Le déguisement sur Arena : Gemini 4 laisse fuir ses traces sous l'étiquette Gemini 3.8 Flash

Le week-end dernier, un modèle répertorié sous le nom de Gemini 3.8 Flash sur Arena a attiré l'attention car il ne se comportait en rien comme la version publique que Google a déployée le 2 septembre. Le 3.8 Flash connu est un palier de vitesse à la géométrie approximative, tandis que cette entrée anonyme est restée silencieuse pendant environ 10 minutes face à une demande brute de SVG d'une PlayStation 5, puis a déversé des milliers de lignes capturant les courbes, les ombres et même le petit accent du lecteur optique d'un seul coup. Étant donné que le Flash officiel répond à la même demande en 10 à 15 secondes avec des formes grossières, les observateurs ont présenté ce choix comme étant soit le Flash le plus lent de l'histoire, soit un déguisement jeté sur quelque chose de plus grand.

Comment le test déguisé a été repéré sur Arena

Arena lui-même a vu le jour en 2023 grâce à une équipe de UC Berkeley comme un test à l'aveugle où deux modèles répondent côte à côte sans marque et où les utilisateurs votent, offrant aux laboratoires un signal propre, exempt d'effets de halo, et ces exécutions anonymes sont courantes, Google y faisant souvent circuler ses points de contrôle Gemini de cette manière. Un modèle anonyme de la mi-août appelé Ox Alpha a fait irruption dans le top trois en 48 heures et reste non revendiqué à ce jour. Ce qui a marqué ici, ce n'est pas l'anonymat, mais la réutilisation du nom d'un modèle déjà déployé, ce qui ressemble moins à de la furtivité qu'à du camouflage.

Pourquoi la fidélité visuelle se lit comme un bond

Le travail précis sur les coordonnées spatiales dans le code vectoriel est un point de défaillance notoire où la plupart des modèles renvoient des formes à peu près alignées, des chemins cassés et une géométrie simplifiée, si bien que les comparaisons côte à côte fuitées ont eu du poids. Des pagodes en voxels, des rendus de BMW M4 et le classique pélican chevauchant un vélo sous un ciel crépusculaire rempli d'étoiles sont arrivés sans découpage ni formes désalignées, tandis qu'une variante gérait la gradation du jour à la nuit, les phares fonctionnels, les étiquettes anatomiques de l'oiseau et le contrôle de la cadence en une seule invite. Le développeur Pankaj Kumar a noté que le modèle analyse de longues instructions en plusieurs parties en une seule passe sans quatre tours de babysitting, et la vitrine de 14 minutes sur le thème du croquis du développeur B, où le défilement assombrit les lignes comme un concept, incarnait le même bond.

La longue pause n'est pas décrite comme une lutte mais comme un calcul lourd en phase de test. L'ancienne approche Flash livre des formes de base et des calculs de coordonnées approximatifs instantanément, tandis que celle-ci planifie, écrit, exécute, débogue et polit en interne avant de diffuser quoi que ce soit. Cet écart reflète une philosophie de conception différente pour le placement de précision et les calculs avancés de voxels et d'éclairage, peu susceptible d'être livré par accident sous une étiquette de vitesse.

Sites web et jeux en une seule passe

La file créative n'a cessé de s'allonger. Un héros cyberpunk aux teintes rétrofuturistes superposait une grille dimensionnelle avec un tableau de métriques en temps réel et un objet 3D dans l'en-tête sans effondrement visuel. Un Airbus H145 en une dizaine de minutes, une pagode en pixels qui semble présente et une simulation de vol nettement en avance sur le 3.8 Flash officiel ont chacun été livrés en une seule passe. Pris ensemble, le fait de partager un nom tout en tournant autour du modèle officiel plaide pour qu'il ne s'agisse pas du même modèle.

Les jeux ont poussé l'échelle plus loin. Une construction de style Minecraft dont l'achèvement, de l'architecture de la page aux modules individuels, est placé au niveau des résultats publiés d'Astra, et un jeu de course en kart 3D dit plus moderne que KartRider à son apogée ont tous deux émergé avec une logique interactive complète dans une courte fenêtre. Un simple test de chat SVG signalé par le développeur Vidi, où un modèle frontal concurrent a renvoyé une forme ressemblant à un tigre, a souligné le point de fidélité spatiale plutôt qu'une blague.

Scores fuités et choc tarifaire

L'élément viral est le graphique fuité, explicitement pris avec des pincettes car rien n'est confirmé. Il revendique environ 88 pour cent sur Deep SWE 1.1 pour le codage agentique, soit environ deux points d'avance sur Astra, le seul 2064 Elo sur GDP Eval-A-V2 pour le travail de connaissance en conditions réelles, 95,3 pour cent et la première place sur Terminal Bench 2.1 pour le codage en terminal, et 86,8 pour cent sur OSWorld 2.0 pour l'utilisation de l'ordinateur, devant Astra et Fable 5.1. Si c'est exact, la percée à travers le codage, les agents, le raisonnement et l'opération serait large.

