Миллион выходных токенов — это много места, чтобы думать, хотя одно лишь пространство не гарантирует верных суждений. Новая модель Google, Gemini 4 Argon, рассчитана на то, чтобы тратить этот объём на долгую многошаговую работу: от разработки ПО и финансовых исследований до юридических черновиков и киберзащиты. Пока доступ ограничен, пока компания проверяет модель и её защитные механизмы.
Создана для работы, которой нужно больше одного шага
Google говорит, что Argon может сгенерировать до 1 миллиона выходных токенов за запрос против прежнего лимита в 64 000. Увеличенный лимит нужен, чтобы модель удерживала более длинные задачи, а не дробила работу на повторные короткие обмены.
Это различие важнее всего, когда задача проходит несколько стадий: разобрать кодовую базу, проследить проблему, проверить возможное исправление, затем объяснить, что изменилось. Больший бюджет токенов даёт модели больше места, чтобы провести эту последовательность. Сам по себе он не доказывает, что каждый шаг верен, поэтому заявления о производительности Argon по-прежнему нужно читать рядом с тестами и примерами, которыми поделилась Google.
Google говорит, что модель уже используют внутри компании для специализированного программирования, исследований и текстов. Среди примеров — квантовые алгоритмы, крупные миграции ПО и расход памяти в дата-центрах Google.
Результаты, о которых сообщает Google
Компания сообщает результат 77.9% на DeepSWE v1.1, бенчмарке задач программной инженерии с длинным горизонтом. Она также говорит, что Argon занимает первое место на AutomationBench с результатом 51.3% и достигла 91.7% на LVBench, тесте понимания длинного видео.
По устранению уязвимостей Google сообщает 68% на CWE-bench v1, деля верхний результат. Компания также говорит, что Argon лидирует в Vals Index, который оценивает экономический эффект в областях, включая финансы, программирование, юридическую работу и налоги. Она сообщает о лидирующих результатах на Vals Finance Agent v2 и Harvey’s Legal Agent Benchmark, не приводя баллов этих оценок в анонсе.
Эти цифры описывают тесты в изложении Google, а не универсальный рейтинг. Результаты бенчмарков зависят от версии теста и метода, поэтому сравнения с другими моделями осмысленны только когда условия совпадают. Цифры — полезное свидетельство того, что Google, по её словам, измерила, а не замена наблюдению за тем, как система ведёт себя в обычной работе.
Миграции кода и экономия памяти
Примеры Google из внутренних проектов дают более осязаемый взгляд на задуманную роль модели. Агенты Argon помогают переносить кодовые базы с C и C++ на Rust, в том числе в работе над ядром Fuchsia Zircon, в котором, по словам компании, больше 800 000 строк кода. Google говорит, что эти изменения проходят автоматический и ручной аудит, тестирование на эмуляции и ревью, прежде чем попасть в продакшен.
В другом проекте агенты, работавшие над libgav1, открытым видеодекодером Google, заменили 32 000 строк SIMD-кода в существующем порте на Rust. Google говорит, что получившаяся версия работает в 2.7 раза быстрее того более раннего порта на Rust и при этом даёт идентичный видеопоток. Компания описывает результат как приближение версии на Rust к оптимизированной реализации на C++. Это более узкое и более полезное утверждение, чем фраза о том, что Rust каким-то образом стал быстрее C++ вообще.
Google также говорит, что группа агентов Argon разобрала данные профилирования парка дата-центров и нашла оптимизации памяти. По данным компании, после выката изменения освободили больше 300 TiB памяти, а суммарный потенциальный выигрыш оценивается от 500 TiB до 1 PiB. В отдельном примере из квантовых вычислений Google говорит, что Argon за считаные минуты улучшила опубликованный базовый уровень расхода ресурсов подпрограммы на 40%.
Это результаты внутренней работы в изложении компании. Они показывают, какие задачи Google поручает Argon, и оставляют открытыми обычные практические вопросы: сколько человеческого ревью требует работа, насколько надёжно она переносится в другие организации и какой выглядит стоимость в масштабе.
Доступ для кибербезопасности начинается с доверенных защитников
Argon рассчитана на то, чтобы находить уязвимости в ПО, подтверждать их и помогать с патчами. Google говорит, что первые внешние пользователи — доверенные киберзащитники, участвующие через Fairwind Program. Компания также работает с Wiz, чья инициатива Scan for Good использует модель, чтобы искать и устранять высокорисковые незакрытые места в критической публичной инфраструктуре.
В раннем примере, по словам Google, Argon нашла критическую уязвимость, из-за которой в медицинском ПО, которым пользуются больницы по всему миру, раскрывались чувствительные персональные данные. Компания говорит, что более ранние frontier-модели её не обнаруживали. Google также сообщает, что Argon превзошла прежнюю модель 3.8 Flash Cyber на внутреннем бенчмарке тестирования на проникновение методом чёрного ящика, где модели изучают живые веб-системы без доступа к исходному коду.
Для доверенных защитников и внутренних команд Google обещает давать Argon без киберограничений, чтобы они могли пользоваться полными возможностями в кибербезопасности. Этот доступ ограничен этими группами и не является общим релизом. Различие центрально для выката: модель, которая умеет находить и чинить серьёзные изъяны, создаёт риски, если те же возможности направляют против систем без разрешения.
Работа над безопасностью до более широкого выпуска
Google говорит, что усиливает защиту от вредоносной киберактивности и от химического, биологического, радиологического и ядерного злоупотребления. Модель также проверяли на indirect prompt injection: вредоносные инструкции, спрятанные в материале, который обрабатывает модель, пытаются перенаправить её поведение. Google говорит, что Argon лидирует на бенчмарке Gray Swan’s Indirect Prompt Injection.
Компания описывает дополнительные меры, которые следят за рассуждениями и действиями модели в поисках признаков misalignment, и системы, которые при необходимости могут остановить выполнение. По её словам, похожий мониторинг использовали во время обучения, а оповещения уходили выделенной команде реагирования на инциденты. Google также говорит, что изолирует и защищает sandbox-среды перед высокорисковыми прогонами обучения и оценки.
Это меры, которые Google, по её словам, построила и проверила, а не гарантия, что найден каждый режим сбоя. Компания планирует дальше собирать отзывы ранних тестировщиков и дорабатывать защиту до более широкой доступности. Она также участвует в добровольной процедуре правительства США по предрелизному доступу к модели.
Цена и доступность
Google говорит, что Argon сначала открывают доверенным киберзащитникам и тестировщикам. Более широкий доступ планируется для разработчиков, бизнеса и потребителей, начиная с платных клиентов API и подписчиков Google AI Ultra. Общий публичный доступ компания пока не открывала.
Вводная цена API — $2 за миллион входных токенов и $10 за миллион выходных токенов. Кэшированные входные токены стоят на 95% ниже стандартной входной ставки. Заявленные цены после промоакции — $4 за миллион входных токенов и $20 за миллион выходных токенов.
Длинный лимит вывода делает Argon подходящей для работы, которая тянется через много шагов. Он же делает аккуратное тестирование важнее, потому что модель теперь может гораздо дольше разбирать задачу, прежде чем кто-то успеет её прервать. Поэтому первый выпуск Google — скорее контролируемое испытание, чем публичный запуск, и это, вероятно, разумный порядок, когда продающее свойство продукта в том, что оно умеет продолжать.