Gemini 4 Argon vs Claude Fable 5.1 : quel agent choisir ?
| Votre workflow | Choix initial | Ce qui justifierait un changement |
|---|---|---|
| Rapports longs ou livrables de code demandent davantage de sortie | Évaluez Argon avec un budget de sortie explicite | Plus de livrables complets acceptés sans latence ni revue excessives |
| Vos agents Fable dépendent de ses blocs de raisonnement et de son cache | Gardez Fable comme référence | Argon préserve l’achèvement et réduit la charge globale d’exploitation |
| Les préfixes répétés dominent l’usage des tokens | Testez les deux avec votre réutilisation réelle des préfixes | Cache effectivement utilisé et coût total, pas réduction nominale |
| Les tâches exigent souvent de nouvelles tentatives ou une intervention humaine | Comparez les traces complètes des deux routes | Moins de boucles échouées, de reprises et de minutes de revue |
Tableau de statut et de preuves
| Question | Gemini 4 | Claude Fable 5.1 | Décision sûre |
|---|---|---|---|
| Statut officiel | Annoncé · Accès restreint | Claude Fable 5.1 · 2026-09-01 | Les tarifs nominaux et évaluations fournisseur sont comparables ; le test EvoLink à charge et conditions identiques reste à effectuer. |
| ID API fournisseur | Non établi par l’annonce ; utilisez l’identifiant EvoLink configuré sur la page modèle pour les requêtes de passerelle | claude-fable-5-1 (Anthropic) | Distinguer identifiants fournisseur et passerelle ; utiliser celui documenté pour la route choisie |
| Contexte et sortie maximale | Google annonce une limite de sortie de 1 million de tokens pour le raisonnement et la génération prolongés. Ce n'est ni une fenêtre de contexte d'entrée confirmée ni une garantie de paramètre EvoLink. | 1M de contexte ; 128K de sortie maximale (Anthropic) | Relever la part de la fenêtre que vos traces consomment réellement |
| Modalités d’entrée | Les modalités d’entrée prises en charge par l’API publique restent à documenter. | Entrée texte et image, sortie texte (Anthropic) | Lister les modalités requises par chaque workload avant de tester |
| Contrôles de thinking | Non publiés | Thinking adaptatif toujours actif ; effort par défaut high ; latence comparative indiquée comme Slower (Anthropic) | Journaliser le réglage d’effort par trace pour tester une future route à réglages appariés |
| Structure des prix du cache | Google annonce 2 dollars par million de tokens en entrée et 10 dollars par million en sortie pendant la période de lancement, puis 4 et 20 dollars. La date de fin n'est pas précisée. Il s'agit des tarifs Google, pas d'une offre EvoLink. Google annonce une réduction de 95 % sur les tokens d'entrée en cache : au tarif de lancement, cela donne 0,10 dollar par million, calculé comme 2 dollars × 5 %. | Entrée 10 $ / sortie 50 $ par MTok ; écriture de cache 5 minutes 12,50 $ ; écriture de cache 1 heure 20 $ ; lecture de cache 0,25 $ par MTok (catalogue Anthropic) | L’économie du cache ne peut pas être comparée tant que les deux côtés n’ont pas publié TTL et tarifs |
| Disponibilité du Batch | Non publiée | Anthropic affiche le Batch en entrée et en sortie à 50 % du standard | Comparer Standard à Standard, Batch à Batch |
| Changements incompatibles documentés | Non publiés | Trois dans le guide de migration d’Anthropic : erreurs sur le choix d’outil forcé, incompatibilité des anciens modèles avec les thinking blocks de 5.1, invalidation des thinking blocks après modification de tours antérieurs | Une liste publiée de changements incompatibles est testable ; une liste absente ne l’est pas |
| Route EvoLink | Gemini 4 Argon est disponible via EvoLink. Consultez la page modèle pour les prix actuels et l’exemple de requête. | Route configurée claude-fable-5-1 ; prix sur la page produit | Vérifier l’identité de modèle renvoyée à la première requête de toute route |
Les évaluations Google permettent une première comparaison, mais ne sont pas un test EvoLink à conditions égales. Elles ne prouvent ni latence, ni coût par tâche acceptée, ni supériorité universelle. Le tableau montre un résultat favorable à Argon et un autre où il reste derrière le modèle comparé.
