Andy Garcia · dev freelance
FRENES
Retour au blog
IA & Prix

Gemini 4 Argon de Google a été lancé à 2 $ et 10 $ le million de tokens. Le 1er décembre, sa grille double pour s'aligner sur Claude Opus 5.5

19 octobre 2026 6 min de lecture

Le mardi 13 octobre, Google a rendu Gemini 4 Argon généralement disponible. Les développeurs peuvent l'appeler via l'offre payante de l'API Gemini, les abonnés Google AI Ultra l'ont dans Antigravity, et les abonnés Ultra et Pro l'ont dans l'application Gemini. Google avait présenté le modèle le 30 septembre, avec un accès anticipé pour des défenseurs cyber de confiance dans son Fairwind Program, comme l'a rapporté TechRepublic. Le 13 octobre, n'importe quel développeur sur l'offre payante de l'API peut s'en servir.

Et c'est le paiement qui fait l'histoire. Argon a été lancé à un prix d'introduction de 2 $ par million de tokens en entrée et 10 $ par million de tokens en sortie, avec l'entrée en cache à 95 % de remise. Ce prix tient jusqu'au 30 novembre. Le 1er décembre, il passe à 4 $ et 20 $.

Je suis CTO d'une LegalTech construite sur Claude, et j'ai construit BidForge, une IA qui lit les dossiers de marchés publics français pour les petites entreprises. Je lis donc le lancement d'un fournisseur concurrent comme un acheteur lit un devis : la page des prix d'abord, le guide de migration ensuite, les benchmarks en dernier. Voici ce que j'ai trouvé.

La grille de prix, ligne par ligne

La page de tarifs de Google liste Argon par million de tokens :

  • Standard : 2 $ en entrée, 10 $ en sortie, 0,10 $ pour l'entrée en cache jusqu'au 30 novembre. À partir du 1er décembre : 4 $, 20 $ et 0,20 $.
  • Batch et Flex : 1 $ et 5 $ jusqu'au 30 novembre, puis 2 $ et 10 $.
  • Priority : 3,60 $ et 18 $, puis 7,20 $ et 36 $.

La sortie inclut les tokens de réflexion. La section Argon ne liste aucun supplément pour les longs prompts ni aucun frais de stockage du cache. Et Argon n'est pas du tout disponible dans l'offre gratuite. Début octobre, j'ai écrit sur Google qui ramène les comptes gratuits de l'application Gemini à Flash-Lite. Son nouveau modèle phare saute carrément l'offre gratuite de l'API.

Sept semaines au prix de Sonnet, puis au prix d'Opus

Mets cela à côté des pages de prix des concurrents, lues le 19 octobre.

Claude Sonnet 5.5 coûte 2 $ en entrée et 10 $ en sortie, avec les lectures de cache à 0,10 $ depuis qu'Anthropic les a divisées par deux le 7 octobre. GPT-6.1 Sol coûte 2 $ et 10 $ jusqu'à 272 K tokens d'entrée, avec l'entrée en cache à 0,10 $. La grille d'introduction d'Argon égale les deux, au centime près, sur les trois lignes.

À partir du 1er décembre, la grille d'Argon indique 4 $, 20 $ et 0,20 $. C'est la grille de Claude Opus 5.5 : 4 $ en entrée, 20 $ en sortie, 0,20 $ pour les lectures de cache.

Il y a une comparaison de plus, sur la page de Google elle-même. Gemini 3.1 Pro Preview, toujours listé, coûte 2 $ en entrée et 12 $ en sortie pour des prompts jusqu'à 200 000 tokens. Jusqu'au 30 novembre, la sortie du nouveau modèle phare est moins chère que celle de l'ancien modèle Pro.

Prenons maintenant un appel concret, du genre que fait un lecteur d'appels d'offres : 100 000 tokens en entrée, 10 000 tokens en sortie, réflexion comprise.

Sans cache, cela fait 100 000 × 2 $ / 1 M = 0,20 $, plus 10 000 × 10 $ / 1 M = 0,10 $. Total 0,30 $ jusqu'au 30 novembre, et 0,60 $ à partir du 1er décembre.

Supposons maintenant que 90 000 de ces tokens d'entrée soient le même dossier d'appel d'offres, sur lequel on pose une deuxième question. Jusqu'au 30 novembre : 90 000 × 0,10 $ / 1 M = 0,009 $ pour la partie en cache, 10 000 × 2 $ / 1 M = 0,02 $ pour la partie neuve, 0,10 $ pour la sortie. Total 0,129 $. À partir du 1er décembre : 0,018 $ + 0,04 $ + 0,20 $ = 0,258 $. Mille appels de ce type par mois passent de 129 $ à 258 $.

Deux choses en ressortent. Une fois que le cache fonctionne, la sortie représente plus des trois quarts de la facture. Et sur les 0,129 $ que l'appel gagne le 1er décembre, 0,10 $ vient de la ligne de sortie.

La ligne sur le cache dans le guide de migration

Le guide de migration de Google le dit sans détour : le cache de contexte explicite n'est pas pris en charge sur Gemini 4 Argon. Le code qui crée ou référence du contenu en cache doit disparaître. Il reste le cache implicite, activé par défaut pour les prompts d'au moins 4 096 tokens, avec la remise de 95 % sur les lectures de cache.

Le cache implicite a un vrai avantage : aucun frais d'écriture, aucun frais de stockage, rien à configurer. Mais la page de Google sur le cache propose seulement des moyens « d'augmenter les chances » d'un succès : mettre le contenu volumineux et commun au début du prompt, envoyer des requêtes avec un préfixe similaire à proximité dans le temps. Une chance n'est pas un contrat. Chez Claude, une écriture de cache de cinq minutes coûte 1,25 fois le prix d'entrée, et le préfixe est ensuite en cache pendant ces cinq minutes. Sur Argon, l'appel à 0,129 $ ci-dessus passe à 0,30 $ quand le cache rate, et à 0,60 $ dès décembre.

