Несколько месяцев о Google вежливо говорили, что она «ещё не вышла из гонки». Теперь компания выпустила Gemini 4 Argon — модель, которая, по её словам, конкурирует с лучшими в отрасли, — и просит примерно в пять раз меньше, чем лидеры. Уверенность это или распродажа — на этот вопрос страница с ценами отвечает честнее, чем пресс-релиз.
Argon — первый крупный передовой релиз Google с момента выхода Gemini 3 в конце 2025 года. За это время Anthropic и OpenAI выпустили модели, на фоне которых Google стала выглядеть как давний лидер, забывший прийти на старт. Внутренние перестановки делу не помогли. Argon — это ответ, и появился он через день после того, как Meta анонсировала собственную передовую модель Muse Wonder Full, — так что передний край теперь похож не столько на скачки на двоих, сколько на людный паддок.
Что на самом деле заявляет Google
Google утверждает, что Argon обеспечивает «передовые рассуждения и улучшенную производительность в сложных рабочих процессах». Также компания говорит, что модель реже уходит в оговорки, реже повторяется и избегает клише, из-за которых столько ответов чат-ботов похожи на мотивационные плакаты.
Компания заявляет, что Argon обходит GPT-6 Astra, Claude Fable 5.1 и Claude Opus 5.5 в бенчмарках по программированию, кибербезопасности, науке, финансам и юриспруденции. Единственный названный рейтинг взят из собственного анонса Google DeepMind: Argon занимает 1-е место в Vals Index, который измеряет эффективность моделей в таких секторах экономики, как финансы, программирование, юридическая и налоговая работа.
Ещё несколько заявлений о местах в рейтингах появляются дальше в анонсе, и они разобраны ниже. Все эти цифры — данные самой Google, а полной таблицы результатов в анонсе нет.
DeepMind также позиционирует Argon как модель для «глубокой работы». Это длинные многошаговые задачи, в которых она продолжает работать, а не выдаёт быстрый ответ и пожимает плечами. Через Gemini API поддерживается единый лимит в 1M токенов на вход и выход вместе, а разработчикам Google советует прочитать документацию о новом протоколе продолжения, чтобы правильно всё настроить.
Где можно использовать
Google сообщает, что развёртывание глобальное и начинается сегодня. Доступ сильно зависит от того, кто вы и сколько платите.
| Аудитория | Доступ |
|---|---|
| Разработчики | Платный тариф Gemini API, AI Studio, Android Studio |
| Подписчики Google AI Ultra | Google Antigravity, приложение Gemini, AI Mode in Search |
| Подписчики Google AI Pro | Приложение Gemini и AI Mode in Search |
| Предприятия | Gemini for business, API, Google Antigravity |
| Учёные и исследователи | Заявка на бесплатный доступ к высшему уровню Antigravity |
| Специалисты по кибербезопасности | Заявка в программу Fairwind Program |
Один пробел бросается в глаза. В одном из материалов о запуске отмечается, что неясно, когда и дойдёт ли Argon до подписчиков Plus или бесплатных пользователей. В анонсе самой Google перечислены только Ultra и Pro, больше ничего не сказано, и это тоже своего рода ответ.
Цена — самая громкая функция
Argon стартует с вводной ценой $2 за миллион входных токенов и $10 за миллион выходных, а кешированные входные токены стоят на 95 процентов дешевле. Это примерно пятая часть стоимости GPT-6 Astra от OpenAI и моделей Fable 5 от Anthropic.
Слово «вводная» здесь важно. По данным одного из изданий, в конце ноября, когда вводный период закончится, эти цены удвоятся. Но даже тогда за токен Argon всё равно будет заметно дешевле своих передовых конкурентов.
Есть подвох, и он обычный. Цена за токен — это не цена за задачу. Разным моделям на одну и ту же работу может требоваться разное число токенов, поэтому дешёвый токен всё равно может обернуться дорогим вечером. Если Argon многословен или долго рассуждает перед ответом, экономия сокращается. Цифр, которые бы это прояснили, пока никто не опубликовал.
Инженерная витрина
Самый сильный материал Google — список того, что её собственные команды сделали с помощью Argon, причём в большинстве случаев речь об Antigravity, её агентной платформе разработки. По словам Google, за последние несколько недель инженеры стали выпускать код быстрее. Используя Argon в Antigravity, команды увеличили число агентных отправок кода более чем на 35 процентов и почти на треть сократили откаты кода.
Конкретные примеры интереснее общих цифр.
