Gemini 4 Argon Release: 1M token, half price plate Opus, pero no se puede utilizar por un tiempo

El 30 de septiembre, Google DeepMind publicó oficialmente a Gemini 4 Argon, la ubicación oficial de la próxima generación de inteligencia fronteriza. Este es el primer modelo de la serie Gemini 4 y el primer buque insignia lanzado siete meses después de Gemini 3.1 Pro en febrero de este año. En medio del período, Google envió sólo unos pocos modelos pequeños de la serie Flash, que una vez fueron percibidos por el mundo exterior como cayendo de una competencia de modelo de primera línea. Argon respondió... no abrió la puerta para todos.

En primer lugar, no puedes usarlo ahora.

El día de su lanzamiento, Argon fue abierto sólo a "creibles defensas cibernéticas" en el proyecto de Google Fairwind. El plan se puso en marcha el 2 de septiembre y tiene por objeto los gobiernos y las instituciones nacionales de redes, los principales operadores de infraestructura, como los servicios médicos/telecomunicación/energía/finanza, las plataformas de tecnología básica y los laboratorios académicos que realizan pruebas de referencia defensivas. Los solicitantes deben someterse a una investigación, deben utilizar la certificación multifactorial resistente a los peces y no deben compartir ni revender el acceso. Oficialmente, actualmente hay más de 650 organismos cooperantes.

Clientes de API y suscriptores de Google AI Ultra, luego desarrolladores, empresas y consumidores comunes, oficialmente llamados "tan pronto como sea posible", peroSin fecha.No lo sé. Lo más crítico es que tenemos que tener cuidado.API model ID no se ha publicado hasta la fechaNo hay tarjetas modelo ni fechas de corte de conocimiento. Así que usted ve un precio como "$2 entrada" que sólo se puede entender como un precio comercial prospectivo publicado oficialmente, lo que no significa que se puede llamar hoy.

Por cierto, esto es consistente con OpenAI, Antrópico - OpenAI's Daybreak, Anthropic's Project Glasswing, todo lo que bloquea las capacidades de seguridad cibernética más fuertes en el paso controlado. Google también participó en el proceso de revisión voluntaria del Gobierno de los Estados Unidos antes de la liberación del modelo de primera línea.

1M token de salida: esta apuesta es larga

Argon, el indicador técnico más difícil no es contexto, sino contexto.Plazo de salida mencionado de 64K 1M tokenY Google dice que es líder de la industria. Atención, salida, no entrada.

Esta diferencia es importante para la persona que hizo el agente. En el pasado, usted estaba preocupado por “cuánto se puede leer” y ahora acerca de “cuánto tiempo puede durar?” Una misión de migración de códigos a gran escala puede requerir lectura repetida del almacén, cambios, pruebas de funcionamiento, salida del lector, reprogramación y nuevos errores. Cuando el presupuesto de salida es grande, el modelo no tiene que parar temprano y el control de retorno. Google dice que cuando hay espacio para que los modelos piensen en profundidad y generen cientos de miles de fichas un paso en una reunión sobre la capacidad de resolver un problema.

Pero no lo tomes como una panacea. El techo alto no significa que recuerde detalles anteriores, selecciona las herramientas correctas, los parches son correctos y la velocidad es más rápida. Estos dependen del contexto de la entrada, el marco del Agente, la tarea misma y el enlace de autenticación. Y un techo alto te permite quemar una fortuna por un intento fallido.Utilizando 1M como presupuesto por defecto para cada solicitud, la tasa no es buena.Es el nivel de tarea, el registro del consumo real y el cese oportuno de los daños a los intentos sin un progreso mensurable que se utilizan.

Resultado: Ganar ancho, no todos.

Google publicó tablas comparativas con GPT-6 Astra, Claude Fable 5.1 y Claude Opus 5.5. Estadísticas integradas de medios: de los 18 puntos de referencia divulgados, Argon fue el primero de un solo 12 y fue el primero; Astra fue el primero 3 y Opus 5.5 fue el primero 2. En otras palabras,La parte superior de los tres modelos de primera línea, Argon, pero el juego sigue en pie.No lo sé.

Lugares principales:

• DeepSWE v1.177,9% (proyecto real de software de ciclo largo) superior al 74,2% para el Opus 5,5 y 74,1% para Astra
• Índice de valores(Efecto económico financiero/programación/legal/trabajo medido por pesos del PIB en los Estados Unidos)
• AutomatizaciónBech51,3%, primero, 8,8 puntos más alto que Opus
• Harvey Law Age Benchmark19,6%, mientras que Astra sólo 5,4%, Opus 5,5 sólo 3,8%, una tasa exagerada, pero señalando que el valor absoluto sigue siendo inferior al 20%, “un aumento sustancial de la base muy baja” puede parecer fácilmente más seguro de lo que es en realidad.
• LVBnch91,7%, SOTA
• CWE-bench v168% (facilidades reparadas), primero con Astra

