Google объявила о выпуске флагманской модели искусственного интеллекта Gemini 4 Argon. Система предназначена для сложных инженерных задач, программирования и кибербезопасности и уже начала передаваться первым доверенным партнёрам.

Google официально представила Gemini 4 Argon — новую флагманскую модель искусственного интеллекта. Компания позиционирует её как архитектуру нового поколения в конкуренции с OpenAI и Anthropic.

Запуск состоялся после нескольких месяцев задержек и внутренней реструктуризации. В Google изменилось руководство лабораторий искусственного интеллекта, а планы по выпуску промежуточной версии Gemini 3.5 Pro были отменены.

Argon масштабнее предыдущих моделей серии Pro и рассчитан на выполнение сложных операций. В тестах по программированию и кибербезопасности система сопоставима с ведущими решениями конкурентов, включая GPT-6 Astra, Claude Fable 5.1 и Claude Opus 5.5. При этом на части показателей, связанных с разработкой программного обеспечения, модель всё ещё уступает некоторым конкурентам.

Gemini 4 Argon пока недоступен для всех пользователей приложения Google Gemini и поисковика Google. Распространение проходит поэтапно: сначала модель получили отдельные партнёры из сферы кибербезопасности. Кроме того, её предоставили для оценки в рамках добровольной правительственной программы в США.

Будущая коммерческая стоимость составит 2 доллара за 1 млн входных токенов и 10 долларов за 1 млн выходных токенов. Для кэшированных токенов предусмотрена скидка 95%.

Модель поддерживает длинные контексты и способна обрабатывать до 1 млн выходных токенов — против 64 тыс. у предыдущих решений. По замыслу Google, это позволяет системе дольше выполнять рассуждения в рамках одного цикла и решать более сложные задачи программирования.

Внутреннее применение Argon в Google уже помогло автоматизировать часть работы разработчиков. При оптимизации квантовых алгоритмов модель улучшила базовые результаты на 40%. Автономные агенты также проанализировали профилирование памяти в дата-центрах компании. Это позволило высвободить более 300 TiB дискового пространства, а потенциальный объём освобождения оценивается до 1 PiB.

Одной из наиболее сложных задач стала миграция крупных проектов с C и C++ на более безопасный язык Rust. Работы охватывали от десятков тысяч строк в библиотеках re2 до более 800 тыс. строк в ядре Fuchsia Zircon.

В проекте libgav1 агенты выполнили оптимизацию SIMD: они заменили 32 тыс. строк кода и добились ускорения видеодекодера в 2,7 раза. Производительность модели также характеризует результат 77,9% в тесте DeepSWE v1.1.

Argon применим не только к программированию, но и к экономическому и юридическому анализу, а также к интерпретации видеоматериалов. В тесте LVBench модель получила результат 91,7%.

В сфере кибербезопасности Gemini 4 Argon адаптирован для автономного обнаружения, проверки и устранения уязвимостей в программном обеспечении. Доверенным организациям предоставили специальные версии модели без стандартных защитных ограничений, чтобы они могли использовать её возможности для обороны.

В рамках сотрудничества с компанией Wiz инструмент на базе Gemini 4 обнаружил критическую уязвимость в программном обеспечении для больниц. По заявлению Google, он показал более высокую эффективность по сравнению с предыдущими моделями.

В тесте CWE-bench v1 новый вариант Gemini занял первое место с результатом 68%. Он превзошёл прежнюю модель 3.8 Flash Cyber в разведке и подготовке так называемых доказательств работоспособности концепции.

Модель умеет выявлять уязвимости в коде на 20 языках программирования, а также анализировать сетевые системы без доступа к их исходному коду.

Для предотвращения злоупотреблений Google добавила защиту от использования искусственного интеллекта в биологических, химических и ядерных атаках. Компания также внедрила постоянный мониторинг внутренних активаций модели и механизмы против скрытых атак типа prompt injection. Эти меры, как утверждается, подтверждаются высокими результатами в тестах Gray Swan.

Кроме того, Google разработала системы наблюдения за процессом рассуждений модели, чтобы выявлять отклонение от заданного сценария, и обеспечила изоляцию тестовых сред.