← Alla artiklar

Gemini 4 Argon: ny modell Google DeepMind

Ljus studio med flytande kristall och mjukt nätverk av ljusnoder

Den 30 september 2026 tillkännagav Google DeepMind Gemini 4 Argon, en ny gränsmodell för Gemini-familjen. Det rullas ut till en liten krets av betrodda cybersäkerhetsproffs genom Fairwind Program-programmet, och företaget lovar en bredare release senare: först för utvecklare, företag och konsumenter, med betalda API-användare och Google AI Ultra-prenumeranter.

Schema för ett långt flerstegsproblem som modellen löser i ett pass

Vad kan Gemini 4 Argon göra?

Tillkännagivandet nämner tre nyckelområden där modellen visar starka resultat:

  • Programmering. Modellen arbetar med verkliga ingenjörsproblem – från vardaglig felsökning till stora kodbasmigreringar. Google säger att Argon har uppdaterat sitt toppbetyg på DeepSWE v1.1 benchmark (77,9%), som mäter prestanda för långa, flerstegsuppgifter i verklig utveckling.
  • Företagens kunskapsarbete. På tal om juridik och finans, så är Argon ledande inom Vals Index, som mäter ekonomisk påverkan inom dessa områden, och visar ledande resultat i Vals Finance Agent v2 (finansiell forskning i flera steg) och Harveys Legal Agent Benchmark (juridisk forskning och dokumentförberedelse). På Zapiers AutomationBench, som mäter end-to-end-utförande av affärsuppgifter, rankades modellen först med en poäng på 51,3 %.
  • Cybersäkerhetsskydd. Argon är tränad att hitta, testa och korrigera sårbarheter autonomt. I CWE-bench v1 benchmark, som utvärderar eliminering av sårbarheter, delar modellen förstaplatsen med ett resultat på 68%. Modellen ges till betrodda försvarare och interna Google-team utan "cyberbegränsare" för att kunna använda sin fulla skyddspotential.

Arbetet med visuell information betonas särskilt: modellen analyserar professionella grafer, hittar detaljer i långa videor och agerar på en serie dokument. På LVBench benchmark, som mäter videoförståelse i långa format, uppnådde Argon en poäng på 91,7 %.

Arkitektur: vad avslöjas och vad som inte är det

Google DeepMind i tillkännagivandet avslöjar inte den tekniska arkitekturen för Gemini 4 Argon - varken antalet parametrar, eller strukturen av lager eller träningsdata. Företaget beskriver modellen genom sitt beteende: förmågan att hålla djupa resonemang genom långa arbetsflöden i flera steg. Därför tillhandahåller vi inte specifika arkitektoniska detaljer - de finns inte i den officiella källan, och vi kommer inte att uppfinna designen av modellen.

Utmatningsgräns - 1 miljon tokens

En av de viktigaste officiella förändringarna är att utmatningsgränsen har utökats till 1 miljon tokens mot tidigare 64 tusen. När en modell har utrymme för att tänka djupt och generera hundratusentals tokens i en enda bana, tar den sig an komplexa problem i en omgång. Detta är den angivna insatsen för långa flerstegsuppgifter.

Hur Argon redan används inom Google

Företaget ger specifika exempel på intern användning:

  • Kvantalgoritmer. Argon hjälper forskare att optimera resurserna (qubits × grindar) av rutiner. I ett exempel överträffade modellen den publicerade baslinjen med 40 % på minuter.
  • Minnessparande. Agenter på Argon analyserade profilering över hela serverflottan och gjorde minnesoptimeringar, vilket frigjorde mer än 300 TiB efter lanseringen - med en uppskattning på 500 TiB till 1 PiB totalt.
  • Kodmigreringar. Argonagenter översätter kodbaser från C/C++ till Rust - från tiotusentals rader i bibliotek som re2 och libgav1 till 800+ tusen rader av Fuchsia Zircon-kärnan. För libgav1 ersatte agenter 32 tusen rader SIMD-kod och fick en säker videoavkodare som fungerar 2,7 gånger snabbare än Rust-porten med identisk video.

Säkerhet före bred lansering

Inför masslanseringen stärker Google sina skyddsmekanismer. Modellen måste avvisa farliga förfrågningar (cyberhot, såväl som kemiska, biologiska, radiologiska och nukleära scenarier), samtidigt som legitima vetenskapliga mål upprätthålls. Motstånd mot indirekta injektioner av uppmaningar deklareras separat: enligt Gray Swan IPI-riktmärket är Argon ledande. En annan riktning är att kontrollera avvikelser från användarens avsikter: systemet övervakar kedjan av resonemang och handlingar i modellen och stoppar exekvering vid behov.

Pris och tillgång

Google anger startpriset för introduktionsperioden: 2 USD för 1 miljon inmatningstoken och 10 USD för 1 miljon output-tokens, cachade inmatningstoken får 95 % rabatt från ingångspriset. Efter slutet av introduktionsperioden kommer priset att vara $4 för 1 miljon inmatade tokens och $20 för 1 miljon output tokens. Det finns ingen offentlig tillgång vid tidpunkten för tillkännagivandet: endast betrodda testare och försvarare får modellen, så priser anges för en framtida kommersiell lansering.

Gemini 4 Argon på NeuralSpace

Under tiden kan du i chatten och avsnittet "Koda" arbeta med andra aktuella modeller.