Google представила Gemini 4 Argon: ответ до 1 млн токенов, 77,9% в DeepSWE и цена от 2 долларов

Вечером 30 сентября по московскому времени Google объявила о выходе Gemini 4 Argon. Пост в блоге компании написал Корай Кавукчуоглу, старший вице-президент Google DeepMind. Главная цифра — длина ответа: до 1 млн токенов против 64 тысяч у прошлых моделей. Модель уже работает внутри Google и, по словам компании, освободила в её дата-центрах больше 300 ТиБ памяти. Купить доступ пока нельзя: первыми модель получают проверенные специалисты по киберзащите.

Что известно о Gemini 4 Argon

• Ответ до 1 млн токенов. Модель может думать и писать сотни тысяч токенов за один проход. Google объясняет это просто: сложную задачу так проще решить за один заход, без нарезки на куски.
• Доступ. Сейчас модель раздают участникам программы Fairwind — это специалисты по киберзащите. Дальше Google обещает разработчиков, компании и обычных пользователей, первыми — платных клиентов API и подписчиков Google AI Ultra. Даты нет, только «как можно скорее». Параллельно компания участвует в добровольной программе правительства США по доступу к моделям до выпуска.
• Цена API. Стартовая цена действует ограниченное время, потом вдвое выше.

Размер входного окна Google в посте не называет. Каким будет имя модели в API и появится ли она в Gemini, AI Studio или Vertex AI в день открытия, тоже пока не сказано.

Где Argon впереди, а где уступает

Google DeepMind выложила отдельный отчёт с методикой и таблицей сравнения. Результаты чужих моделей там взяты из отчётов самих разработчиков или публичных рейтингов, у Argon часть цифр компания посчитала сама.

Выигрывает Argon не везде. В FrontierSWE v2 он набрал 55,0% против 65,5% у GPT-6 Astra. В Terminal-Bench 4.0 — 57,4% против 66,4% у Claude Opus 5.5. В обучении моделей PostTrainBench — 45,3% против 49,3% у той же Opus 5.5. В работе за компьютером OSWorld 2.0 — 69,2% против 72,6% у GPT-6 Astra. В тесте на исправление уязвимостей CWE-bench v1 у Argon 68%, и это первое место, но общее: столько же у GPT-6 Astra и Grok 4.7 от xAI.

Что Argon уже делает внутри Google

Компания приводит четыре примера из своей работы:

• Память дата-центров. Группа агентов на Argon разобрала данные профилирования по всему парку серверов и сама внесла оптимизации. После выкатки освободилось больше 300 ТиБ памяти, в сумме Google ждёт экономии от 500 ТиБ до 1 ПиБ.
• Квантовые вычисления. На одной из подзадач модель за несколько минут обошла опубликованный ориентир на 40%.
• Перенос кода с C/C++ на Rust. Объёмы — от десятков тысяч строк в библиотеках re2 и libgav1 до 800 с лишним тысяч строк ядра Fuchsia Zircon. Перед выкладкой такие переписывания проходят автоматический и ручной аудит.
• Видеодекодер libgav1. Агенты заменили 32 тысячи строк кода и получили декодер, который работает в 2,7 раза быстрее прежней версии на Rust, а видео на выходе то же самое.

Отдельно Google говорит о киберзащите. Проверенным специалистам модель выдают без ограничений по кибертемам. Компания Wiz уже использует её в бесплатной программе защиты критической общественной инфраструктуры и нашла с ней критическую уязвимость в программах для больниц по всему миру, которая открывала доступ к чувствительным персональным данным. По данным Google, прошлые модели эту уязвимость пропустили.

Перед широким выпуском Google усиливает четыре защиты: от злоупотреблений, от подброшенных команд в чужих текстах (prompt injection), от выхода агента за рамки задачи и на уровне изолированных сред для испытаний. По устойчивости к подброшенным командам Argon лидирует в тесте Gray Swan.

Доступна ли Gemini 4 Argon в России

Пока модель недоступна почти никому, не только в России. Но и после открытия официально подключиться из России не получится: в списке стран, где работают Gemini API и Google AI Studio, России нет.

Что это значит для бизнеса

Для компаний в этом релизе важнее всего не рейтинг, а сдвиг в том, какой объём работы модель берёт за один раз.

Длинный ответ меняет масштаб задачи. При 64 тысячах токенов модель писала функцию или одну страницу отчёта. При миллионе в один проход помещается целый модуль программы, большой договор с приложениями или перенос старого кода на новый язык. Пример Google с 800 тысячами строк показывает, куда всё идёт: переписывание систем, на которое раньше закладывали месяцы.

Агенты берут бизнес-процессы, но не все. 51,3% в AutomationBench — самый высокий результат в таблице и при этом меньше половины задач, доведённых до конца. 19,6% в юридическом тесте — втрое выше соседей, но четыре задачи из пяти модель не решила. Приёмка результата человеком остаётся обязательной, особенно там, где ошибка стоит денег: в договорах и платежах.

Цена кажется низкой, пока идёт вводный период. 2 и 10 долларов за миллион токенов — дешевле, чем 4 и 20 у Claude Opus 5.5, о которой мы писали в новости о её выходе. Но после вводного периода Argon сравняется с ней по цене. Ответ на миллион токенов при полной цене обойдётся в 20 долларов за один заход, а агент делает таких заходов десятки. Считать бюджет стоит сразу по второй цене.

Модели меняются каждый месяц, задачи компании — нет. За сентябрь вышли сразу несколько флагманов, и в каждом тесте лидер свой. Компании нужна работающая программа, интеграция с CRM или доработка 1С, а не модель. Кто-то должен поставить такую задачу, проверить результат и отвечать за выкладку.

Эту часть закрывает IT-специалист КАРАДЕСК — собственный IT-специалист компании в аренду. Он делает прикладные программы и сервисы, сайты, интеграции с CRM и 1С, скрипты и доработку существующих программ. Задачи ему ставят как сотруднику: голосом, текстом в рабочем чате или брифом. Код и документация остаются у клиента, персональные данные клиентов обрабатываются в России, а архитектуру утверждает инженер. Аренда обходится дешевле штатного программиста, стоимость называют после оценки задач. Чем такой специалист отличается от нейросети в чате, разобрано в статье «ИИ-программист: что он делает и где нужен человек».