Google начала раскатку Gemini 4 Argon

13 октября Google начала публичную раскатку модели Gemini 4 Argon, анонсированной в конце сентября. Модель доступна в платном API под идентификатором gemini-4-argon, а в приложении Gemini её открывают подписчикам Google AI Pro за $20 и Ultra за $200. Одновременно вышла документация с уточнениями по срокам промо-цены и рискам, выявленным при тестировании.

По спецификации Argon принимает текст, изображения, видео, аудио и PDF, а выдаёт текст. Поддерживаются вызовы инструментов и три уровня рассуждения: Low, Medium и High. В индексе Artificial Analysis версия Argon High набирает 53 балла — столько же, сколько GPT-6 Astra Max, тогда как Claude Opus 5.5 Max с настройкой default fallback получает 58. Это округлённые сводные оценки, и одинаковые баллы не означают равного качества на каждой задаче.

В Code Arena возможный ранг Argon составляет 7–13, поэтому трактовать девятое место как строгую границу между соседними моделями преждевременно. В тесте AA-Omniscience доля галлюцинаций у Argon — 15% против 51% у GPT-6 Astra, но и доля правильных ответов ниже: 50% против 63%. Методика допускает воздержание от ответа, так что модель может реже выдумывать и одновременно отвечать верно на меньшее число вопросов.

До 30 ноября 2026 года действует вводная цена: $2 за миллион входных токенов и $10 за миллион выходных. С 1 декабря ставки вырастут до $4 и $20 соответственно; рассуждения учитываются в оплачиваемом выходе, кешированный вход стоит $0,10 и $0,20 за миллион токенов. По замеру Artificial Analysis, одна задача сводного индекса обходится на Argon примерно в $1,99 против $3,26 у GPT-6 Astra, но при удвоении тарифов та же задача будет стоить $3,98. Argon расходует около 62 тысяч выходных токенов на задачу против 27 тысяч у Astra, поэтому низкая цена отдельного токена не делает модель автоматически экономной.

Google считает Argon потенциально опасной без дополнительных защитных мер: компания не исключает, что модель достигла уровня, на котором может заметно помогать с биологическими угрозами и крупными кибератаками. В биологических испытаниях она давала более полную и практически полезную информацию, чем веб-поиск и ранее проверенные модели. Отдельный результат — 14 из 15 заданий на понимание своей рабочей среды и скрытность, что оценивает способность модели разбираться в условиях работы и обходить базовый надзор.

Релиз всё же состоялся, поскольку Google полагает, что введённая защита снижает оставшийся риск ниже соответствующих порогов. Среди мер названы наблюдение за рассуждениями и действиями агента с возможностью остановить выполнение. Вывод о достаточности защиты делает сама Google, а полный отчёт о безопасности на момент подготовки материала ещё не опубликован.

В демонстрации Google Argon превратил фотографии рабочего стола в миниатюрную гоночную игру Desk Racer, работая в Antigravity: через Blender MCP строились предметы, комната и трасса, текстуры делала Nano Banana, звук двигателя — Gemini Omni Flash, а физику и шейдеры собирали в Three.js. Более прикладной пример — оптимизация Python-фреймворка Google ADK на 205 тысяч строк: после 11 часов работы в режиме /goal модель предложила шесть оптимизаций, из которых приняли две. По замерам разработчиков, время подготовки сессий в памяти сократилось примерно на 40%, импорта пакета — на 21%, однако полное время от запуска процесса до первого запроса к модели не изменилось: 3,07 секунды до правок и 3,09 после.