La rumeur tarifaire pourrait mordre plus fort. Le bruit court sur 2,25 dollars par million de jetons d'entrée et 11,25 dollars par million de jetons de sortie, ce qui, face à Astra lancé le 3 septembre et Fable 5.1 le 1er septembre à 10 et 50 dollars, représenterait exactement 22,5 pour cent du palier frontal. Face au tarif promotionnel de 0,75 et 3,75 dollars du propre Gemini 3.8 Flash de Google jusqu'en décembre 2026, c'est environ le triple, ce qui correspond à une attente de palier pro et soutient discrètement l'argument du non-Flash. Tant que Google n'a pas publié ses tarifs, cela reste de la spéculation.

Arrière-plan, une année difficile et des traces de RSI

L'histoire de l'arrière-plan provient d'appels routés fantômes. Des traqueurs dont Qwena signalent un plafond d'entrée de 10 millions de jetons et un plafond de sortie de 256 000 jetons, contre les 1 048 576 et 65 536 officiels, soit environ 9,5 fois l'entrée et près de quatre fois la sortie, ce qui, à côté du plafond de génération typique de 4K à 16K, permettrait des dépôts entiers ou de longs romans en une seule passe continue. Les affirmations supplémentaires incluent une mémoire native inter-sessions persistant entre les fils sans magasin vectoriel ajouté, un accès direct à Internet sans API, des pièges de bac à sable qui acheminent automatiquement le code non fiable vers des environnements synthétiques isolés, et une traduction native du contrôle moteur robotique pointant vers des modèles multimodaux unifiés destinés à fonctionner sur du matériel physique. Tout reste non vérifié et, à la mi-septembre, Google n'a publié aucune fiche de modèle, aucun nombre de paramètres ni aucun point de terminaison pour Gemini 4 ou 4 Pro.

Le contexte rend la spéculation lisible car Google a connu une période difficile au sommet. La dernière véritable mise à jour pro était Gemini 3.1 Pro le 19 février, il y a environ sept mois, la préversion de Gemini 3.5 Pro présentée à l'I/O pour juin a été repoussée à plusieurs reprises et, en août, des rapports de Semi Analysis et du Wall Street Journal ont indiqué qu'elle avait été tuée parce que le modèle pro ne s'améliorait pas plus vite que Flash et que l'architecture avait été abandonnée. La ligne confirmée est plutôt venue le 21 juillet lorsque la publication de Google annonçant Gemini 3.6 Flash a déclaré que son effort de pré-entraînement le plus ambitieux à ce jour avait commencé pour Gemini 4, écho repris deux jours plus tard par Pichai lors de l'appel du T2 d'Alphabet, affirmant que Google a besoin de Gemini 4 pour rester compétitif à la frontière tandis que les évaluations de pré-entraînement semblaient solides et que le post-entraînement se poursuit.

Cela mène au murmure qui plane sur l'année : le RSI, pour amélioration de soi récursive. Jasjit Singh, directeur de la stratégie de DeepMind, au Agentech AI Summit de Berkeley, a déclaré que le RSI était devenu au cœur de la thèse de dépenses en capital de l'industrie tout en admettant que les revenus actuels de l'IA ne soutiennent pas des dépenses à cette échelle, avec le pari que la courbe de capacité continue de grimper au-delà de l'exponentielle. The Information situe un RSI réaliste autour de 2027 à 2028, tandis que la rumeur prétend que Gemini 4 a terminé son pré-entraînement en avance parce que DeepMind a bouclé une boucle de RSI pendant l'entraînement. Une recherche publiée le 14 septembre, appelée Dream RSI, sur des agents qui améliorent continuellement leurs stratégies de recherche pendant l'exploration et transportent l'expérience en avant ne prouve pas l'affirmation mais confirme que le RSI est au centre de la feuille de route. L'enjeu est considérable avec Alphabet autour de 4 230 milliards de dollars après avoir franchi les 4 000 milliards en janvier grâce à l'annonce d'Apple d'apporter Gemini à la nouvelle Siri, des TPU fabriqués par TSMC et des serveurs de Foxconn, Quanta, Inventec, Wistron et Wiwynn liant l'échelle d'entraînement aux carnets de commandes taïwanais, plus Gemini Sparks au Japon depuis juillet et une intégration entreprise constante sur Gemini Enterprise. Google n'a rien confirmé au sujet d'Arena, mais son schéma de tests de résistance publics quelques semaines avant les annonces alimente le consensus d'une révélation automnale accompagnée d'outils pour développeurs, très probablement en octobre ; surveiller cet emplacement Arena pourrait donc signaler que le déguisement tombe avant tout communiqué de presse.