Google представила новое поколение своей флагманской нейросети — Gemini 4 Argon. Модель рассчитана не столько на обычные вопросы и генерацию текста, сколько на длительную самостоятельную работу: программирование, анализ больших массивов данных, выполнение многоэтапных корпоративных задач, работу с финансовыми и юридическими материалами и поиск уязвимостей. Одной из главных особенностей стал максимальный объём вывода до 1 млн токенов, что значительно больше возможностей предыдущего поколения.

Однако свободного доступа к Argon на старте не будет. Google считает возможности модели в сфере кибербезопасности достаточно серьёзными, чтобы сначала предоставить её ограниченному кругу проверенных специалистов. Компания намерена дополнительно изучить потенциальные риски, устойчивость системы к вредоносным инструкциям и попыткам заставить ИИ выйти за установленные рамки. После этого Gemini 4 Argon планируется постепенно открыть разработчикам, корпоративным клиентам и пользователям.

Google возвращается к борьбе за лидерство в ИИ

Выход Gemini 4 стал для Google одним из крупнейших обновлений семейства Gemini за последнее время. Предыдущее большое поколение, Gemini 3, появилось почти год назад, а дальнейшее развитие линейки некоторое время было сосредоточено преимущественно на обновлениях и более компактных моделях.

За это время конкуренты заметно продвинулись вперёд. OpenAI вывела GPT-6 Astra, а Anthropic развивала семейство Claude Fable и Mythos. Теперь Google пытается сократить образовавшийся разрыв с помощью Argon, ориентируя новую систему прежде всего на сложные профессиональные и агентные сценарии.

Судя по позиционированию компании, Gemini 4 Argon должна быть не просто очередным чат-ботом. Основной акцент сделан на способности ИИ самостоятельно выполнять продолжительные последовательности действий.

До миллиона токенов в одном ответе

Одна из наиболее заметных технических особенностей Gemini 4 Argon — лимит генерации до 1 млн токенов. У предыдущих моделей Google максимальный размер вывода был существенно меньше и мог составлять около 64 тысяч токенов.

Такой объём особенно важен для агентных систем. Вместо выполнения небольшой отдельной команды модель может продолжительное время работать над одной большой задачей, анализировать множество файлов, создавать и проверять код, использовать инструменты и возвращаться к предыдущим этапам работы.

Google описывает процесс примерно следующим образом: Argon получает задачу и исходные материалы, изучает их, формирует последовательность действий, использует необходимые инструменты, оценивает полученный результат и при обнаружении проблемы пытается самостоятельно её исправить.

Иными словами, речь идёт о дальнейшем переходе от классического формата «вопрос — ответ» к ИИ-агентам, способным вести продолжительную работу с минимальным вмешательством человека.

Argon уже работает внутри Google

Новая модель не ограничивается лабораторными тестами. Google сообщает, что использует её в собственных проектах.

Одно из направлений связано с инфраструктурой дата-центров. Агенты анализировали телеметрию и искали способы снизить расход памяти. Уже внедрённые оптимизации, по данным компании, должны высвободить более 300 ТиБ памяти, а потенциальный эффект дальнейших изменений оценивается в диапазоне от 500 ТиБ до 1 ПиБ.

Gemini 4 Argon также применяли при работе с алгоритмами для квантовых вычислений.

Но особенно интересным направлением стало программирование.

ИИ помогает Google переносить C и C++ на Rust

Argon задействовали в проектах по миграции существующего кода с C и C++ на Rust. Это особенно сложная задача для больших программных продуктов, где недостаточно механически переписать синтаксис — необходимо сохранить поведение программы, производительность и совместимость компонентов.

Модель испытывали на проектах размером от нескольких десятков тысяч до сотен тысяч строк. В частности, работа велась с кодовой базой ядра Fuchsia OS объёмом более 800 тысяч строк.

В другом эксперименте ИИ-агенты переработали примерно 32 тысячи строк SIMD-кода библиотеки видеодекодирования libgav1.

Полученная реализация на Rust, как утверждает Google, обеспечила те же результаты декодирования, но оказалась приблизительно в 2,7 раза быстрее прежнего варианта Rust-порта.

