Gemini 4 Argon, l'API de recherche de DeepSeek et Nvidia Vera : le coût des agents sort du modèle

La semaine en quatre lignes

• Google a ouvert Gemini 4 Argon (gemini-4-argon) dans l'API Gemini, avec une fenêtre de contexte de 1M de tokens et des sorties jusqu'à 1M de tokens. Un article de DeepMind rapporte que quatre agents Argon ont terminé Minecraft en 27 heures, pour environ 520 $ au tarif de lancement.
• DeepSeek a publié V4.1-Flash-1017 sous licence MIT et ouvert des API Search et Fetch à 0,75 $ les 1 000 requêtes réussies, quelques jours après une panne d'API de près de cinq heures.
• Nvidia soutient que les appels d'outils, le code en bac à sable et la gestion du cache KV sur le CPU hôte peuvent laisser les GPU inactifs dans les charges agentiques, et présente son CPU Vera à 88 cœurs comme la réponse.
• Anthropic a annoncé qu'elle engagera 5 % de ses actions dans un nouveau fonds d'utilité publique, sous réserve de l'approbation des actionnaires.

Pourquoi ces quatre sujets vont ensemble

Seules deux de ces annonces sont des sorties de modèle au sens habituel. Les trois premières posent la même question : où un agent dépense-t-il son temps et son argent ? Les exécutions longues absorbent des centaines d'échecs, la recherche web a désormais un prix par requête, et le calcul côté hôte s'intercale entre chaque paire d'appels d'inférence. La quatrième touche à la gouvernance d'un fournisseur dont beaucoup d'équipes dépendent.

Nous les classons selon la façon dont elles changent directement un agent que vous faites tourner aujourd'hui. Nous n'avons trouvé aucune annonce OpenAI de la semaine rattachable à un document primaire : OpenAI est donc absent ici plutôt que cité pour remplir.

Google : Gemini 4 Argon arrive dans l'API, et une exécution de 27 heures montre le budget

Google a annoncé Gemini 4 Argon pour les développeurs le 13 octobre. Le modèle est disponible sur l'offre payante de l'API Gemini via Google AI Studio et Android Studio. Les abonnés Google AI Ultra peuvent aussi l'utiliser dans AI Studio et dans Antigravity, la plateforme de développement d'agents de Google. La liste des modèles de l'API Gemini donne l'identifiant gemini-4-argon, le classe comme stable et annonce une fenêtre de contexte unifiée de 1M de tokens, avec des générations longues jusqu'à 1M de tokens en sortie.

Le plafond de sortie est le premier réglage à poser. Un modèle capable d'émettre jusqu'à 1M de tokens en une réponse peut aussi s'emballer beaucoup plus longtemps avant que quoi que ce soit ne l'arrête : les plafonds de sortie et les timeouts deviennent des choix explicites au lieu de valeurs par défaut. Les tableaux de benchmarks du lancement sont ceux de Google. Tant qu'aucune évaluation indépendante n'est publiée, nous y verrions une raison de tester, et nous laisserions le trafic de production là où il est.

La preuve la plus utile est un article de Google DeepMind sur arXiv, résumé par The Next Web. Quatre agents Argon ont battu l'Ender Dragon de Minecraft sans aide humaine en 27 heures et 14 minutes, à partir d'un monde de survie aléatoire en difficulté Facile, sans commandes de triche. Ils n'ont jamais vu l'écran. Chaque agent écrivait de courts programmes JavaScript contre Mineflayer, une bibliothèque open source de bots, puis relisait sa position, sa santé, son inventaire ou l'erreur rencontrée.

Au fil de l'exécution, les agents ont écrit 2 783 programmes, échangé 229 messages, tenu des notes partagées et sont morts 605 fois. 22 % de leurs programmes se sont terminés en erreur.

Les chiffres de coût demandent une lecture attentive. Les chercheurs estiment environ 520 $ jusqu'à la victoire au tarif de lancement d'Argon, soit 1 040 $ au tarif standard. La session complète, y compris un cinquième agent chargé de détecter la triche, revient à environ 810 $, soit 1 620 $ au tarif standard. L'article liste lui-même ses limites : Mineflayer indique aux agents quels blocs et quelles créatures les entourent, même derrière la roche, un plugin planifie leurs déplacements, et le résultat repose sur une seule exécution.

Ce qui se transpose en production, c'est la forme de la boucle : écrire du code, l'exécuter, lire l'erreur, réessayer, partager l'état avec les autres agents. Beaucoup d'agents de code internes fonctionnent ainsi. La leçon tient au profil de budget : plus d'une journée d'horloge et plus de mille dollars au tarif catalogue pour une seule tâche à long horizon, où l'échec fait partie du fonctionnement normal. La logique de reprise et un plafond de dépense par tâche, fixé par une personne avant le lancement, comptent autant que la justesse du premier coup. Une partie de jeu ne dit rien du comportement d'Argon sur votre base de code.

DeepSeek : une mise à jour mineure, et la recherche web facturée à la requête

DeepSeek a publié V4.1-Flash-1017, poids sous licence MIT. Sa fiche Hugging Face la décrit comme une « minor update » qui réduit le temps d'exécution des tâches et la longueur des sorties, sans dire de combien.

