Gemini 4 Argon: già sul sito

Un nuovo modello è apparso nelle reti neurali NeuralSpace - Gemini 4 Argon da Google. È già disponibile in chiacchierata, sezione "Codice" e pubblico API. Pagina modello separata - /chat/gemini-4-argon.

Cosa può Gemini 4 Argon

• Contesto di token 1M. Puoi scaricare un documento di grandi dimensioni o condurre una corrispondenza molto lunga: il modello mantiene il filo della conversazione dall'inizio alla fine.
• Comprende non solo il testo. In una richiesta, puoi mostrare un'immagine, allegare un file, audio o video: il modello analizzerà il contenuto e risponderà in base ad esso.
• Pensa prima di rispondere. Problemi complessi - matematica, logica, piani a più fasi - il modello risolve con il ragionamento e non con la prima risposta che viene fuori.
• Strumenti e ricerca sul web. Come i modelli di chat vicini: puoi chiedere al modello di trovare informazioni rilevanti su Internet.
• Codifica. Analizza il codice esistente, pianifica le modifiche e le esegue passo dopo passo, spiegando i risultati.

Prezzo

Il costo viene calcolato in base ai token effettivamente utilizzati e viene stornato dopo la risposta: la soglia minima di saldo è visibile prima dell'invio, come per gli altri modelli della sezione. I prezzi attuali sono nella pagina API.

Come provare

1. Aprire chiacchierata e seleziona dall'elenco dei modelli Gemini 4 Argon — è disponibile una pagina del modello separata all'indirizzo /chat/gemini-4-argon.
2. Fai una domanda come al solito: il modello risponde con uno stream e supporta la ricerca sul web.
3. Per i progetti aprire la sezione "Codice" — lì il modello funziona come un agente: crea un progetto, scrive e modifica file e conduce lunghe iterazioni.

Cosa si sa del modello: numeri Google e test indipendenti

La principale fonte dei dati è quella ufficiale scheda modello Gemini 4 Argon da Google DeepMind. Queste sono le misurazioni del produttore: DeepSWE v1.1 - 77,9% (codifica dell'agente), AutomationBench - 51,3% (attività aziendali end-to-end), CWE-bench v1 - 68% (chiusura autonoma delle vulnerabilità), LVBench - 91,7% (comprensione di video lunghi), Vals Index - 68,9%. La finestra congiunta di input e output è di 1 milione di token e il limite garantito per una risposta è di 64mila (secondo il catalogo OpenRouter); la memorizzazione nella cache delle richieste è più economica del 95%; prezzo iniziale: 2$ per milione di token in input e 10$ per milione di token in output, dopo il periodo introduttivo: 4$/20$.

Esistono anche misurazioni indipendenti. Laboratorio di prova Vals AI ha presentato il modello presso il proprio stand confermando la propria leadership: primo posto su 48 modelli in Vals Index (68,9% ± 0,97) e primo posto su 78 in Finance Agent v2. Anche il prezzo del test è indicativo: una corsa costa circa 15,68 dollari e dura circa 46 minuti: il modello è pesante, ma efficace. Revisione the-decoder.com più moderato: secondo l'autore, Argon sta colmando il divario con OpenAI e Anthropic e batte i concorrenti in alcuni benchmark, ma non prende un chiaro vantaggio - Anthropic, secondo la sua valutazione, è ancora in vantaggio. Allo stesso tempo, per un modello di punta, il modello è economico, soprattutto al prezzo di lancio.

In conclusione: i numeri sulla carta Google sono la dichiarazione del produttore; test indipendenti finora li confermano per Vals Index e Finance Agent; per gli altri benchmark non ci sono ancora esecuzioni di terze parti. Un'analisi dettagliata dell'annuncio è nel nostro articolo separato. "Gemini 4 Argon: ciò che è noto". Sul nostro sito indichiamo solo ciò che effettivamente funziona qui: chat, “Codice”, API, ricerca web e strumenti.

Quando scegliere l'Argon

Argon è un modello per compiti di grandi dimensioni: documenti e corrispondenza lunghi, analisi di file e media, matematica complessa e script di agenti in più fasi. Per le risposte rapide di tutti i giorni nella chat ci sono modelli leggeri - ad esempio Claude Haiku 5.5, e per la massima profondità di ragionamento - quelli più vecchi Claude Sonnet 5.5 e Claude Opus 5.5.