Aller au contenu
Fonctionne en :USCréé en :United States
Google Gemini

Deep Research Pro Preview (Dec-12-2025)

131K tokens

Équipe éditoriale Tokonomix·Relu par Mes Kalkan··

Deep Research Pro Preview est un modèle expérimental de la famille Gemini de Google, lancé en décembre 2025. Il représente une variante spécialisée conçue spécifiquement pour les tâches de recherche complexes nécessitant un raisonnement prolongé et une synthèse d'informations approfondie. Le modèle s'appuie sur l'architecture de modèle de langage fondamental de Google avec des modifications optimisées pour les flux de travail d'analyse approfondie plutôt que pour le chat généraliste ou les réponses rapides. Ce modèle dispose d'une fenêtre de contexte de 131 000 tokens, lui permettant de traiter des quantités substantielles d'informations en une seule session. Contrairement aux modèles conversationnels standard, Deep Research Pro Preview est conçu pour effectuer des processus de recherche en plusieurs étapes, incluant la décomposition de requêtes, la collecte systématique d'informations, l'évaluation des sources et la synthèse des résultats en rapports structurés. Il excelle dans les tâches nécessitant une investigation approfondie de sujets techniques, l'analyse comparative entre plusieurs domaines et la production de documentation détaillée avec sourçage approprié. Au sein de la gamme Gemini de Google, Deep Research Pro Preview occupe un créneau spécialisé distinct des modèles Gemini généralistes et des variantes orientées code. Alors que les modèles Gemini standard privilégient la fluidité conversationnelle et une couverture étendue des tâches, ce modèle orienté recherche sacrifie la vitesse de réponse au profit de la profondeur et de la rigueur. La désignation « Preview » indique son statut expérimental, avec des capacités et comportements sujets à affinement selon les retours utilisateurs. Il est positionné pour les utilisateurs nécessitant des capacités analytiques rigoureuses plutôt qu'une interaction rapide, tels que chercheurs, analystes et professionnels effectuant des évaluations techniques approfondies.

Deep Research Pro Preview représente l'approche de Google pour la recherche approfondie automatisée, privilégiant la rigueur méthodologique sur la vitesse de réponse instantanée.

Analyse Tokonomix des modèles spécialisés
Section 01

Historique des tarifs

Tarifs directs du fournisseur par million de tokens, plus une estimation du coût d'une conversation typique.

💰
Tarifs API — Deep Research Pro Preview (Dec-12-2025)
$2.00 par 1M de tokens d'entrée
$12.00 par 1M de tokens de sortie
≈ $0.0036 par conversation typique (800 tokens)
Prix entrée vs sortie (par 1M de tokens)
par 1M de tokens d'entrée$2.00
par 1M de tokens de sortie$12.00

Pricing over time

Input & output per 1M tokens · step-line = price changes

$2.00

input / 1M

— stable

$12.00

output / 1M

— stable

2026-05-242026-06-072026-06-14
Input
Output
Price change
⟳ synced weekly
Section 02

Forces & faiblesses

Basé sur les résultats de benchmarks et les retours communautaires agrégés sur des cas d'usage réels.

Forces

Décomposition systématique de requêtes complexesFenêtre contextuelle de 131K tokensSynthèse structurée avec sources vérifiablesÉvaluation critique des sources multiplesAnalyse comparative inter-domainesRaisonnement multi-étapes pour tâches techniquesProduction de rapports détaillés documentésTraitement de sessions de recherche étendues

Faiblesses

Temps de réponse significativement plus lentsStatut expérimental Preview avec possibles ajustementsNon optimisé pour conversations rapidesCapacités multimodales non documentées
Section 03

Capacités

source: litellmvisionjson modejson schemaprompt cachingoutputTokenLimit: 65536max output tokens: 32768
Section 04

Questions fréquentes

Deep Research Pro Preview sacrifie la vitesse conversationnelle pour une méthodologie de recherche approfondie. Il décompose les questions complexes en sous-requêtes, évalue systématiquement les sources et produit des rapports structurés avec références, contrairement aux modèles généralistes optimisés pour des réponses rapides.

Pour les équipes nécessitant une analyse documentaire exhaustive et structurée, ce modèle expérimental offre des capacités uniques, à condition d'accepter son statut préliminaire et ses temps de traitement étendus.

Évaluation éditoriale Tokonomix
Section 05

Disponibilité

Disponibilité

Pas encore de données

Nous n'avons pas encore enregistré suffisamment d'appels API pour afficher les statistiques de disponibilité de ce modèle. Les données apparaîtront dès que le modèle reçoit du trafic en direct.

