Čeština

← Zpět na seznam

Gemini 4 Argon Release: 1M output token, half price plate Opus, but you can't use it for a while

itadol5j

On 30 September, Google DeepMind officially released Gemini 4 Argon, the official location of the next generation of frontier intelligence. This is the first model of the Gemini 4 series and the first flagship launched seven months after Gemini 3.1 Pro in February this year. In the middle of the period, Google sent out only a few small models of the Flash series, which were once perceived by the outside world as falling out of a front-line model competition. Argon was responding -- it didn't open the door for everyone.

Gemini 4 Argon

First of all, you can't use it now.

On the day of its launch, Argon was opened only to "credible cyber defences" in the Google Fairwind project. The plan was launched on 2 September and is aimed at Governments and national networking institutions, key infrastructure operators such as medical/telecommunication/energy/finance, core technology platforms and academic laboratories conducting defensive benchmarking tests. Applicants are required to undergo vetting, must use multifactorial fish-resistant certification and must not share or resell access. Officially, there are currently over 650 cooperating agencies.

API clients and Google AI Ultra subscribers, then developers, businesses and ordinary consumers, officially called "as soon as possible," butNo date given.I don't know. What's more critical is that we have to be careful.API model ID has not been published to dateThere are no model cards and no knowledge cut-off dates. So you see a price like "$2 input" that can only be understood as an officially published prospective commercial pricing, which doesn't mean it can be called today.

By the way, this is consistent with OpenAI, Anthropic - OpenAI's Daybreak, Anthropic's Project Glasswing, all locking up the strongest cyber security capabilities in the controlled passage. Google also participated in the United States Government's voluntary review process prior to the release of the front-line model.

Gemini 4 Argon Specification

1M output token: this bet is long

Argon, the hardest technical indicator is not context, but context.Output limit mentioned from 64K 1M tokenAnd Google says it's industry leading. Attention, output, not input.

This difference is important for the person who did Agent. In the past, you were concerned about “how much can be read” and now about “how long can it last?” A large-scale code migration mission may require repeated reading of the warehouse, changes, running tests, reader output, reprogramming and new errors. When the output budget is large, the model does not have to stop early and return control. Google says that when there is space for models to think in depth and generate hundreds of thousands of tokens one step at a meeting on the ability to solve a problem.

But don't take it as a panacea. The high ceiling does not mean that it remembers earlier details, selects the right tools, patches are right and speed is faster. These depend on the context of the input, the Agent framework, the task itself and the authentication link. And a high ceiling allows you to burn a fortune for a failed attempt.Using 1M as the default budget for each request, the rate is not good.It is the task level, the recording of actual consumption and the timely cessation of damage to attempts without measurable progress that are used.

Run score: Win wide, not all.

Google published comparative tables with GPT-6 Astra, Claude Fable 5.1 and Claude Opus 5.5. Integrated media statistics: out of the 18 benchmarks disclosed, Argon was the first of a single 12 and was the first; Astra was the first 3 and Opus 5.5 was the first 2. In other words,The top of the three front-line models, Argon, but the game is still on.I don't know.

Lead places:

  • DeepSWE v1.177.9 per cent (real long-cycle software project) higher than 74.2 per cent for Opus 5.5 and 74.1 per cent for Astra
  • Vals Index(Financial/programming/legal/tax economic impact as measured by GDP weights in the United States)
  • AutomationBech51.3%, first, 8.8 points higher than Opus
  • Harvey Law Age Benchmark19,6%, zatímco Astra pouze 5,4%, Opus 5,5 pouze 3,8% - přehánějící rychlost, ale podotýká, že absolutní hodnota je stále méně než 20% - "podstatný nárůst od velmi nízké základny" se může snadno zdát jistější, než je ve skutečnosti.
  • LVBnch91, 7%, SOTA
  • CWE-lavice v168% (opravené zařízení), první s Astra

Kde je to vzadu, je to stejné:

