Gemini 4 Argon: ny modell Google DeepMind

30. september 2026 kunngjorde Google DeepMind Gemini 4 Argon, en ny grensemodell av Gemini-familien. Det rulles ut til en liten krets av pålitelige cybersikkerhetseksperter gjennom Fairwind Program-programmet, og selskapet lover en bredere utgivelse senere: først for utviklere, selskaper og forbrukere, og starter med betalte API-brukere og Google AI Ultra-abonnenter.

Hva kan Gemini 4 Argon gjøre?

Kunngjøringen nevner tre nøkkelområder der modellen viser sterke resultater:

• Programmering. Modellen fungerer med reelle tekniske problemer – fra daglig feilsøking til store kodebase-migreringer. Google sier at Argon har oppdatert sin toppscore på DeepSWE v1.1-referansen (77,9 %), som måler ytelse på lange, flertrinnsoppgaver i utvikling i den virkelige verden.
• Bedriftskunnskapsarbeid. Apropos jus og finans, så er Argon ledende i Vals-indeksen, som måler økonomisk innvirkning på disse områdene, og viser ledende resultater i Vals Finance Agent v2 (multi-step financial research) og Harvey's Legal Agent Benchmark (juridisk forskning og dokumentutarbeidelse). På Zapiers AutomationBench, som måler ende-til-ende utførelse av forretningsoppgaver, ble modellen rangert først med en score på 51,3 %.
• Cybersikkerhetsbeskyttelse. Argon er opplært til å finne, teste og lappe sårbarheter autonomt. I CWE-bench v1 benchmark, som evaluerer eliminering av sårbarheter, deler modellen førsteplassen med et resultat på 68 %. Modellen er gitt til pålitelige forsvarere og interne Google-team uten "cyberbegrensere" for å kunne utnytte sitt fulle beskyttelsespotensial.

Arbeid med visuell informasjon er spesielt vektlagt: modellen analyserer profesjonelle grafer, finner detaljer i lange videoer og handler på en rekke dokumenter. På LVBench-referansen, som måler lang videoforståelse, oppnådde Argon en poengsum på 91,7 %.

Arkitektur: hva avsløres og hva som ikke er det

Google DeepMind i kunngjøringen avslører ikke den tekniske arkitekturen til Gemini 4 Argon - verken antall parametere, strukturen til lag, eller treningsdata. Selskapet beskriver modellen ved sin oppførsel: evnen til å holde dype resonnementer gjennom lange, flertrinns arbeidsflyter. Derfor gir vi ikke spesifikke arkitektoniske detaljer - de er ikke i den offisielle kilden, og vi vil ikke finne opp designet av modellen.

Uttaksgrense - 1 million tokens

En av de viktigste offisielle endringene er at uttaksgrensen er utvidet til 1 million tokens mot tidligere 64 tusen. Når en modell har takhøyde til å tenke dypt og generere hundretusenvis av tokens i en enkelt bane, tar den på seg komplekse problemer i én omgang. Dette er den oppgitte innsatsen for lange flertrinnsoppgaver.

Hvordan argon allerede brukes i Google

Selskapet gir spesifikke eksempler på intern bruk:

• Kvantealgoritmer. Argon hjelper forskere med å optimalisere ressursene (qubits × porter) til rutiner. I ett eksempel overgikk modellen den publiserte grunnlinjen med 40 % på minutter.
• Minnelagring. Agenter på Argon analyserte profilering på tvers av hele serverflåten og gjorde minneoptimaliseringer, og frigjorde mer enn 300 TiB etter utrulling – med et estimat på 500 TiB til 1 PiB totalt.
• Kodemigrasjoner. Argon-agenter oversetter kodebaser fra C/C++ til Rust - fra titusenvis av linjer i biblioteker som re2 og libgav1 til 800+ tusen linjer av Fuchsia Zircon-kjernen. For libgav1 erstattet agenter 32 tusen linjer med SIMD-kode og fikk en sikker videodekoder som fungerer 2,7 ganger raskere enn Rust-porten med identisk video.

Sikkerhet før bred utløsning

Før masselanseringen styrker Google sine beskyttelsesmekanismer. Modellen må avvise farlige forespørsler (cybertrusler, samt kjemiske, biologiske, radiologiske og nukleære scenarier), samtidig som legitime vitenskapelige mål opprettholdes. Motstand mot indirekte injeksjoner av meldinger er deklarert separat: i henhold til Grey Swan IPI-benchmark er Argon lederen. En annen retning er å kontrollere avvik fra brukerens intensjoner: systemet overvåker kjeden av resonnementer og handlinger til modellen og stopper utførelse om nødvendig.

Pris og tilgang

Google navngir startprisen for introduksjonsperioden: $2 for 1 million input tokens og $10 for 1 million output tokens, bufrede input tokens får 95 % rabatt fra inngangsprisen. Etter slutten av introduksjonsperioden vil prisen være $4 for 1 million input tokens og $20 for 1 million output tokens. Det er ingen offentlig tilgang på tidspunktet for kunngjøringen: bare pålitelige testere og forsvarere mottar modellen, så prisene er gitt for en fremtidig kommersiell lansering.

Hva er fra Gemini 4 Argon til NeuralSpace

Denne modellen er ennå ikke på nettstedet vårt - det er ingen offentlig tilgang til den noe sted. Vi overvåker utgivelsen og vil fortelle deg når situasjonen endrer seg. I mellomtiden i chatte og seksjon "Kode" Du kan jobbe med andre aktuelle modeller.