Résultats d'évaluation publiés par Google
| Évaluation | Gemini 4 Argon | Claude Fable 5.1 |
|---|---|---|
| DeepSWE v1.1 | 77.9% | 67.4% |
| FrontierSWE v2 | 55.0% | 56.3% |
Vérifiez les réglages avant d’interpréter l’écart. La méthodologie Google utilise pass@1 sauf indication contraire et généralement le niveau de raisonnement maximal disponible. DeepSWE combine une exécution Argon avec mini-swe et des résultats comparatifs issus de classements publics ou de fiches système ; FrontierSWE provient du classement Proximal. Les deux modèles n’ont pas été réexécutés dans un même banc d’essai EvoLink. Conservez la version du benchmark, le banc d’essai, le réglage de raisonnement et la source à côté de chaque score. Un écart en points de pourcentage ne prédit pas le taux de réussite en production.
Quelles tâches de longue durée valent la peine d’être évaluées
Le travail d’agent de longue durée n’est pas un workload unique. Cinq classes de tâches couvrent la plupart des traces que les équipes routent vers Fable 5.1, chacune avec sa propre définition de « accepté ». Relevez la référence par classe ; jugez aussi Argon par classe.
| Workload | Ce que « accepté » signifie | Quoi relever sur Fable 5.1 maintenant | Ce que l’évaluation Argon doit égaler |
|---|---|---|---|
| Réparation multi-fichiers d’un dépôt | Tests au vert, diff relu, aucun fichier sans rapport touché | Fichiers lus et modifiés, appels d’outils, retries, minutes de reviewer, tokens par correctif accepté | Même jeu de tâches, suite de tests et grille de revue |
| Recherche multi-étapes et livrables de connaissance | Les citations se résolvent, la structure correspond au brief, aucune affirmation non étayée | Sources récupérées, révisions demandées, corrections factuelles par livrable | Mêmes briefs et même passe de vérification des faits |
| Boucles d’outils de plusieurs heures | La boucle se termine sur la condition d’arrêt avec un état final valide | Nombre de boucles, appels d’outils échoués, checkpoints, événements de reprise, temps horloge jusqu’à la terminaison | Mêmes outils, permissions, budget de retries et règles d’arrêt |
| Extraction structurée sur documents longs | La sortie valide le schéma ; les champs échantillonnés correspondent à la source | Longueur du document, échecs de schéma, réexécutions, justesse des champs sur un échantillon fixe | Mêmes documents, schéma et échantillon |
| Flux d’outils multi-étapes du service client | Ticket résolu dans le cadre de la politique sans escalade humaine | Escalades, appels au mauvais outil, violations de politique, temps de traitement | Mêmes définitions de flux et mêmes contrôles de politique |
Aucune ligne ne désigne un modèle préféré, faute d’exécution appariée. Le tableau définit « la même tâche » avant de comparer deux routes.
Réutilisation du contexte et conditions de cache
Les agents longs renvoient contexte du dépôt, schémas d'outils et instructions. La réduction de cache annoncée autorise un premier calcul ; une comparaison complète exige encore des conditions d'exploitation identiques.
Google annonce une réduction de 95 % sur les tokens d'entrée en cache : au tarif de lancement, cela donne 0,10 dollar par million, calculé comme 2 dollars × 5 %. Les frais d'écriture et de stockage, le TTL, l'éligibilité, les conditions du cache après le lancement et la prise en charge par la passerelle restent à documenter. Un cache de cinq minutes n'équivaut pas à un cache d'une heure, ni un cache automatique de préfixe à un objet explicite partagé. Alignez TTL, portée, taille minimale et mode de service avant de conclure à des économies.
Fable 5.1 vous donne la structure sur laquelle enregistrer. Anthropic documente une écriture de cache 5 minutes à 12,50 $ par MTok, une écriture 1 heure à 20 $ par MTok, des lectures de cache à 0,25 $ par MTok et le Batch à 50 % de l’entrée et de la sortie standard. Pour chaque trace Fable, journalisez :
- quel TTL a été choisi et pourquoi (espacement des tours sous cinq minutes, ou pauses qui justifiaient l’écriture 1 heure) ;
- la taille du préfixe en cache et la fréquence de ses changements en cours de tâche, car les changements peuvent empêcher la réutilisation du préfixe en cache concerné ;
- les tokens lus en cache contre les tokens d’entrée frais par tour ;
- si la trace a tourné en Standard ou en Batch, et comment la page des tarifs d’Anthropic combinait le Batch avec les modificateurs de cache au moment de l’exécution.