  • FrontierSWE v2Astra 65,5% vs Argon 55.0%, 10,5 body
  • Terminal- Bench Science 0.1Astra 68,1% vs Argon 57, 6%, stejné 10, 5 bodů
  • Terminální lavice 4.067, 4% vs Argon 57, 4%, 9 bodů
  • PostTrainBenchObus 49, 3% vs Argon 45, 3%

To je důvod, proč si vybrat, kdo stále závisí na tom, co děláte. Vedení DeepSWE neznamená, že FrontierSWE je ve vedení, se dvěma sadami srovnávaných skladů, délky mise, jazyk, chování nástrojů.Pokud je váš náklad spíše jako FrontierSWE nebo terminální-intenzivní úkoly, není důvod, aby se Astra a Opus z kandidátů.

Třetí strana, Umělá analýza, dává Inteligence Index 53 bodů, který je stejný jako GPT-6 Astra a zaostává za Claude Opus 5.5 a Sonet 5.5; na rozdíl od Gemini 3.1 Pro je 30. Fello AI také zmínil, že to bylo v čele modelu testované umělé analýzy.Nejnižší stupeň halucinace.Jo. Bloomberg zároveň oznámil, že někteří zaměstnanci Google mají pocit, že stále bojují se skutečným programováním.

Google ji již používá silně

Bylo zmíněno několik interních případů, což je nejvíce informativní část textu, protože jde o přistání skutečného produkčního prostředí spíše než o laboratorní běh:

  • Optimalizace kvantového algoritmuPomáhá týmu kvantových kalkulaček optimalizovat časové a prostorové zdroje (qubit x gate) pro kritické aplikace, jeden případ překračující publikovanou základní hodnotu v minutách 40%
  • Účinnost paměti: skupina Argon Agent analyzuje celý vozový park profilování telemetrie, automaticky identifikovat a použít optimalizaci paměti, uvolnit více než 300 TiB RAM po rozšíření, a očekávat celkové úspory 500 Tib na 1 PiB
  • C / C + + Turn Rust: Z desítek tisíc řádků v hlavních knihovnách, jako je re2, libgav1 na více než 800 000 řádků ve Fuchsia OS Zircon vnitřní jádro. Tyto systémy jsou tak kritické, že přepisování v měřítku largescale má před výrobou striktní automatický přístup k ručnímu auditu, simulačnímu testování a hodnocení.

Nejkonkrétnější je libgav1-Google Open Source Video dekodér. Argon Agent přebírá stávající Rust port, který je vyvážen prostřednictvím několika kol profile-vedených experimentů a výzkumných kompilátorů.Nahrazený kód SIMD řady 32K, Výstupní kompilátor může automaticky kvantifikovat bezpečnost Rust. Výsledkem je bezpečný dekodér paměti, ve srovnání s původní verzí Rust portuNo tak, 2,7 krát.Video výstup je úplně stejný.

Srovnání základny Gemini 4 Argon

Cybersecurity: Argonovo druhé hlavní bitevní pole

Argon byl vycvičen pro kybernetickou bezpečnost.Self- detect, validovat a opravit klíč software opomenutí DíraNevím. Pro důvěryhodný obranný a Google vnitřní tým, Google budeSundej ten plot.Pošli to a dej jim všechny obranné schopnosti.

Objevený výkon: Wiz prostřednictvím svého skenu pro dobrý plán na ochranu kritické veřejné infrastruktury zdarma s Argon, modelováno naLékařský software používaný v Global Hospital našel vážnou mezeru, která odhalila citlivé osobní informace, a žádný z předchozích modelů ji nenašel.Nevím. Kromě toho Argon našel expozice v komplexním úložišti kódu pokrývajícím 20 programovacích jazyků na složené mezery v rámci Google; a ve Wiz na černém box penetrační test referenční, to překročilo Gemini 3.8 Flash Cyber na objevení útočných povrchů, identifikace mezery, a výrobu PoC důkazy.