Un modèle de coût pour Argon a donc besoin d'un taux de succès, et ce taux doit venir des logs de production. L'API Interactions rapporte les succès de cache dans l'objet usage, sous le nom total_cached_tokens (cached_content_token_count sur l'API GenerateContent). C'est le champ que je tracerais en premier.

La réflexion est facturée comme de la sortie, et Argon réfléchit davantage

Le guide de Google dit qu'Argon « peut consacrer une plus grande part de la limite à la réflexion que les modèles précédents » et demande aux applications dont la limite de sortie est inférieure à 32K de relever max_output_tokens à au moins 32 768. Pour utiliser moins de tokens, dit-il, il faut plutôt baisser le niveau de réflexion : low, medium ou high, avec medium par défaut.

Il y a ensuite le long decode, la fonction derrière le chiffre de 1M. L'entrée, la réflexion et la sortie partagent une seule fenêtre de 1 048 576 tokens. Une réponse de plus de 64K tokens est générée par sauts d'au plus 64K, et chaque saut renvoie au modèle, en entrée, le prompt plus tout ce qui a été généré jusque-là. Sur l'API Interactions, les serveurs de Google exécutent les sauts en mode arrière-plan. Sur l'API GenerateContent, c'est le SDK ou ta propre boucle qui les exécute. L'exemple de Google : un prompt de 1 000 tokens qui produit 200 000 tokens de réflexion et de sortie demande quatre sauts et rapporte 397 216 tokens d'entrée, pour un contexte réel d'environ 201 000. Tu paies chaque token de chaque saut, y compris les sauts qui ne contiennent que de la réflexion. Sur l'API Interactions, une exécution annulée ou échouée facture aussi tout le travail fait avant son arrêt.

La sortie de cet exemple coûte 2 $ jusqu'au 30 novembre et 4 $ après. Google dit que l'entrée répétée est remisée de 95 % par le cache implicite, donc l'entrée reste très en dessous de la sortie. Le piège est ailleurs : un framework d'agents qui lit total_input_tokens (prompt_token_count sur GenerateContent) croira le contexte environ deux fois plus plein qu'il ne l'est. Google liste lui-même la compaction anticipée du contexte dans son tableau de dépannage.

Où sont stockées les longues réponses

Le mode arrière-plan a besoin de stockage. Le guide du long decode dit que l'exécution en arrière-plan exige store: true. La durée pendant laquelle Google garde l'interaction dépend de la page que tu lis. Le guide de l'exécution en arrière-plan dit 7 jours. La page de l'API Interactions dit 55 jours par défaut sur l'offre payante, réglable à 7, 14, 28 ou 55 jours dans AI Studio, avec suppression par identifiant d'interaction à tout moment.

L'autre voie ne stocke rien. Sur l'API GenerateContent, un jeton de continuation chiffré transporte l'état du modèle d'un saut au suivant, « de sorte que rien n'est stocké sur le serveur », selon le guide de Google pour cette API.

Dans le travail juridique, la durée pendant laquelle un fournisseur garde un document client est une question à laquelle répond le contrat du client, pas le développeur. Une voie, deux pages, deux chiffres ; l'autre voie, aucun stockage sur le serveur. Je choisirais la voie, et j'obtiendrais la réponse sur la rétention par écrit, avant d'envoyer le moindre vrai fichier dans le long decode.

Les affirmations sur lesquelles je ne bâtirais pas de budget

Google dit qu'Argon se classe premier sur le Vals Index, obtient 87 % au benchmark de raisonnement incarné ERQA, et limite le taux de réussite des attaques à 0,7 % sur 15 tentatives adaptatives au benchmark d'injection de prompt indirecte de Gray Swan. Ce sont les chiffres de Google. Le dernier compte pour tout ce qui lit des documents écrits par quelqu'un d'autre, ce que fait précisément un lecteur d'appels d'offres. C'est pourtant la mesure des attaques de quelqu'un d'autre sur les documents de quelqu'un d'autre. Je passerais mes propres fichiers et mes propres tests d'injection avant de m'y fier.

Ce que je ferais avant le 1er décembre

Construis le modèle de coût aux prix de décembre. Le prix d'introduction est une remise sur ton évaluation, pas ta base de référence.

Journalise les tokens d'entrée, de cache, de sortie et de réflexion par fonctionnalité dès le premier appel. Le taux de succès du cache et la part de réflexion sont les deux chiffres qui décident de la facture.

Fais tourner tes évaluations aux trois niveaux de réflexion, comme Google le recommande lui-même, et garde le niveau le plus bas qui passe.

Déplace vers Batch tout ce qui peut attendre. À partir du 1er décembre, Batch coûte 2 $ et 10 $, le prix d'introduction du Standard.

Traite la migration comme de la configuration, pas du code : nouvel identifiant de modèle, plus d'appels de contenu en cache, temperature, top_p et top_k retirés (Argon les ignore), délais d'attente côté client d'au moins 15 minutes.

Et choisis la voie du long decode avant la première exécution, pas après : continuation côté client sur GenerateContent si rien ne doit rester sur les serveurs de Google, ou mode arrière-plan avec la durée de rétention d'AI Studio réglée d'abord.

Un prix d'introduction est un échantillon, pas un devis. La fenêtre court jusqu'au 30 novembre : assez longue pour mesurer ce qu'Argon coûte sur ton propre trafic, assez courte pour oublier la date. Mets le 1er décembre dans ton calendrier.

Sources

Un projet du même genre ?

Je conçois et déploie des produits comme celui-ci. Parlons-en.

Discutons