Google анонсировала флагманскую модель Gemini 4 Argon, ориентированную на длительные и сложные задачи в разработке программного обеспечения, финансах, праве, корпоративной аналитике и кибербезопасности.

Главной технической особенностью модели стал увеличенный лимит генерации — до миллиона токенов за один ответ.

Такой объём, по замыслу разработчиков, позволяет системе работать с крупными кодовыми базами, длинными документами, видеоматериалами и многошаговыми бизнес-процессами без постоянной потери контекста.

Согласно опубликованным Google результатам, Gemini 4 Argon демонстрирует высокие показатели в тестах на долгосрочную разработку, автоматизацию корпоративных процессов, юридические и финансовые задачи, а также анализ длинных видео.

В бенчмарке DeepSWE v1.1, оценивающем способность модели решать реалистичные задачи программной инженерии, Argon показала результат 77,9%. В тесте CWE-bench v1, посвящённом исправлению уязвимостей, модель набрала 68% и разделила первое место с GPT-6 Astra.

Google также делает акцент на экономике использования. Для API заявлена цена 2 доллара за миллион входных токенов и 10 долларов за миллион выходных, при этом кэшированные входные данные стоят значительно дешевле.

По данным Artificial Analysis, средняя стоимость выполнения одной задачи у Gemini 4 Argon составляет 1,99 доллара, что ниже заявленной стоимости сопоставимого сценария для GPT-6 Astra.

Однако итоговые затраты в реальных проектах будут зависеть не только от тарифов, но и от качества результата, числа повторных запусков и объёма необходимой проверки со стороны специалистов.

Внутри Google модель уже применяют для отладки, алгоритмических исследований и масштабной миграции кода. Компания приводит примеры оптимизации квантовых алгоритмов, анализа телеметрии центров обработки данных и перевода крупных компонентов с C и C++ на Rust.

При этом Google отдельно отмечает, что изменения в критически важных системах проходят автоматизированное и ручное тестирование, аудит и код-ревью до развёртывания в рабочей среде.

Это важная оговорка: даже при высокой автономности модели ответственность за итоговые действия остаётся на инженерных командах.

Отдельное направление Gemini 4 Argon — кибербезопасность. Модель обучалась находить, подтверждать и устранять программные уязвимости, а ограниченный доступ к версии с расширенными возможностями получают только проверенные оборонительные команды.

Google сообщает, что в раннем тестировании Argon смогла выявить серьёзную проблему в программном обеспечении, используемом медицинскими организациями.

Вместе с тем широкое применение подобных возможностей требует особенно строгих мер контроля, поскольку инструменты для защиты могут быть использованы и для атак.

Компания заявляет, что продолжает развивать защиту от вредоносных запросов, косвенных prompt-инъекций и случаев, когда агент выходит за пределы намерений пользователя.

Для этого используются тестирование устойчивости, мониторинг поведения модели и изолированные среды при высокорисковых оценках. Однако пока Gemini 4 Argon доступна лишь ограниченному кругу организаций, поэтому её реальная стабильность, качество работы с прикладными задачами и надёжность защитных механизмов ещё предстоит подтвердить независимым разработчикам и корпоративным пользователям.

Первые отзывы уже указывают на возможный разрыв между впечатляющими бенчмарками и практическим опытом. По данным Bloomberg, некоторые сотрудники Google считают, что модель не всегда одинаково сильна в реальных рабочих сценариях, особенно в отдельных задачах программирования.

Другие разработчики отмечают чувствительность результатов к формулировке запроса. Поэтому Gemini 4 Argon можно рассматривать как амбициозный шаг Google в гонке корпоративных ИИ-агентов, но окончательная оценка модели будет зависеть не от рекордных тестов, а от того, насколько надёжно она проявит себя в повседневной работе.