle cette semaine » vers « qui a un agent que les gens utilisent réellement ». Les agents personnels sont la couche orientée consommateur qui transforme la capacité du modèle en distribution, rétention et finalement monétisation.
Dans ce cadre, le lancement d'un modèle est un enjeu de base, tandis qu'un agent avec une adoption réelle est le tableau des scores.
Ce changement est visible dans l'ensemble concurrentiel décrit autour d'Argon. Le Muse de Meta a été lancé « le mois dernier » et a grimpé au sommet de l'App Store d'Apple, dépassant ChatGPT au passage, tandis qu'OpenAI a déployé son propre produit d'agent personnel.Points, plus tôt dans la même semaine.
Le marché considère les produits d'agent comme la nouvelle surface pour l'impact mental, et l'impact mental est ce qui a tendance à se traduire par une position à risque dans les secteurs technologique et crypto.
La stratégie de tarification des tokens d'Argon : réductions d'introduction maintenant, taux plus élevés plus tard
L'introduction d'ArgonAPIa été fixée à 2 $ par million de tokens d'entrée et 10 $ par million de tokens de sortie, correspondant aux tarifs réduits cités pour le modèle GPT-6.1 d'OpenAI.SolLes tokens sont l'unité de facturation pour l'utilisation du modèle. Les tokens d'entrée sont le texte qu'un utilisateur ou une application envoie au modèle, tandis que les tokens de sortie sont le texte que le modèle génère en retour.
Google a également rendu explicite la seconde moitié de l'histoire des prix : il a déclaré que les tarifs publiés d'Argon doubleront finalement à 4 $ par million de tokens d'entrée et 20 $ par million de tokens de sortie. Cette structure ressemble à une conquête de terrain pour les charges de travail précoces, suivie d'une phase de normalisation une fois que les courbes de demande et de coût sont mieux comprises.
Pour les flux de travail des agents, la séparation entrée-sortie n'est pas cosmétique. Les agents ont tendance à fonctionner plus longtemps, à appeler des outils et à itérer, ce qui peut entraîner une utilisation intensive en sortie et faire apparaître rapidement l'économie par token dans la marge brute.
Les tarifs d'introduction peuvent gagner des pilotes et des titres, mais le calendrier des tarifs publiés est la partie qui détermine si les agents « toujours actifs » sont suffisamment bon marché pour être par défaut.
Le cadre de produit de Google renforce ce compromis. Tulsee Doshi, responsable produit pour Gemini, a décrit une approche de portefeuille où les agents quotidiens n'ont pas besoin des modèles de pointe les plus puissants, et des modèles plus légers restent essentiels pour les demandes routinières à grande échelle.
Les modèles de pointe comme Argon sont positionnés comme la couche de raisonnement pour des missions plus difficiles, ce qui est utile, mais aussi la partie coûteuse à faire fonctionner en continu.
Références vs Réalité : Ce que Google affirme, ce qui ne peut pas encore être vérifié
L'argument de référence de Google pour Argon est simple : il égalise OpenAI sur un test clé de cybersécurité et affiche des résultats de premier plan en ingénierie logicielle, basé sur des références de l'industrie. Le hic est que les noms spécifiques des références n'ont pas été fournis dans l'extrait, et Argon n'est pas largement disponible pour des tests indépendants.
L'accès est contraint par conception. Google participe à un processus de test de sécurité volontaire du gouvernement américain et restreint initialement Argon à des défenseurs de la cybersécurité sélectionnés et à des clients d'entreprise dans le cloud. L'entreprise a déclaré qu'elle prévoyait d'élargir la disponibilité aux développeurs, aux clients d'entreprise et aux consommateurs, mais n'a pas annoncé de date de sortie publique. Tant que cela ne changera pas, le marché est laissé à échanger sur des affirmations plutôt que sur des répliques.
L'écart entre les agents consommateurs est encore plus concret. L'agent personnel de Google, Spark, a été lancé en mai lors de Google I/O et peut travailler à travers Gmail et Calendar, naviguer sur des sites Web via Chrome et accomplir des tâches telles que remplir des formulaires en ligne. Spark est disponible via les applications mobiles et de bureau de Google, mais il reste limité aux abonnés payants.