- Рефакторинг Chrome. Argon помог отделить базовую обработку веб-страниц от унаследованной папки с функциями браузера объёмом около 6 миллионов строк внутри кодовой базы Chromium в 40 миллионов строк. Он создавал сразу несколько чистых изменений кода и завершил архитектурный рефакторинг на сотнях файлов. По словам Google, на это ушли недели вместо месяцев. Результат, как говорится, — живые веб-страницы, которые можно перемещать между вкладками, боковыми панелями и плавающими окнами без перезагрузки, а также устранение целой категории сбоев браузера.
- Agent Development Kit. Команда, которая разрабатывает open-source ADK от Google, дала Argon свод правил .agents/skills и цель в один абзац: сократить накладные расходы фреймворка, не сломав существующие приложения. Проработав самостоятельно всю ночь, Argon нашёл оптимизации, которые теперь внедрены в google/adk-python. Они сократили время подготовки сессии в памяти на 40 процентов в длинных сессиях и ускорили холодный импорт на 21 процент.
- xTB. Это один из самых цитируемых пакетов квантовой химии с открытым исходным кодом, который применяют для предсказания формы молекул и отбора кандидатов в лекарства и материалы. Исследователи Google с помощью Argon ускорили его: предсказание молекулярных структур стало до 2,3 раза быстрее, а поиск конформеров — в 1,8 раза быстрее. Изменения попали в официальный репозиторий xTB на GitHub.
- Инференс Gemma. Google сообщает об ускорении сквозного инференса своих открытых моделей Gemma в 2,85 раза на A100 через vLLM. Пропускная способность на Gemma 4 E2B выросла примерно с 37 900 до более чем 108 000 токенов в секунду при стопроцентном совпадении токенов и без падения качества. По её словам, на это ушло несколько дней, хотя обычно такая работа занимает месяцы, и она указывает на upstream pull request'ы, охватывающие всё — от настройки внимания до спекулятивного декодирования.
В другом материале приводится ещё несколько внутренних применений: поиск и исправление уязвимостей кибербезопасности, сокращение вдвое вычислительной мощности, нужной для раздела комментариев YouTube, и отладка симулятора физики дронов для Wing, компании Alphabet по доставке дронами.
Схема везде одна. Argon получает расплывчатую цель, свод правил и ночь в одиночестве, а потом возвращается с измеренными улучшениями в реальных репозиториях. Измерения принадлежат самой Google, но в нескольких случаях код опубликован, так что их можно проверить.
Трёхмерная демонстрация
Google также заявляет о больших улучшениях в пространственном мышлении, математической точности и визуальном программировании по сравнению с прежними моделями Gemini. Демо опираются на слэш-команду /goal в Antigravity и мультиагентные циклы с пользовательскими навыками.
Список немного театральный, но он показывает, что способен собрать воедино долго работающий агент:
- Детализированная пагода, построенная в мультиагентных циклах визуальной критики и в итоге превратившаяся в храмовый комплекс из нескольких зданий с листвой и освещением в Blender.
- Играбельная миниатюрная гоночная игра, созданная по фотографиям настоящего рабочего стола. Blender MCP занимался моделированием и проверкой коллизий, Nano Banana создавала текстуры, а Gemini Omni Flash добавил звук двигателей в Three.js.
- Сложная 3D-игра с процедурной скульптурой, риггингом, анимацией и запеканием PBR, подготовленная для веба с шейдерами GLSL, физикой разрушения и ИИ для одиночной игры.
- 3D-движок трассировки лучей на чистом Python без единой внешней библиотеки, который затем создал видео освещённой солнцем библиотеки с озвучкой Gemini 3.8 TTS и музыкой от Lyria 3.5.
- Готовая готическая 3D-сцена, построенная по одному изображению из Nano Banana, в которой Argon управлял Blender MCP в автономном цикле.
Несколько из них можно попробовать в AI Studio. Как демонстрации они имеют то преимущество, что их можно открыть и оценить самому, а большинство видео о запусках такого не позволяют.
Офисная работа, меньше оговорок
Google говорит, что Argon сочетает передовые рассуждения, глубокое визуальное восприятие, более широкие предметные знания и более качественное письмо в юриспруденции, финансах, науке и программировании. Она утверждает, что модель лучше любой предыдущей модели Gemini следует стилистическим инструкциям и держит пользователей в курсе по ходу работы.
Бизнес-примеры практичны:
- Синтез по массивам документов. Argon свёл воедино около 50 ГБ данных воздушного лидарного сканирования, ГИС-векторов помещений, CAD-чертежей из Библиотеки Конгресса и архивов Службы национальных парков, чтобы восстановить 3D-модели каньона Чако.