Coût des retries, de la reprise et de la prise en main humaine
C’est la couche qu’un tableau de spécifications ne montre jamais, et celle où la plupart des budgets d’agents de longue durée se perdent réellement. Une trace qui se termine à la troisième tentative après qu’un humain l’a débloquée ne coûte pas la même chose qu’une trace terminée du premier coup. Journalisez six événements par trace, chacun avec un horodatage et un décompte de tokens :
- Détection de boucle. Le même appel d’outil avec les mêmes arguments répété au-delà d’un seuil fixé à l’avance. Notez combien de tours ont brûlé avant que la règle d’arrêt ne se déclenche.
- Appels d’outils échoués. Séparez les erreurs côté fournisseur, les erreurs côté outil et les appels mal formés côté modèle. Les appels mal formés peuvent révéler un problème de modèle ou d’intégration ; distinguez leurs causes des défaillances du fournisseur et des outils avant d’attribuer un écart au modèle.
- Intégrité des checkpoints. Vérifiez que chaque état sauvegardé peut réellement restaurer la tâche. Un checkpoint qui ne reprend pas est une sortie gaspillée plus une réexécution complète.
- Reprise après interruption. Comptez les tokens dépensés à reconstruire le contexte après un rate limit, un timeout ou une pause opérateur, séparément des tokens de la première exécution.
- Invalidation des thinking blocks. Le guide de migration d’Anthropic documente que la modification de tours antérieurs invalide les thinking blocks conservés de Fable 5.1. Tout framework qui réécrit l’historique pour la compaction ou la correction le déclenchera ; notez la fréquence et le coût du nouveau raisonnement. Que Gemini 4 ait une règle équivalente n’est pas publié.
- Prise en main humaine. Minutes de reviewer passées à débloquer, corriger ou terminer la tâche, journalisées comme du temps pour qu’elles ne disparaissent jamais dans un total API.
Stockez ces éléments comme des champs de l’enregistrement de trace, pas dans un journal d’incidents séparé ; le coût par tâche acceptée n’a de sens que si les retries, les reprises et les minutes de reviewer portent le même ID de tâche que les tokens.
Le tableau complet des variables de coût de tâche
Le dénominateur de chaque chiffre ci-dessous est le nombre de tâches terminées et ayant passé l’acceptation. Les tâches terminées mais refusées en revue comptent dans la dépense (elles ont été payées) mais pas dans le dénominateur. La dépense API et le temps humain restent dans des colonnes séparées ; ne convertissez les minutes en argent qu’au niveau du reporting, à un taux que votre équipe finance possède.
| Variable | Comment l’enregistrer sur Fable 5.1 aujourd’hui | Statut Gemini 4 |
|---|---|---|
| Tokens d’entrée | Entrée fraîche (non mise en cache) par tour, sommée par tâche, à partir des compteurs d’usage renvoyés par EvoLink | Google annonce 2 dollars par million de tokens en entrée et 10 dollars par million en sortie pendant la période de lancement, puis 4 et 20 dollars. La date de fin n'est pas précisée. Il s'agit des tarifs Google, pas d'une offre EvoLink. |
| Écriture de cache | Tokens écrits, ventilés par TTL 5 minutes et 1 heure, avec le nombre d’écritures par tâche | À relever dans la documentation de la route choisie et les traces réelles |
| Lecture de cache | Tokens servis depuis le cache par tâche ; journalisez aussi le taux de hit (lecture de cache / (lecture de cache + entrée fraîche)) | Google annonce une réduction de 95 % sur les tokens d'entrée en cache : au tarif de lancement, cela donne 0,10 dollar par million, calculé comme 2 dollars × 5 %. Les frais d'écriture et de stockage, le TTL, l'éligibilité, les conditions du cache après le lancement et la prise en charge par la passerelle restent à documenter. |
| Tokens de sortie | Usage de sortie réellement facturé sur tous les appels, raisonnement compris lorsqu’il est facturé ; pas seulement les réponses visibles et arguments d’outils | Google annonce une limite de sortie de 1 million de tokens pour le raisonnement et la génération prolongés. Ce n'est ni une fenêtre de contexte d'entrée confirmée ni une garantie de paramètre EvoLink. |
| Appels d’outils et coût externe | Nombre et tout coût mesuré (recherche, exécution de code, API tierces) par tâche | À relever dans la documentation de la route choisie et les traces réelles |
| Retries | Tentatives au-delà de la première, avec les tokens par tentative, rattachées au même ID de tâche | À relever dans la documentation de la route choisie et les traces réelles |
| Usage de la route de fallback | Si un tour a été servi par un autre modèle, et lequel, vérifié via le champ model renvoyé | À relever dans la documentation de la route choisie et les traces réelles |
| Minutes de revue humaine | Temps de reviewer et d’opérateur par tâche, enregistré en minutes | Mesuré sur vos propres exécutions ; ce n’est pas une valeur publiée par le fournisseur |
| Temps horloge jusqu’à l’acceptation | Durée du début de la tâche au résultat accepté, attentes et tours humains inclus | Mesuré sur vos propres exécutions ; ce n’est pas une valeur publiée par le fournisseur |
| Taux de tâches acceptées | Tâches acceptées / tâches tentées par classe de workload sur la fenêtre | Mesuré sur vos propres exécutions ; ce n’est pas une valeur publiée par le fournisseur |
Le coût par tâche acceptée est la dépense API divisée par les tâches acceptées, rapportée à côté des minutes de revue par tâche acceptée. Une dépense API inférieure ne prouve pas à elle seule une baisse du coût total. Intégrez le temps de revue à votre propre coût horaire avant de conclure à une économie.