Section 06

Verdicts benchmark Tokonomix

2026-06-14

Benchmark window closed with no performance data available

The current benchmark window for Deep Research Pro Preview shows no measurable performance data across any evaluated categories. Without active benchmark results, it is impossible to assess the model's capabilities in areas such as reasoning, coding, mathematics, or multimodal tasks. The previous window indicated the addition of vision, JSON mode, JSON schema, and prompt caching capabilities, suggesting the model had functional multimodal features at that time. However, the absence of current data prevents verification of whether these capabilities remain operational or have been improved. Users should be aware that this lack of benchmark results may indicate the model is undergoing significant changes, has been temporarily disabled for testing, or is not currently available for evaluation. The previous verdict noted stable core performance alongside new multimodal capabilities, but without current measurements, no meaningful comparison can be drawn. Until new benchmark data becomes available, users cannot reliably assess this model's suitability for production workloads or compare its performance against alternatives in the market.

Quality

Latency p50

Test runs

0

No benchmark data available Cannot verify capability status
Section 07

Profil complet du modèle

Deep Research Pro Preview (Dec-12-2025) — illustration 1
Deep Research Pro Preview (déc. 2025) : le niveau Pro original de la pile de recherche de Google

Note — profil prospectif. Deep Research Pro Preview (deep-research-pro-preview-12-2025) est l'instantané de préversion de décembre 2025. Le comportement, les capacités et les limites de taux évolueront avant la disponibilité générale et ont vraisemblablement changé depuis cet instantané.

Deep Research Pro Preview est l'instantané de décembre 2025 qui a introduit le niveau Pro de la famille Deep Research. Une fenêtre de contexte de 131 072 tokens. Synthèse de forme longue avec citations. Une boucle agentique qui tire des sources, les lit et produit un rapport structuré.

Il se situe entre le niveau base Deep Research Preview et le niveau Max sur la courbe profondeur-versus-vitesse. Plus complet que la base, plus rapide que Max. Pendant un temps en début 2026, c'était la seule option de niveau Pro dans cette famille.

Où cet instantané s'inscrit aujourd'hui

Quelques situations où cet instantané Pro de décembre 2025 reste le bon choix plutôt que les préversions base ou Max d'avril 2026 plus récentes :

  • Les suites d'évaluation épinglées et de régression où un comportement stable de la boucle agentique sur plusieurs mois compte plus que des capacités récentes.
  • Les workflows audités sur la distribution de sortie spécifique de cet instantané qui n'ont pas encore été re-validés.
  • L'accès continu là où les nouvelles préversions d'avril 2026 sont soumises à des limites de taux ou temporairement indisponibles dans une région donnée.

Si aucun de ceux-là ne s'applique, la base preview ou Max preview d'avril 2026 est généralement le meilleur point de départ actuel. La base preview est plus rapide ; Max preview va plus en profondeur.

Ce qu'il fait concrètement

La forme du travail est la même que pour le reste de la famille Deep Research. Soumettez une question qui bénéficie de sources actuelles et de citations explicites. L'agent effectue plusieurs recherches ciblées, lit les résultats les plus pertinents, les croise et produit une réponse structurée :

  • Un résumé exécutif en tête.
  • Décomposition en sous-questions.
  • Citations pour chaque affirmation factuelle avec passages source cités.
  • Une liste des sources utilisées.

Les exécutions prennent généralement trente secondes à quelques minutes selon la complexité de la question. La sortie est plus longue et plus complète que la base preview, plus courte et plus rapide que Max.

Où il est réellement utile

La même forme de cas d'usage que le reste de la famille :

  • Synthèse cross-sources sur des sujets où les preuves sont dispersées sur plusieurs sources primaires.
  • Briefings de forme longue devant être défendables devant un examinateur externe.
  • Questions réglementaires ou politiques où le résumé de surface diffère de ce que disent les documents sous-jacents.
  • Travaux d'investigation où la bonne réponse nécessite de lire plusieurs sources plutôt que de résumer un article secondaire.

Le schéma. Les tâches où un humain passerait une demi-heure à une heure à lire attentivement correspondent bien à ce niveau Pro. Les tâches plus courtes conviennent à la base preview. Les tâches plus longues conviennent à Max.