- Предложения для клиентов. В приложении Gemini Argon берёт неструктурированную папку с контекстом проекта и с помощью пользовательского навыка превращает её в презентацию-предложение. Затем он составляет письмо, отправляет презентацию по электронной почте и настраивает запланированную задачу для обработки будущих запросов клиентов.
- Медицинское образование. Он объединил данные из трёх репозиториев с открытым исходным кодом в 3D-инструмент, где пользователи могут снимать анатомические слои, изучать клинические метаданные и запускать биомеханику.
- Дизайн продукта. По наброску с размерами и фотографии дивана Argon, работая через Antigravity в приложении Gemini для macOS, сгенерировал с помощью Nano Banana варианты дизайна новых ножек для дивана и подготовил файл для 3D-печати одного из них.
- Разработка лекарств. Isomorphic Labs использует Argon для синтеза информации из сложных PDF-файлов и патентов, сокращая процесс, который обычно занимает недели, до часов.
Демо с ножками для дивана — самое честное в этом наборе. Оно небольшое, конкретное и посвящено тому, что человеку действительно может понадобиться.
Кибербезопасность и ворота перед ней
Публичному запуску предшествовал ограниченный выпуск для избранного круга «доверенных киберзащитников» — так же, как поступали с другими недавними передовыми моделями. Google говорит, что теперь расширяет доступ ещё для сотен партнёров Fairwind Program. Защитники, подавшие заявку в Fairwind, могут получить Argon без киберограничений — по мере рассмотрения заявок.
Логика такая: та же способность, что находит изъяны для защитников, может помочь и атакующим, поэтому версия без ограничений сначала достаётся проверенным людям. Это разумный компромисс и одновременно аккуратный способ сказать «это опасно», продолжая продавать.
Google ссылается на Wiz, которая использует Argon в своей инициативе «Scan for Good», бесплатно защищающей критическую инфраструктуру. Описаны два случая:
- Государственные данные. Совместно с федеральным ведомством в рамках давней программы киберустойчивости Argon помог найти и устранить брешь, из-за которой могли оказаться раскрыты конфиденциальные данные и государственная инфраструктура.
- Здравоохранение. Выстроив цепочку из сложных уязвимостей, Argon помог команде обнаружить и устранить обход ограничений при публичной загрузке файлов, из-за которого раскрывался мастер-ключ и предоставлялся доступ администратора. По словам Google, это защитило сотни тысяч частных медицинских записей пациентов.
Подробности намеренно скудны, чего и следует ожидать от историй об уязвимостях. Из-за этого их трудно проверить со стороны.
Научные заявления
Именно в этом разделе анонс Google становится самым амбициозным.
Квантовые вычисления. Argon перевёл внутреннюю версию AlphaQubit — декодера квантовой коррекции ошибок на основе машинного обучения от DeepMind — в единое оптимизированное аппаратное ядро. По словам Google, это почти вдвое увеличило пропускную способность инференса, так что можно запускать более крупные модели, всё ещё укладываясь в пороги реального времени. Отдельно реализация arcsin, написанная Argon, — одного из строительных блоков недавних алгоритмов квантового моделирования, — была формально верифицирована в Lean. Google утверждает, что она снижает пространственно-временную стоимость более чем в 100 раз по сравнению с опубликованным квантовым базовым вариантом CORDIC.
Термоядерный синтез. С 1967 года гипотеза, известная как гипотеза Града, предполагала, что точные математические решения для магнитных полей стеллараторов невозможны — пока не появились недавние контрпримеры, в том числе найденные профессором Мэттом Ландреманом из Мэрилендского университета. Команда Google, работающая вместе с Ландреманом, заявляет, что нашла более широкий класс контрпримеров. Они дают исследователям термоядерного синтеза надёжные эталоны для проверки кодов моделирования стеллараторов.
Редкие заболевания. Исследователи Gamow Labs применили Argon к обезличенным геномам новорождённых с редкими нарушениями развития лёгких. В одном случае он обнаружил хромосомную перестройку, которую годами пропускало обычное программное обеспечение, и объяснил, почему. В закрытых оценках Gamow, построенных на реальных клинических и лабораторных данных, Argon занял первое место в RareBench с результатом 57 процентов (помощь в диагностике редких заболеваний) и в LabBench с результатом 52,2 процента (рассуждения в «мокрой» лаборатории). Обратите внимание: это закрытые, а не публичные оценки.