Acceptation de la qualité d’achèvement
Une grille d’acceptation qui ne fonctionne que pour un modèle est une préférence, pas une grille. Construisez l’acceptation pour qu’elle survive à un changement de modèle :
- Contrôles objectifs d’abord. Tests au vert, schéma validé, citations résolues, diff limité aux fichiers déclarés. Binaires et peu coûteux à exécuter sur chaque trace.
- Grille de reviewer ensuite. Une courte checklist fixe par classe de workload (justesse, complétude, sécurité, respect du brief), notée par des reviewers qui ignorent quelle route a produit la sortie.
- Exécutions répétées. Exécutez chaque tâche plus d’une fois et rapportez le taux de tâches acceptées comme une fourchette, pour qu’un succès en une exécution ne soit pas promu en capacité.
- Rapport d’incertitude. Publiez la taille d’échantillon, les réglages (effort, outils, TTL) et la liste des échecs à côté de chaque résultat. Un taux sans taille d’échantillon n’est pas une preuve.
Exécutez un comparatif par charge de travail via EvoLink en conservant votre référence, vos critères d’acceptation et votre solution de repli pendant le rejeu, le trafic miroir et le déploiement progressif. L’accès API permet l’évaluation ; il ne prouve aucun gain de qualité ou de coût.
Plan de trafic en shadow et de rollback
Introduisez Argon par les trois mêmes étapes que toute nouvelle route, avec Fable 5.1 comme référence mesurée tout au long.
- Replay. Envoyez offline les traces Fable 5.1 enregistrées au candidat ; comparez le taux de tâches acceptées et le coût par tâche acceptée sur des entrées identiques.
- Shadow. Envoyez les requêtes réelles aux deux routes, servez la réponse de Fable 5.1, notez le candidat en silence. Cela révèle les boucles et les erreurs d’outils sans exposition des utilisateurs.
- Canary. Routez une classe de workload à une petite part ; n’élargissez que si les portes tiennent sur toute la fenêtre d’observation.
Portes de promotion, fixées avant le début du test : taux de tâches acceptées au moins égal à la référence ; p95 du temps horloge jusqu’à l’acceptation dans la borne convenue ; coût par tâche acceptée, retries et fallback inclus, au plus égal à la référence ; zéro incident pour la classe de workload sur la fenêtre.
Déclencheur de rollback : une porte qui échoue pendant le nombre convenu de jours consécutifs, ou un incident qui atteint un client. Le rollback est un changement de configuration de la gateway, pas un déploiement de code, c’est pourquoi la sélection du modèle appartient à la configuration de routage plutôt qu’au code applicatif.
model et les compteurs d’usage de chaque réponse et à les comparer à la route configurée. Cela contrôle la cohérence ; l’étiquette seule ne prouve pas indépendamment l’identité du modèle sous-jacent. Rapprochez-la des enregistrements de routage et de facturation, puis examinez les replis inexpliqués. Faites-le dès la première requête et en continu en trafic miroir ; consignez le résultat dans le champ de repli du tableau des coûts.Ce qui ne compterait pas comme un progrès
- Une fenêtre de contexte Gemini 4 supposée plus grande, sans tâches longues terminées pour le démontrer.