Что показывают тесты Gemini 4 Argon

В опубликованных Google испытаниях новая модель демонстрирует высокие результаты в задачах, требующих продолжительной самостоятельной работы.

В DeepSWE v1.1, где оценивается решение сложных реальных задач программной разработки, Gemini 4 Argon получила 77,9 %. Для сравнения, заявленные результаты GPT-6 Astra и Claude Fable 5.1 в этом тесте составляют 74,1 и 67,4 % соответственно.

В AutomationBench, посвящённом выполнению многоэтапных рабочих процессов, Argon набрала 51,3 %. Для сравниваемых в материалах Google моделей Astra и Fable указаны результаты 41,4 и 31,4 %.

Кроме того, Google сообщает о сильных результатах Argon в Vals Index и тестировании понимания продолжительных видеозаписей. В LVBench показатель новой модели достиг 91,7 %.

При этом результаты отдельных бенчмарков не следует воспринимать как универсальное доказательство превосходства одной нейросети над другой. Итоги заметно зависят от конкретной методики, настроек моделей и типа поставленной задачи.

Кибербезопасность стала причиной осторожного запуска

Возможности Gemini 4 Argon в сфере информационной безопасности оказались настолько серьёзными, что Google выбрала поэтапную схему распространения модели.

Argon умеет анализировать программное обеспечение, искать потенциальные уязвимости, проверять их и предлагать исправления. В CWE-bench v1 модель получила результат 68 %. Google также сообщает о существенном прогрессе относительно предыдущих собственных систем в ряде внутренних испытаний, связанных с анализом веб-приложений и обнаружением уязвимостей.

Но те же возможности теоретически могут применяться не только для защиты систем. Поэтому на первом этапе доступ предоставляется через программу Fairwind ограниченному кругу специалистов и организаций, занимающихся кибербезопасностью. 

Во время этого периода Google собирается дополнительно исследовать поведение модели, включая устойчивость к prompt injection, вредоносным инструкциям и ситуациям, когда автономный агент пытается выполнить действия за пределами предоставленных ему полномочий.

Таким образом, ограниченный запуск связан не с тем, что Google считает Argon «опасной для любого пользователя» сама по себе, а с необходимостью оценить риски злоупотребления её наиболее продвинутыми возможностями.

Сколько будет стоить Gemini 4 Argon

После завершения первоначального тестирования Google планирует постепенно расширять доступ к модели. Среди первых категорий пользователей должны оказаться разработчики, корпоративные заказчики и подписчики премиальных сервисов компании.

На начальном этапе заявлена стоимость 2 доллара за 1 млн входных токенов и 10 долларов за 1 млн выходных токенов. После окончания вводного периода цена должна увеличиться до 4 и 20 долларов соответственно. Для кэшированного ввода предусмотрено существенное снижение стоимости.

Ценовая политика выглядит особенно агрессивно на фоне некоторых конкурирующих флагманских решений. Например, стандартная API-цена GPT-6 Astra сейчас составляет 10 долларов за миллион входных и 50 долларов за миллион выходных токенов. У Claude Fable 5.1 заявлена аналогичная базовая стоимость — 10 и 50 долларов соответственно. 

От чат-ботов к автономным исполнителям

Gemini 4 Argon хорошо показывает направление, в котором сейчас развивается рынок искусственного интеллекта. Крупнейшие разработчики постепенно смещают внимание от моделей, просто генерирующих хороший ответ, к системам, которым можно поручить целый рабочий процесс.

Для таких моделей становятся важны уже не только качество текста или знания. На первый план выходят способность планировать последовательность действий, работать с программами и файлами, сохранять контекст длительной задачи, пользоваться внешними инструментами и самостоятельно обнаруживать собственные ошибки.

Именно на этом поле Google собирается конкурировать с новейшими системами OpenAI и Anthropic. Gemini 4 Argon при этом стартует необычно: сначала модель должна доказать, что её расширенные возможности можно безопасно предоставить более широкой аудитории, и только после этого начнётся полноценное распространение.