Gemini 4 Argon: nowy model Google DeepMind

30 września 2026 roku firma Google DeepMind ogłosiła Gemini 4 Argon, nowy, pionierski model rodziny Gemini. Jest on udostępniany małemu gronu zaufanych specjalistów ds. cyberbezpieczeństwa w ramach programu Fairwind Program, a firma obiecuje szersze wydanie w późniejszym terminie: najpierw dla programistów, firm i konsumentów, począwszy od płatnych użytkowników API i subskrybentów Google AI Ultra.

Co może zrobić Gemini 4 Argon?

W ogłoszeniu wymieniono trzy kluczowe obszary, w których model wykazuje dobre wyniki:

• Programowanie. Model radzi sobie z prawdziwymi problemami inżynieryjnymi – od codziennego debugowania po migracje dużych baz kodu. Google twierdzi, że Argon zaktualizował swój najlepszy wynik w teście porównawczym DeepSWE v1.1 (77,9%), który mierzy wydajność w przypadku długich, wieloetapowych zadań w rzeczywistym programowaniu.
• Praca oparta na wiedzy korporacyjnej. Jeśli mowa o prawie i finansach, Argon jest liderem w Indeksie Vals, który mierzy wpływ gospodarczy w tych obszarach i wykazuje czołowe wyniki w Vals Finance Agent v2 (wieloetapowe badania finansowe) i Harvey's Legal Agent Benchmark (badania prawne i przygotowanie dokumentów). W teście AutomationBench firmy Zapier, który mierzy kompleksową realizację zadań biznesowych, model zajął pierwsze miejsce z wynikiem 51,3%.
• Ochrona cyberbezpieczeństwa. Argon jest przeszkolony w zakresie samodzielnego wyszukiwania, testowania i łatania luk w zabezpieczeniach. W benchmarku CWE-bench v1, który ocenia eliminację podatności, model zajmuje pierwsze miejsce z wynikiem 68%. Model oddawany jest zaufanym obrońcom i wewnętrznym zespołom Google bez „cyberograniczników”, aby w pełni wykorzystać jego potencjał ochronny.

Szczególny nacisk kładziony jest na pracę z informacją wizualną: model analizuje profesjonalne wykresy, wyszukuje szczegóły w długich filmach i działa na szeregu dokumentów. W teście LVBench, który mierzy zrozumienie długich form wideo, Argon uzyskał wynik 91,7%.

Architektura: co jest ujawnione, a co nie

Google DeepMind w ogłoszeniu nie ujawnia architektury technicznej Gemini 4 Argon – ani liczby parametrów, ani struktury warstw, ani danych treningowych. Firma opisuje ten model na podstawie jego zachowania: zdolności do głębokiego rozumowania podczas długich, wieloetapowych przepływów pracy. Dlatego nie podajemy konkretnych detali architektonicznych – nie ma ich w oficjalnym źródle, a także nie będziemy wymyślać projektu modelu.

Limit tokenów wyjściowych - 1 milion tokenów

Jedną z głównych oficjalnych zmian jest zwiększenie limitu tokenów wyjściowych do 1 miliona tokenów wobec dotychczasowych 64 tys. Kiedy model ma przestrzeń do głębokiego przemyślenia i wygenerowania setek tysięcy tokenów w jednej trajektorii, zajmuje się złożonymi problemami w jednym przejściu. Jest to zalecany zakład w przypadku długich, wieloetapowych zadań.

Jak Argon jest już używany w Google

Firma podaje konkretne przykłady zastosowania wewnętrznego:

• Algorytmy kwantowe. Argon pomaga badaczom optymalizować zasoby (kubity × bramki) procedur. W jednym przykładzie model osiągnął wyniki lepsze od opublikowanej wartości bazowej o 40% w ciągu kilku minut.
• Oszczędzanie pamięci. Agenci firmy Argon przeanalizowali profilowanie całej floty serwerów i dokonali optymalizacji pamięci, uwalniając ponad 300 TiB po wdrożeniu – łącznie szacunkowo od 500 TiB do 1 PiB.
• Migracje kodu. Agenci Argonu tłumaczą bazy kodu z C/C++ na Rust - od dziesiątek tysięcy linii w bibliotekach takich jak re2 i libgav1 do ponad 800 tysięcy linii jądra Fuchsia Zircon. W przypadku libgav1 agenci zastąpili 32 tysiące linii kodu SIMD i uzyskali bezpieczny dekoder wideo, który działa 2,7 razy szybciej niż port Rust z identycznym wideo.

Bezpieczeństwo przed szerokim wypuszczeniem

Przed masowym uruchomieniem Google wzmacnia swoje mechanizmy ochronne. Model musi odrzucać żądania niebezpieczne (zagrożenia cybernetyczne, a także scenariusze chemiczne, biologiczne, radiologiczne i nuklearne), zachowując jednocześnie uzasadnione cele naukowe. Odporność na pośrednie wstrzykiwanie podpowiedzi jest deklarowana osobno: według benchmarku Gray Swan IPI liderem jest Argon. Kolejnym kierunkiem jest kontrola odchyleń od intencji użytkownika: system monitoruje łańcuch rozumowań i działań modelu i w razie potrzeby wstrzymuje wykonanie.

Cena i dostęp

Google podaje cenę początkową na okres wprowadzający: 2 dolary za 1 milion tokenów wejściowych i 10 dolarów za 1 milion tokenów wyjściowych. Tokeny wejściowe w pamięci podręcznej są objęte 95% rabatem od ceny początkowej. Po zakończeniu okresu wstępnego cena będzie wynosić 4 USD za 1 milion tokenów wejściowych i 20 USD za 1 milion tokenów wyjściowych. W momencie ogłoszenia nie ma publicznego dostępu: model otrzymują tylko zaufani testerzy i obrońcy, dlatego podane są ceny na przyszłą premierę komercyjną.

Gemini 4 Argon w NeuralSpace

W międzyczasie w czacie i w sekcji „Kod” możesz pracować z innymi aktualnymi modelami.