Дизайн ферментов. Учёные Google совместно с Argon разрабатывали сериновые эстеразы — ферменты, которые разрывают сложноэфирные связи и применяются при переработке отходов, а также в производстве лекарств, биотоплива и моющих средств. Мишенью была эталонная молекула 4MU-acetate, которая светится в ультрафиолете, когда её сложноэфирные связи разрываются. За считаные часы Argon собрал данные, настроил модель и применил фильтры, основанные на биохимии, и пришёл к пяти новым дизайнам. Лабораторные испытания затем подтвердили каталитическую активность у всех этих ферментов.
Google также предлагает 10 000 учёных бесплатно воспользоваться высшим уровнем использования Antigravity в течение шести месяцев. Подключение идёт поэтапно, а доступ зависит от соответствия критериям, наличия мощностей и отбора. Заявки принимаются.
Робототехника: семь бросков в корнхол
Google заявляет, что Argon набирает 87 процентов в бенчмарке на воплощённое мышление ERQA, проверяющем решение физических и пространственных задач в 3D-средах, и что он обходит все остальные передовые модели, опираясь только на рассуждения.
Демонстрация интереснее цифры. В ходе внутреннего теста Argon посмотрел необработанное видео, на котором человек играет в корнхол, определил пространственные координаты, рассчитал движения суставов всего тела и самостоятельно написал код симуляции. Когда его перенесли на гуманоида Apollo от Apptronik, робот в реальных испытаниях попал семь раз подряд.
Google называет это конвейером «Video-to-Sim-to-Real» и говорит, что он сжимает недели ручного моделирования симуляции до нескольких часов. Одна демонстрация — ещё не бенчмарк, но спорить с семью попаданиями подряд трудно.
Заявления о безопасности
Google описывает Argon как модель с самым всеобъемлющим на сегодня набором мер безопасности и защиты и говорит, что сторонние партнёры помогали измерять отдельные возможности и средства защиты. Заявления в рамках её Frontier Safety Framework таковы:
- Защита от злоупотреблений. Многоуровневый набор мер, сочетающий устойчивость к джейлбрейкам, мониторинг и принудительное применение правил. Внешняя биологическая red team смогла разблокировать менее 1 процента проверенных биологических подзадач. На состязательном стресс-тесте число нарушений сократилось почти вдвое по сравнению с более ранними моделями Gemini.
- Меньше обходных путей. Google опасается, что агенты слишком рвутся закончить и идут несанкционированными путями в обход препятствий вроде ошибок прав доступа или падающих тестов. Argon обучили уважать границы системы, честно сообщать о негативных результатах и останавливаться для подтверждения человеком перед необратимыми шагами. В бенчмарках по программированию, где у моделей нет стимула сдерживаться, число попыток срезать путь снизилось до 2 процентов — это лучший результат среди моделей Gemini.
- Мониторинг в реальном времени. Автоматический монитор рассогласования читает пошаговые рассуждения и действия агента и в реальном времени блокирует непреднамеренные обходные решения. Google использовала его во внутренних развёртываниях, оценках возможностей и запусках обучения с подкреплением. Компания говорит, что при обучении не наказывала модель за её «мысли», поэтому рассуждения остаются прозрачными и поддаются мониторингу.
- Prompt injection. Благодаря состязательному обучению и автоматизированной red team Argon лидирует в бенчмарке Gray Swan Indirect Prompt Injection, снизив долю успешных атак при 15 адаптивных попытках до 0,7 процента.
Тем, кому нужна подробная версия, доступна Model Card.
Что обо всём этом думать
Цены — самое проверяемое заявление во всём пакете. Бенчмарки принадлежат Google, научные результаты получены с собственными партнёрами Google, а цифры по безопасности взяты из её собственных тестов. Это не значит, что они неверны. Это значит, что настоящий вердикт вынесут разработчики, которые запустят Argon на своих кодовых базах и выяснят, сколько токенов он при этом сжигает.
Стоит следить за двумя вещами. Первая — что произойдёт, когда вводные цены, по сообщениям, удвоятся в конце ноября, и останется ли модель, более дешёвая за токен, более дешёвой за задачу. Вторая — доступ: Argon открыт платным подписчикам и разработчикам, а о бесплатном тарифе ничего не сказано.
Google также говорит, что Gemini 4 Argon — «это только начало» и что остальные модели семейства Gemini 4 на подходе. После долгого затишья это значимое обещание. Google наконец явилась на гонку, и теперь вопрос в том, сможет ли она продолжать бежать.