Gemini 3 Pro obtient 54,2 % au test de code Terminal-Bench 2.0
Google a lancé Gemini 3 Pro le 18 novembre 2025 et affirme que le modèle obtient 54,2 % sur Terminal-Bench 2.0, un test qui mesure la capacité d'un modèle à piloter un ordinateur via un terminal. Il était disponible le jour même dans l'API Gemini, Vertex AI, l'application Gemini et une nouvelle plateforme de développement agentique, Google Antigravity. Pour les équipes logicielles, ce lancement est une affaire de prix et d'outils : l'accès en préversion coûte 2 dollars par million de tokens en entrée et 12 dollars par million de tokens en sortie.
Ce que Google a lancé le 18 novembre 2025
Google a présenté Gemini 3, sa nouvelle famille phare de modèles multimodaux, et a rendu Gemini 3 Pro disponible le jour même dans la recherche Google, l'application Gemini, Google AI Studio, Vertex AI, la CLI Gemini et une nouvelle plateforme de développement baptisée Antigravity. InfoQ note que les versions précédentes de Gemini arrivaient d'abord dans un petit nombre de produits ; celle-ci est arrivée comme une plateforme unique pour le grand public et les entreprises.
Un mode plus poussé pour la recherche, Gemini 3 Deep Think, doit suivre pour les abonnés Google AI Ultra une fois passés des tests de sécurité supplémentaires. Le calendrier était serré : TechCrunch a rapporté que le lancement intervenait sept mois après Gemini 2.5, moins d'une semaine après la sortie de GPT 5.1 par OpenAI et deux mois après celle de Sonnet 4.5 par Anthropic.
Les scores du modèle aux tests de code et de raisonnement
Le chiffre phare de Google en programmation est un score de 54,2 % sur Terminal-Bench 2.0, qui teste la capacité d'un modèle à utiliser des outils pour piloter un ordinateur via un terminal. Google affirme aussi que le modèle prend la tête du classement WebDev Arena avec 1487 points Elo et établit de nouveaux records sur MMMU-Pro et Video MMMU pour le raisonnement sur images et vidéos.
Les classements indépendants vont dans le même sens. TechCrunch a fait état d'un score de 37,4 sur Humanity's Last Exam, le plus élevé jamais enregistré, contre un précédent record de 31,64 détenu par GPT-5 Pro, et de la première place sur LMArena, qui mesure la satisfaction des utilisateurs. Des forums de développeurs cités par InfoQ débattent du risque de contamination des benchmarks et recommandent de mener des évaluations internes avant de s'engager.
Ce que Google Antigravity apporte aux développeurs
Antigravity est la plateforme de développement agentique de Google construite autour du modèle. Les développeurs y gèrent des agents dans plusieurs espaces de travail tout en gardant au centre un éditeur de code IA familier ; les agents planifient et exécutent des tâches logicielles dans l'éditeur, le terminal et le navigateur, et rendent compte de leur travail par des artefacts détaillés.
« L'agent peut travailler avec votre éditeur, dans votre terminal, dans votre navigateur, pour vous aider à construire cette application de la meilleure façon possible. » Koray Kavukcuoglu, directeur technique de DeepMind
La préversion publique est gratuite pour MacOS, Windows et Linux. Le modèle tourne aussi dans la CLI Gemini, Android Studio et des outils tiers comme Cursor, GitHub, JetBrains, Manus et Cline.
Comment les développeurs y accèdent, et à quel prix
Le modèle est disponible en préversion via l'API Gemini dans Google AI Studio et Vertex AI, à 2 dollars par million de tokens en entrée et 12 dollars par million de tokens en sortie, pour des prompts de 200k tokens ou moins. Il est gratuit, avec des limites de débit, dans Google AI Studio.
Selon InfoQ, il accepte du texte, des images, de la vidéo, de l'audio et des PDF dans une fenêtre de contexte allant jusqu'à 1 048 576 tokens, avec une sortie plafonnée à 65 536 tokens, et il est aussi proposé via Firebase AI Logic et Gemini Enterprise. Google a ajouté un outil bash côté client qui permet au modèle de proposer des commandes shell, un outil bash hébergé côté serveur pour des partenaires en accès anticipé, et la possibilité de combiner l'ancrage dans la recherche Google et le contexte d'URL avec des sorties structurées.