Comment il se compare aux nouvelles préversions

Face à Deep Research Preview (avril 2026), le niveau base. La base preview est plus rapide et produit des sorties plus courtes. Pro Preview va plus en profondeur. Si votre charge de travail était déjà à la limite de ce que la base pouvait gérer, Pro est la cible d'upgrade naturelle.

Face à Deep Research Max Preview (avril 2026). Max tourne plus longtemps, lit plus de sources et produit une sortie plus complète au prix d'une plus grande latence. Si votre charge de travail nécessite une profondeur que Pro n'atteint pas tout à fait, Max est le choix.

Pour les charges de travail où l'instantané Pro de décembre 2025 a été validé et fonctionne, il y a rarement une forte raison qualitative de migrer. Les instantanés plus récents affinent la boucle agentique et le comportement des citations, mais la forme principale de la sortie est similaire.

Comment il se compare en dehors de la famille

Les comparaisons les plus directes sont les modes augmentés par la recherche sur la série GPT-5 d'OpenAI et la famille Claude d'Anthropic avec l'outillage de recherche web activé. La forme de la sortie est similaire — réponse avec citations — mais le style agentique diffère.

Deep Research Pro de Google tend à tirer de sources plus diversifiées qu'une alternative à appel de recherche unique. La sortie est plus structurée par défaut mais moins conversationnelle. Claude avec recherche web est plus prudent et hésite plus visiblement. OpenAI avec navigation est plus rapide sur la même question et produit des sorties plus conversationnelles.

Pour les charges de travail de recherche où la densité et la structure des citations comptent, la famille Deep Research — niveau Pro inclus — est compétitive. Pour la recherche interactive où l'utilisateur veut affiner la question en cours d'exécution, les options Claude ou OpenAI conviennent mieux.

Le tableau par catégorie est sur /benchmarks/intelligence et le classement sur /benchmarks/leaderboard.

Quand ce n'est pas le bon outil

Les interactions conversationnelles. Pas la bonne forme de modèle.

Les appels à volume élevé. Chaque appel coûte du compute significatif et prend du temps. Pas un outil de chatbot.

Tout ce qui n'est pas de la recherche littérale. Code, débogage, traitement d'images — mauvaise famille entièrement.

Les charges de travail où la fraîcheur au-delà de la coupure d'indexation compte plus que la profondeur.

Notes de déploiement

API Google Gemini standard. Les modèles Deep Research partagent la surface Gemini mais nécessitent un identifiant de modèle explicite.

Prévoyez des patterns de file d'attente-et-callback plutôt que des réponses en streaming. L'agent produit des mises à jour de progression intermédiaires pendant une exécution, mais la synthèse finale arrive en fin de course. Une latence de trente à quatre-vingt-dix secondes est typique pour ce niveau Pro sur des questions modérées.

La disponibilité régionale suit le schéma Vertex AI standard de Google. Les régions UE sont disponibles sur les contrats Enterprise.

Quand l'adopter

Choisissez Deep Research Pro Preview (décembre 2025) quand :

  • Vous avez une charge de travail existante validée sur cet instantané spécifique.
  • Un comportement stable de la boucle agentique sur plusieurs mois compte pour votre cas d'usage.
  • Une migration vers les nouvelles préversions d'avril 2026 n'est pas encore budgétisée ou justifiée.

Choisissez autre chose quand :

  • Vous choisissez un niveau Deep Research depuis zéro en 2026. La base preview ou Max preview d'avril 2026 est généralement le meilleur point de départ.
  • La charge de travail nécessite une profondeur au-delà de ce que Pro fournit. Montez vers Max.
  • La charge de travail serait adéquatement servie par le niveau base plus rapide.
  • Le cas d'usage n'est rien d'autre que de la synthèse de recherche littérale avec citations.

En résumé. Un instantané de niveau Pro épinglable de fin 2025 qui fait encore son travail. Pour les nouveaux projets, les préversions d'avril 2026 sont généralement le meilleur choix. Pour les déploiements existants, il y a rarement une forte raison qualitative de migrer.

Testez-le sur une vraie question de recherche à /live-test et comparez avec les nouveaux instantanés de préversion dans la même famille.

Dernière vérification technique : 2026-05-22 — Tokonomix.ai

Deep Research Pro Preview (Dec-12-2025) — illustration 2Deep Research Pro Preview (Dec-12-2025) — illustration 3
Dernier test automatisé
14 juin 2026 · 04:58 UTC · Benchmark
Latence P50
Latence P95
Erreurs
1 / 6 exécutions
Dernière revue par Équipe Tokonomix·24 mai 2026