- Un prix affiché plus bas compensé par des retries, des reprises, des sorties plus longues ou des minutes de revue supplémentaires.
- Des captures d’écran de benchmarks ayant fuité ou des tableaux de spécifications tiers sans réglages, taille d’échantillon ni jeu de tâches reproductible.
- Une route qui renvoie un modèle plus ancien ou un fallback opaque tout en portant le nouveau nom.
- Un gain de tâches acceptées sur une journée qui disparaît sur des exécutions répétées ou sur toute la fenêtre d’observation.
Écrivez ces règles de rejet maintenant, dans le même document que la grille d’acceptation. Les équipes qui sautent cette étape tendent à redéfinir le succès autour du premier résultat excitant.
Évaluer Claude Fable 5.1 sur EvoLink Évaluer Gemini 4 Argon sur EvoLinkFAQ
Quelqu’un peut-il prouver aujourd’hui que Gemini 4 coûte moins cher que Claude Fable 5.1 pour les agents ?
Pas encore pour votre charge de production. Les tarifs annoncés sont inférieurs aux tarifs standard de base du modèle comparé, mais accès, tokens réels, éligibilité du cache, nouvelles tentatives et qualité acceptée doivent être mesurés avant de conclure sur le coût total.
Peut-on comparer directement les prix du cache entre fournisseurs ?
Google annonce une réduction de 95 % sur les tokens d'entrée en cache : au tarif de lancement, cela donne 0,10 dollar par million, calculé comme 2 dollars × 5 %. Les frais d'écriture et de stockage, le TTL, l'éligibilité, les conditions du cache après le lancement et la prise en charge par la passerelle restent à documenter. Un cache de cinq minutes n'équivaut pas à un cache d'une heure, ni un cache automatique de préfixe à un objet explicite partagé. Alignez TTL, portée, taille minimale et mode de service avant de conclure à des économies.
Comment compter le coût d’une tâche de longue durée échouée ?
Rattachez chaque tentative, reprise et minute de reviewer au même ID de tâche. Les tâches échouées et non acceptées restent dans la dépense totale mais pas dans le dénominateur des tâches acceptées. Rapportez séparément la dépense API et les minutes de revue par tâche acceptée. Ne calculez un coût total qu’après avoir précisé le tarif horaire utilisé.
Comment enregistrer les caractéristiques que Gemini 4 n’a pas publiées ?
Créez le champ avec la valeur « Non publié au [date] ». Ne le remplissez pas avec une valeur de Gemini 3.x, un chiffre ayant fuité ou zéro. Quand Google publiera un contrat, remplacez la valeur provisoire et notez la date du changement pour que les comparaisons historiques restent honnêtes.
Comment conserver ma référence Claude vérifiée pendant le test d’une nouvelle route ?
Exécutez un comparatif par charge de travail via EvoLink en conservant votre référence, vos critères d’acceptation et votre solution de repli pendant le rejeu, le trafic miroir et le déploiement progressif. L’accès API permet l’évaluation ; il ne prouve aucun gain de qualité ou de coût.
Fable 5.1 est-il disponible sur EvoLink maintenant ?
claude-fable-5-1. Vérifiez l’identité de modèle renvoyée et les compteurs d’usage à votre première requête avant de router du trafic de production, et consultez les prix actuels sur la page produit Claude Fable 5.1. La disponibilité sur la gateway n’est pas un verdict de production ; celui-ci vient de vos propres résultats de replay, shadow et canary.Peut-on réutiliser sans changement une intégration Fable 5 pour Fable 5.1 ?
Sources
- Annonce Argon de Google — 30 septembre 2026
- Évaluations publiées par Google
- Anthropic : vue d’ensemble du modèle Claude Fable 5.1
- Anthropic : guide de migration vers Claude Fable 5.1
- Anthropic : tarifs, TTL du cache et Batch
- Anthropic : annonce de Claude Fable 5.1
- Anthropic : page produit Claude Fable
- Anthropic : dépréciations de modèles
- Google : message du CEO sur les résultats du T2 2026 d’Alphabet
- Google : annonce de Gemini 3.6 Flash
- Google : catalogue de modèles de l’API Gemini
- Statut de l’API Gemini 4 sur EvoLink
- EvoLink : Claude Fable 5.1
- EvoLink : suivi de sortie de Gemini 4
- EvoLink : Claude Fable 5.1 vs GPT-6 Astra