Dans le tableau de DeepSeek, la mise à jour résout 77,0 % des tâches de DeepSWE v1.1, contre 74,2 % pour la version de septembre et 74,0 % pour Claude Opus 5. Le même tableau donne encore à Opus 5 sept benchmarks sur onze, dont une avance de près de 14 points sur Humanity's Last Exam sans outils. Les utilisateurs de l'API y accèdent par l'identifiant existant deepseek-flash, aux mêmes prix.

Pour qui construit des agents, la sortie la plus importante est la paire d'endpoints publiée en même temps. DeepSeek ouvre son moteur de recherche interne via une Search API qui renvoie jusqu'à 50 résultats web classés par requête, et une Fetch API qui convertit une page en Markdown. Les deux coûtent 0,75 $ les 1 000 requêtes réussies. Les appels passés par DeepSeek Harness, Claude Code ou Codex sont gratuits jusqu'au 1er novembre. La recherche et la récupération de pages sont souvent les appels qu'un agent de navigation répète le plus : cela ajoute un prix public de plus à comparer à votre couche de recherche actuelle.

Le bilan de fiabilité entre dans la même comparaison. Ces sorties ont suivi une panne d'API de près de cinq heures le 15 octobre. DeepSeek s'est excusée, a accordé des crédits calculés sur la dépense de la semaine précédente, et a annoncé vouloir supprimer les points de dépendance uniques de ses systèmes. Si un même fournisseur assure l'inférence et la recherche dans le chemin critique de votre agent, une seule panne coupe les deux. C'est un argument pour garder la couche de recherche interchangeable indépendamment du modèle.

Les marchés en ont lu davantage. Lundi, Bloomberg a relié un recul des valeurs asiatiques des puces à la fois à des inquiétudes de financement et au modèle DeepSeek, et le Kospi a ensuite effacé une baisse de plus de 3 % en début de séance. Nous ne pouvons pas départager les deux causes d'ici, et une sortie que son propre auteur qualifie de mineure est une base mince pour une thèse sur la demande de mémoire. Nous la laissons au rang de contexte de marché.

Nvidia : la boucle d'agent attend peut-être le CPU

Le 18 octobre, l'équipe Vera de Nvidia a expliqué à Wccftech que les charges agentiques changent les priorités de conception des CPU, selon Let's Data Science. L'argument : l'appel d'outils, l'exécution de code en bac à sable, la transformation de données, la gestion du cache KV et l'analyse des sorties tournent sur l'hôte entre les appels d'inférence, et peuvent faire attendre les GPU.

Vera, successeur de Grace pour la plateforme Vera Rubin, réunit 88 cœurs Arm Olympus maison sur une puce monolithique. Nvidia présente les CPU serveur multi-chiplets comme un échange de vitesse par cœur et d'accès mémoire contre de la densité et un coût plus bas. Ces spécifications sont des chiffres du constructeur ; aucune mesure indépendante n'existe encore.

Nvidia vend la puce, et les conceptions en chiplets restent un compromis raisonnable pour des services très parallèles et isolés. Le point de mesure tient malgré tout : la latence de bout en bout d'un agent ne se déduit pas du débit GPU. Si vous hébergez vous-mêmes, profilez la latence des outils, les files d'attente, la synchronisation CPU-GPU et le temps d'inactivité des GPU avant d'acheter plus d'accélérateurs. Si vous appelez des API hébergées, la même logique vaut pour votre bac à sable et votre orchestration, qu'aucun chiffre de latence fournisseur n'inclut.

Anthropic : du capital pour un fonds d'utilité publique

Le 18 octobre, Anthropic a annoncé qu'elle engagera 5 % de ses actions dans un nouveau fonds, l'Anthropic Public Benefit Fund, sous réserve de l'approbation des actionnaires. Le conseil pourra ajouter 2 % à chaque hausse de 50 % de la valeur de l'entreprise au-delà d'une base fixée, selon le résumé d'Unite.AI.

Le fonds est une LLC détenue à 100 % plutôt qu'une 501(c)(3), une structure qui, selon l'entreprise, lui permet de passer d'une forme de don à une autre, et aucune part de ce capital n'ira au lobbying ni aux dons politiques. En comptant les engagements des fondateurs et l'abondement des dons des salariés, Anthropic affirme qu'environ 20 % de ses actions seront consacrées à l'intérêt public.

Rien ne change dans une intégration. C'est une décision de gouvernance, et le vote des actionnaires dira à quel point elle engage. Notre pratique avec tout fournisseur unique reste la même : garder la couche modèle interchangeable, et inscrire dans un calendrier les dates de retrait des modèles dont on dépend.

Ce que nous surveillons la semaine prochaine

D'abord, si des évaluations indépendantes de Gemini 4 Argon paraissent, et comment elles tiennent sur des tâches agentiques longues. Ensuite, si la qualité de recherche de DeepSeek justifie son prix une fois confrontée à de vraies requêtes. Enfin, quand Anthropic fixera le vote des actionnaires.

De notre côté, nous prévoyons de rejouer une trace d'agent sur Argon et sur le Flash mis à jour, en consignant séparément temps modèle, temps outils et attente, avec des plafonds de sortie explicites. Nous ne publierons les chiffres que si la méthode tient.

Si vous voulez ce découpage pour votre propre agent, discutons.