Gemini 4 Argon: novo modelo Google DeepMind

Em 30 de setembro de 2026, Google DeepMind anunciou Gemini 4 Argon, um novo modelo de fronteira da família Gemini. Ele está sendo implementado para um pequeno círculo de profissionais de segurança cibernética confiáveis ​​por meio do programa Fairwind Program, e a empresa promete um lançamento mais amplo posteriormente: primeiro para desenvolvedores, empresas e consumidores, começando com usuários pagos da API e assinantes do Google AI Ultra.

O que Gemini 4 Argon pode fazer?

O anúncio nomeia três áreas principais onde o modelo mostra resultados sólidos:

• Programação. O modelo funciona com problemas reais de engenharia – desde a depuração diária até grandes migrações de base de código. O Google diz que Argon atualizou sua pontuação máxima no benchmark DeepSWE v1.1 (77,9%), que mede o desempenho em tarefas longas e de várias etapas no desenvolvimento do mundo real.
• Trabalho de conhecimento corporativo. Falando em jurídico e financeiro, Argon é líder no Vals Index, que mede o impacto económico nestas áreas, e apresenta resultados líderes no Vals Finance Agent v2 (pesquisa financeira em várias etapas) e no Harvey's Legal Agent Benchmark (pesquisa jurídica e preparação de documentos). No AutomationBench da Zapier, que mede a execução ponta a ponta das tarefas de negócios, o modelo ficou em primeiro lugar com uma pontuação de 51,3%.
• Proteção de segurança cibernética. Argon é treinado para encontrar, testar e corrigir vulnerabilidades de forma autônoma. No benchmark CWE-bench v1, que avalia a eliminação de vulnerabilidades, o modelo divide o primeiro lugar com resultado de 68%. O modelo é entregue a defensores de confiança e equipes internas do Google sem “limitadores cibernéticos” para aproveitar todo o seu potencial de proteção.

O trabalho com informações visuais é especialmente enfatizado: o modelo analisa gráficos profissionais, encontra detalhes em longos vídeos e atua em uma série de documentos. No benchmark LVBench, que mede a compreensão de vídeos de formato longo, o Argon alcançou uma pontuação de 91,7%.

Arquitetura: o que é revelado e o que não é

Google DeepMind no anúncio não divulga a arquitetura técnica de Gemini 4 Argon - nem o número de parâmetros, nem a estrutura das camadas, nem os dados de treinamento. A empresa descreve o modelo pelo seu comportamento: a capacidade de manter um raciocínio profundo ao longo de fluxos de trabalho longos e com várias etapas. Portanto, não fornecemos detalhes arquitetônicos específicos - eles não estão na fonte oficial e não iremos inventar o design do modelo.

Limite de saída - 1 milhão de tokens

Uma das principais mudanças oficiais é que o limite de saída foi ampliado para 1 milhão de tokens contra os 64 mil anteriores. Quando um modelo tem espaço para pensar profundamente e gerar centenas de milhares de tokens em uma única trajetória, ele enfrenta problemas complexos de uma só vez. Esta é a aposta declarada para tarefas longas de várias etapas.

Como o Argon já é usado dentro do Google

A empresa fornece exemplos específicos de uso interno:

• Algoritmos quânticos. Argon ajuda os pesquisadores a otimizar os recursos (qubits × portas) das rotinas. Num exemplo, o modelo superou a linha de base publicada em 40% em minutos.
• Economia de memória. Os agentes do Argon analisaram perfis de toda a frota de servidores e fizeram otimizações de memória, liberando mais de 300 TiB após a implementação – com uma estimativa de 500 TiB a 1 PiB no total.
• Migrações de código. Os agentes Argon traduzem bases de código de C/C++ para Rust - de dezenas de milhares de linhas em bibliotecas como re2 e libgav1 a mais de 800 mil linhas do kernel Fuchsia Zircon. Para libgav1, os agentes substituíram 32 mil linhas de código SIMD e obtiveram um decodificador de vídeo seguro que funciona 2,7 vezes mais rápido que a porta Rust com vídeo idêntico.

Segurança antes do lançamento amplo

Antes do lançamento em massa, o Google está fortalecendo seus mecanismos de proteção. O modelo deve rejeitar solicitações perigosas (ameaças cibernéticas, bem como cenários químicos, biológicos, radiológicos e nucleares), mantendo ao mesmo tempo objetivos científicos legítimos. A resistência a injeções indiretas de prompts é declarada separadamente: de acordo com o benchmark Gray Swan IPI, Argon é o líder. Outra direção é controlar desvios das intenções do usuário: o sistema monitora a cadeia de raciocínios e ações do modelo e interrompe a execução se necessário.

Preço e acesso

O Google nomeia o preço inicial para o período introdutório: US$ 2 por 1 milhão de tokens de entrada e US$ 10 por 1 milhão de tokens de saída. Os tokens de entrada armazenados em cache têm um desconto de 95% em relação ao preço de entrada. Após o final do período introdutório, o preço será de US$ 4 por 1 milhão de tokens de entrada e US$ 20 por 1 milhão de tokens de saída. Não há acesso público no momento do anúncio: apenas testadores e defensores de confiança recebem o modelo, portanto são dados preços para um futuro lançamento comercial.

Gemini 4 Argon na NeuralSpace

Enquanto isso, no chat e na seção "Código" você pode trabalhar com outros modelos atuais.