První dodávka projektu Fairwind byla Gemini 3.8 Flash Cyber s rámcem CodeMender, který pomohl defenzivní identifikovat, validovat a opravit mezery.

Cena: Polovina cena začíná, pak dvojnásobek

Úvodní cena je...Token 2 dolary na milion, výstup 10 dolarů95% sleva na vstupní cenu pro vstup cache, což je asi $0.10 / million cache inputNevím. Zvýšení na konec zaváděcího období US $4 vstup / US $20 výstup, cache vstup je asi $0,20. Společnost Google neříká, jak dlouho je však toto "inkorporační období" výrobní praxí, že - a někdy - tato "prodaná cena" zůstane oficiální cenou.

Dejte to do stejného cenového listu: Argon v úvodu období je GPT-6 Astra ($10 / 50).Jedna pětina.Claude Opus 5.5.Polovina.Nevím. Tato cena Google dva různé příběhy... Propagační období je jedním z nejlevnějších modelů hlavy a propagace končí za stejnou cenu jako Opus 5.5.

Bezpečnostní brána před propuštěním.

Google přidal dopředu bezpečnostní opatření ve čtyřech směrech:

  • Prevence zneužíváníNavrženy tak, aby odmítly škodlivé sítě a žádosti CBRN při zachování legitimního výzkumu dvojího užití; lepší technologie pro vnitřní aktivaci modelů dozoru za účelem zjištění zneužití. Plot byl testován manuální a automatickou útočnou metodou interními i externími červenými týmy.
  • Preventivní vstřikováníGoogle popisuje Argon jako "dosud nejodolnější model pro aplikaci nepřímých tipů". Referenční hodnota IPI Gray Swan 0.7%Ve srovnání s 1,0% pro Opus 5.5 a Fable 5.1, 8,5% pro GPT- 6 Astra, 27,0% pro GPT- 6 Sol, 5,3 31.5% pro GLM a až 51,8% pro Grok 4.8 - Je to docela mezera.
  • Sledovat odchylku cíle.: Monitorovat myšlenkový řetězec a činnost Argonu a přerušit provedení v případě potřeby. Společnost Google během výcviku použila podobný systém, aby upozornila specializované zásahové týmy a záměrně se vyhnula přesměrování detekcí, aby utvářela uvažování, které by obcházelo dohled.
  • Posilovací systém: Segregace a skladování prostředí pískoviště před zahájením výcviku nebo hodnocení s vysokým rizikem, podle mapy Agent Control Road

Článek "Úmyslně neschopný vrátit výsledky sledování zpět do tréninku" je jedním z nejkrásnějších slov bulletinu: To ukazuje na skutečný problém: pokud trénujete modely s výsledky sledování, modely se mohou naučit "jak nebýt detekovány sledováním" spíše než "jak se nerozptylovat".

A co tohle propuštění?

Pro firmy, cílem tohoto vydání není být další chat robot, ale Google, po několika měsících tlaku z OpenAI a Anthropic, aby znovu dokázat, že je stále u hlavního stolu. Vybrané tři kapky -- vývoj softwaru, odborné znalosti, zabezpečení sítě. Přesně tam firmy utrácejí peníze.

Nepotřebuje však "win-win", aby změnila strukturu hospodářské soutěže.V 18, vedení nebo 13 paralely stačí k tomu, aby Google obhajovat jeho "rozšíření vedení"A ty, které zaostávají za - FrontierSWE v2, Terminal- Bench Science, Terminal- Bench 4.0 - také připomíná, že OpenAI a Antropic mají stále jasné technické oblasti.

Praktický závěr je pouze jedna věta:Model je stále závislý na vaší pracovní zátěži.Vezmi svou skutečnou práci k pilotovi, a nedělej pěkný rozjezd. Skutečný povodí je, když je Argon otevřen developerům, podnikům a spotřebitelům - tehdy se uvolňování přesouvá od zpráv k produktivitě.

Předek nemá konec, jen další kolo.