Spark a également des limites d'action qui comptent dans la pratique. Il ne peut pas passer d'appels téléphoniques sortants ni effectuer d'achats au nom d'un utilisateur. Il guide plutôt les utilisateurs à travers les achats et rend le contrôle pour approbation finale. Ce design réduit le risque, mais il limite également le moment de "l'agent" où les utilisateurs ont l'impression que le système a réellement pris la tâche à leur charge.
Muse de Meta adopte une posture de distribution opposée. Il est gratuit avec des limites d'utilisation et avait atteint plus de 5 millions de téléchargements au 30 septembre, selon Sensor Tower. L'approche de Meta a également introduit des complications.
L'entreprise a expérimenté un système de concierge humain où des contractuels géraient certains appels téléphoniques lorsque Muse ne pouvait pas les compléter de manière autonome, avant de suspendre l'expérience au milieu de préoccupations internes en matière de confidentialité, tandis que sa fonctionnalité d'appel téléphonique automatisé reste en version bêta.
Un porte-parole de Meta a déclaré que les tests internes "sont essentiels au processus de développement du produit" et a ajouté : "Nous travaillons avec des commerçants pour continuer à améliorer cette fonctionnalité d'appel potentielle, et nous ne la déploierons que lorsqu'elle sera prête et avec les divulgations appropriées."
Il existe également un différend de crédibilité autour de la performance de codage d'Argon dans le monde réel. Une caractérisation de Bloomberg référencée dans le matériel source a déclaré que certains employés de Google remettaient en question la qualité de codage pratique du modèle malgré de fortes références.
Google a contesté cette caractérisation et a déclaré que des employés de l'entreprise testaient des versions de Gemini 4 depuis des semaines, certains ayant reçu un accès illimité. Sans preuves sous-jacentes dans l'extrait et sans accès externe large, ce désaccord reste non résolu.
Catalyseurs qui pourraient revaloriser le récit
Le prochain catalyseur de revalorisation est simple : une date de sortie publique et un accès plus large pour les développeurs à Gemini 4 Argon. Tant que les utilisateurs indépendants ne peuvent pas exécuter le modèle sur de véritables charges de travail, le leadership en matière de références est une affirmation marketing, pas un fait de marché.
Le deuxième catalyseur est la distribution. Si Google assouplit le mur payant de Spark, ou étend les capacités d'action de Spark au-delà de ses limites actuelles sur les appels sortants et les achats, cela modifie la pente d'adoption plus qu'un autre graphique de référence.
Les métriques Muse de Meta sont l'autre côté de cette transaction. Des chiffres d'adoption mis à jour au-delà de l'instantané de Sensor Tower du 30 septembre, et tout changement des plafonds d'utilisation à mesure que Meta se développe, indiqueront aux traders si Muse est un pic de nouveauté ou une habitude de consommation durable.
Le cadre de Wall Street penche déjà dans ce sens. Au cours des trois derniers mois, l'action Alphabet a chuté d'environ 6 % tandis que celle de Meta a augmenté de 19 %. Les commentaires ultérieurs qui lient explicitement l'attraction des agents à la position d'Alphabet par rapport à celle de Meta seront probablement le moteur narratif le plus clair pour la façon dont ce thème se négocie.
Mon avis : Pourquoi la distribution des agents, et non les références de frontière, est le commerce à court terme.
Le seuil qui compte est de savoir si Argon devient quelque chose que les développeurs peuvent réellement toucher à grande échelle, car un accès restreint maintient l'histoire coincée à "faites-nous confiance".
Google peut raisonnablement concurrencer sur l'économie des modèles de frontière à court terme, mais le passage prévu de 2 $/10 $ à 4 $/20 $ par million de jetons rappelle que la pression des coûts revient rapidement une fois que les agents fonctionnent en continu.
Si Spark reste payant et limité sur des actions à forte valeur comme les appels et les achats, le récit de référence d'Argon aura du mal à se traduire en part de marché consommateur. Si Google associe un accès plus large à Argon avec un véritable changement de distribution de Spark, l'histoire des agents cesse d'être aspirante et commence à être mesurable dans les courbes d'adoption et d'utilisation.