Qui utilise déjà Gemini
Le lancement s'appuie sur une large base d'utilisateurs. Selon Google, cité par TechCrunch, l'application Gemini compte plus de 650 millions d'utilisateurs actifs mensuels, et 13 millions de développeurs ont utilisé le modèle dans leur travail. Les utilisateurs de Gemini Code Assist dans les éditeurs de code courants reçoivent Gemini 3 d'abord en mode agent, pour des tâches de programmation en plusieurs étapes plutôt que de simples complétions dans le code.
Ce que cela change pour les équipes logicielles et opérationnelles
Pour les entreprises, la tâche que Google met en avant est le travail long et en plusieurs étapes confié à un agent. Google cite l'analyse financière, la planification de la chaîne d'approvisionnement et la revue de contrats, et InfoQ note que le modèle accepte de longs PDF, des captures d'écran et de la vidéo dans une même requête : l'analyse de documents, le tri des journaux et l'analytique riche en médias peuvent donc tourner sur un seul modèle au lieu de systèmes distincts pour la vision, la parole et le langage.
Le prix publié permet à une équipe d'estimer le coût par tâche avant un pilote. Google n'a donné aucun résultat client au lancement, donc la valeur mesurée pour une entreprise donnée viendra de ses propres évaluations, ce que conseillent les développeurs sur les forums.
Questions et réponses
Qu'est-ce que Terminal-Bench 2.0 ?
C'est un benchmark qui teste la capacité d'un modèle à utiliser des outils pour piloter un ordinateur via un terminal. Google affirme que Gemini 3 Pro y obtient 54,2 %.
Combien coûte le nouveau modèle de Google ?
En préversion, Google facture 2 dollars par million de tokens en entrée et 12 dollars par million de tokens en sortie pour des prompts de 200k tokens ou moins. Il est gratuit, avec des limites de débit, dans Google AI Studio.
Qu'est-ce que Google Antigravity ?
Antigravity est la plateforme de développement agentique de Google, où les développeurs gèrent des agents qui travaillent dans l'éditeur, le terminal et le navigateur. Sa préversion publique est gratuite pour MacOS, Windows et Linux.
Le regard de MOZGII
Comment nous le construirions
Un score de benchmark indique à une équipe quels modèles essayer, pas lequel acheter. Terminal-Bench mesure si un modèle sait lancer des commandes et corriger ses propres erreurs dans un terminal, ce qui est proche du vrai travail d'un agent, mais le code, les documents et les règles de chaque entreprise sont différents. Nous prendrions les chiffres de Google comme une raison de tester le modèle, et rien de plus.
Si nous ajoutions un agent de code ou de documents fondé sur un modèle comme celui-ci, nous partirions d'un ensemble fixe de tâches tirées de notre propre travail : de vrais tickets, de vrais contrats, de vrais journaux, chacun avec un résultat correct connu. Chaque modèle candidat passerait le même ensemble, et nous comparerions le coût par tâche terminée, pas le coût par token. L'agent travaillerait dans un bac à sable aux permissions limitées, et un ingénieur approuverait toute modification avant qu'elle n'atteigne le code partagé ou les systèmes de production.
Le système casserait sur les tâches longues. Un agent qui planifie et agit sur de nombreuses étapes peut dériver, refaire du travail ou consommer des tokens sans terminer. Nous plafonnerions les étapes et la dépense de chaque tâche et arrêterions l'agent dès qu'il atteint l'un ou l'autre. Le seul indicateur que nous suivrions est la part des tâches menées correctement à bien sans reprise humaine.
Ensuite, nous relancerions le même ensemble de tâches à chaque sortie d'un nouveau modèle, pour qu'un changement de fournisseur soit une décision mesurée plutôt qu'une réaction à un lancement.
Sources
D’où viennent les faits de cet article.