Gemini 4 Argon: nuovo modello Google DeepMind

Il 30 settembre 2026, Google DeepMind ha annunciato Gemini 4 Argon, un nuovo modello di frontiera della famiglia Gemini. Viene distribuito a una ristretta cerchia di professionisti fidati della sicurezza informatica attraverso il programma Fairwind Program e l'azienda promette un rilascio più ampio in seguito: prima per sviluppatori, aziende e consumatori, a partire dagli utenti API a pagamento e dagli abbonati Google AI Ultra.

Cosa può fare Gemini 4 Argon?

L’annuncio nomina tre aree chiave in cui il modello mostra ottimi risultati:

• Programmazione. Il modello funziona con problemi ingegneristici reali, dal debug quotidiano alle migrazioni di codebase di grandi dimensioni. Google afferma che Argon ha aggiornato il suo punteggio massimo sul benchmark DeepSWE v1.1 (77,9%), che misura le prestazioni su attività lunghe e in più fasi nello sviluppo del mondo reale.
• Lavoro di conoscenza aziendale. Parlando di ambito legale e finanziario, Argon è leader nell'indice Vals, che misura l'impatto economico in queste aree, e mostra risultati importanti in Vals Finance Agent v2 (ricerca finanziaria in più fasi) e Harvey's Legal Agent Benchmark (ricerca legale e preparazione di documenti). Nell'AutomationBench di Zapier, che misura l'esecuzione end-to-end delle attività aziendali, il modello si è classificato al primo posto con un punteggio del 51,3%.
• Protezione della sicurezza informatica. Argon è addestrato a trovare, testare e correggere le vulnerabilità in modo autonomo. Nel benchmark CWE-bench v1, che valuta l'eliminazione delle vulnerabilità, il modello condivide il primo posto con un risultato del 68%. Il modello viene fornito a difensori fidati e team interni di Google senza “limitatori informatici” per sfruttare appieno il suo potenziale protettivo.

Particolarmente enfatizzato è il lavoro con le informazioni visive: il modello analizza grafici professionali, trova dettagli in lunghi video e agisce su una serie di documenti. Sul benchmark LVBench, che misura la comprensione di video di lunga durata, Argon ha ottenuto un punteggio del 91,7%.

Architettura: cosa si rivela e cosa non lo è

Google DeepMind nell'annuncio non rivela l'architettura tecnica di Gemini 4 Argon - né il numero di parametri, né la struttura dei livelli, né i dati di addestramento. L'azienda descrive il modello in base al suo comportamento: la capacità di mantenere un ragionamento profondo durante flussi di lavoro lunghi e in più fasi. Pertanto non forniamo dettagli architettonici specifici: non si trovano nella fonte ufficiale e non inventeremo il design del modello.

Limite di output: 1 milione di token

Una delle principali novità ufficiali è che il limite di output è stato ampliato a 1 milione di token contro i precedenti 64mila. Quando un modello ha il margine per pensare profondamente e generare centinaia di migliaia di token in un’unica traiettoria, affronta problemi complessi in un unico passaggio. Questa è la scommessa dichiarata per compiti lunghi in più fasi.

Come l'Argon è già utilizzato all'interno di Google

L’azienda fornisce esempi specifici di uso interno:

• Algoritmi quantistici. Argon aiuta i ricercatori a ottimizzare le risorse (qubit × porte) delle routine. In un esempio, il modello ha sovraperformato la baseline pubblicata del 40% in pochi minuti.
• Risparmio di memoria. Gli agenti su Argon hanno analizzato la profilazione dell'intero parco server e apportato ottimizzazioni della memoria, liberando più di 300 TiB dopo l'implementazione, con una stima compresa tra 500 TiB e 1 PiB in totale.
• Migrazioni di codice. Gli agenti Argon traducono le basi di codice da C/C++ a Rust: da decine di migliaia di righe in librerie come re2 e libgav1 a oltre 800 migliaia di righe del kernel Fuchsia Zircon. Per libgav1, gli agenti hanno sostituito 32mila righe di codice SIMD e hanno ottenuto un decoder video sicuro che funziona 2,7 volte più velocemente della porta Rust con video identico.

Sicurezza prima del rilascio ampio

Prima del lancio di massa, Google sta rafforzando i suoi meccanismi di protezione. Il modello deve respingere le richieste pericolose (minacce informatiche, nonché scenari chimici, biologici, radiologici e nucleari), pur mantenendo legittimi obiettivi scientifici. La resistenza alle iniezioni indirette di prompt è dichiarata separatamente: secondo il benchmark Gray Swan IPI, l'Argon è il leader. Un’altra direzione è controllare le deviazioni dalle intenzioni dell’utente: il sistema monitora la catena di ragionamenti e azioni del modello e ne interrompe l’esecuzione se necessario.

Prezzo e accesso

Google indica il prezzo di partenza per il periodo introduttivo: $ 2 per 1 milione di token di input e $ 10 per 1 milione di token di output, i token di input memorizzati nella cache hanno uno sconto del 95% rispetto al prezzo di entrata. Dopo la fine del periodo introduttivo, il prezzo sarà di 4 dollari per 1 milione di token di input e di 20 dollari per 1 milione di token di output. Non c'è accesso pubblico al momento dell'annuncio: solo tester e difensori fidati ricevono il modello, quindi i prezzi sono indicati per un futuro lancio commerciale.

Gemini 4 Argon su NeuralSpace

Nel frattempo, nella chat e nella sezione "Codice" puoi lavorare con altri modelli attuali.