Gemini 4

Présentation du positionnement

Il s'agit d'un modèle de raisonnement phare produisant du texte, destiné aux tâches multi-étapes et de longue durée les plus complexes, et occupant le positionnement le plus élevé de sa série. Il accepte des entrées textuelles et visuelles et produit uniquement du texte, prend en charge une fenêtre de contexte allant jusqu'à 1 048 576 tokens, avec une sortie maximale de 65 536 tokens par requête, et permet de régler l'intensité de raisonnement via les trois niveaux low, medium et high de reasoning_effort. Ses utilisateurs cibles sont les développeurs et les équipes de recherche qui doivent traiter de grandes quantités de documents et produire des résultats écrits ; il convient à la création d'assistants d'analyse, d'outils de traitement documentaire et de workflows complexes.

Points clés

• Positionnement phare pour le raisonnement sur tâches complexes — occupe la place la plus puissante de la série Gemini 4, destinée aux tâches complexes nécessitant une décomposition en plusieurs étapes et une progression sur la durée.
• Fenêtre de contexte de l'ordre du million — la fenêtre de contexte atteint jusqu'à 1 048 576 tokens, permettant de traiter ensemble de grands volumes de textes et d'images.
• Intensité de raisonnement réglable sur trois niveaux — via les trois niveaux low, medium et high de reasoning_effort, il est possible d'arbitrer entre profondeur de raisonnement et rythme de réponse.
• Entrée unifiée texte et image — les textes et les images passent par le même canal d'entrée, avec une sortie unifiée en texte, ce qui réduit les coûts d'intégration séparée selon les types de contenus.

Description des capacités

Traitement de texte à contexte long : le texte d'entrée peut remplir la fenêtre de contexte allant jusqu'à 1 048 576 tokens, ce qui convient à la compréhension, à la synthèse et au question-réponse sur des documents longs entiers, avec des résultats d'analyse produits sous forme de texte.

Compréhension du contenu des images : en plus des instructions textuelles, des entrées d'images peuvent être jointes pour le question-réponse sur image, l'extraction d'informations contenues dans l'image et l'analyse croisée texte-image, avec une sortie unifiée sous forme de descriptions ou de conclusions textuelles.

Génération de textes longs : sortie maximale de 65 536 tokens par requête, utilisable pour rédiger des rapports longs, des documents longs et du code relativement long, afin de répondre aux besoins de productions écrites livrables sous forme complète.

Réglage de l'intensité de raisonnement : grâce à reasoning_effort, les trois niveaux low, medium et high permettent de choisir la profondeur de raisonnement selon la complexité de la tâche, de la réponse rapide au raisonnement multi-étapes.

Traitement de tâches complexes multi-étapes : destiné aux tâches de longue durée nécessitant une analyse continue et un jugement synthétique, il peut fournir une conclusion textuelle complète en combinant textes longs et contenus d'images en une seule requête.

Cas d'usage

• Analyse et question-réponse sur documents longs — les chercheurs et les équipes opérationnelles soumettent des rapports ou des articles longs pour obtenir des résumés, des résultats de question-réponse et des points clés extraits, à destination des bases de connaissances internes et des processus de relecture.
• Interprétation conjointe de documents texte et image — les analystes fournissent simultanément des descriptions textuelles et des contenus d'images pour produire un texte d'interprétation croisée texte-image, utilisé pour la synthèse de renseignements et la vérification de contenus.
• Rédaction de rapports et de documents longs — les équipes de conseil et de contenu fournissent des documents de contexte, et le modèle génère des rapports d'analyse ou des documents explicatifs longs, servant de brouillons de livraison et de supports de revue interne.
• Assistant de raisonnement complexe multi-étapes — les développeurs intègrent le modèle dans des produits de question-réponse ou d'analyse pour traiter des demandes de connaissances nécessitant une décomposition en plusieurs étapes, avec des réponses en langage naturel lisibles par les utilisateurs finaux.
• Production de code long et de documentation technique — les équipes d'ingénierie fournissent des descriptions de besoins et les documents associés pour générer des explications de code ou des documents techniques assez longs, destinés aux bases documentaires du projet et aux supports de transmission.

Limites et conseils de sélection

La modalité de sortie est uniquement textuelle : le modèle ne peut pas générer d'images, d'audio ni de vidéos. La fenêtre de contexte est partagée entre l'entrée et la sortie ; une entrée longue consomme le budget de tokens disponible pour la génération de sortie, ce qui impose d'arbitrer entre la longueur des contenus fournis et l'ampleur de la sortie. La limite de sortie par requête est de 65 536 tokens ; au-delà, un traitement par lots est nécessaire. L'intensité de raisonnement se règle via les trois niveaux low, medium et high de reasoning_effort, le choix du niveau influant sur la profondeur de raisonnement des tâches complexes.