Donde está al revés, es lo mismo:

• FrontierSWE v2Astra 65,5% vs Argon 5,5%, 10,5 puntos
• Terminal-Bench Science 0.1Astra 68,1% vs Argon 57,6%, los mismos 10,5 puntos
• Terminal de banco 4.066,4% vs Argon 57,4%, 9 puntos
• PostTrainBench: Obus 49.3% vs Argon 45.3%

Es por eso que elegir quién todavía depende de lo que haces. El plomo de DeepSWE no significa que FrontierSWE esté al frente, con dos conjuntos de almacenes de referencia, longitudes de misión, lenguaje, comportamiento de herramientas.Si su carga es más como FrontierSWE o tareas de gran intensidad terminal, no hay razón para mover Astra y Opus de los candidatos.

El tercero, Análisis Artificial, da el índice de Inteligence 53 puntos, que es el mismo que GPT-6 Astra y se retrasa detrás de Claude Opus 5.5 y Sonet 5.5; por el contrario, Gemini 3.1 Pro es 30. Fello AI también mencionó que estaba en el modelo de cabeza probado por el Análisis Artificial.La tasa de alucinación más baja.Sí. Al mismo tiempo, Bloomberg informó que algunos funcionarios de Google sentían que todavía estaban luchando con la programación real.

Google ya lo está usando fuertemente

Se han citado varios casos internos, la parte más informativa del texto, ya que son el aterrizaje del entorno de producción real en lugar de las carreras de laboratorio:

• Optimización del algoritmo cuánticoAyudar a los equipos de calculadora cuántica a optimizar los recursos de tiempo y espacio (qubit x gate) para aplicaciones críticas, un caso que supera la base publicada en minutos 40%
• Eficiencia de la memoria: un grupo de Argon Agent analiza toda la flota profiling telemetry, identifica y aplica automáticamente la optimización de la memoria, libera más de 300 TiB RAM después de la propagación, y espera un ahorro total de 500 Tib a 1 PiB
• C/C++ Turn Rust: De las decenas de miles de líneas en bibliotecas centrales como re2, libgav1 a más de 800.000 líneas en el núcleo interior de Fuchsia OS Zircon. Estos sistemas son tan críticos que la reescritura a gran escala adopta un estricto enfoque automatizado para la auditoría manual, pruebas de simulación y evaluación antes de la producción.

El más específico es libgav1-Google Open Source Video decodificador. Argon El agente toma un puerto Rust existente, que se exporta a través de múltiples rondas de experimentos guiados por perfiles y compiladores de investigación.Código SIMD de 32K Line, el compilador de salida puede cuantificar automáticamente la seguridad de Rust. El resultado es un decodificador de memoria seguro, en comparación con la versión original del puerto de RustVamos, 2,7 veces.La salida de vídeo es exactamente la misma.

Ciberseguridad: segundo campo de batalla principal de Argon

Argon ha sido entrenado para la seguridad cibernética.Autodetecta, valida y repara las omisiones de software claveNo lo sé. A un equipo defensivo creíble y interna de Google, Google lo haráQuítate la valla de seguridad.Envíenlo y denles todas las capacidades de defensa.

Rendimiento descubierto: Wiz a través de su Scan for Good plan para proteger la infraestructura pública crítica de forma gratuita con Argon, modelado enEl software médico utilizado en el Hospital Global encontró un vacío serio que exponía información personal sensible, y ninguno de los modelos anteriores de primera línea lo encontró.No lo sé. Además, Argon encontró exposiciones en un repositorio de código complejo que abarca 20 idiomas de programación en un punto de referencia de brecha compuesto dentro de Google; y en Wiz en un punto de referencia de prueba de penetración de caja negra, superó Gemini 3.8 Flash Cyber en el descubrimiento de superficies de ataque, identificando lagunas y produciendo evidencia PoC.

La primera entrega del proyecto Fairwind fue Gemini 3.8 Flash Cyber con el marco CodeMender, que ayudó a la defensiva a identificar, validar y reparar las lagunas.

Precio: El precio medio comienza, luego doble

El precio de introducción es...Token 2 dólares por millón, salida 10 dólares95% de descuento en el precio de entrada para la entrada de caché, que es aproximadamente Entrada de caché de 0,10 dólaresNo lo sé. Aumento al final del período de introducción US$ 4 input / US$ 20 output, la entrada de caché es aproximadamente $0.20. Google no dice cuánto tiempo este “período de incorporación” es, sin embargo, la práctica de la industria es que — y a veces — este “precio viejo” seguirá siendo el precio oficial.

Ponlo en la misma hoja de precio: Argon en el período de introducción es GPT-6 Astra (10/50 dólares).Una quinta.Claude Opus 5.5.La mitad.No lo sé. Este precio a Google dos historias diferentes... El período de promoción es uno de los modelos de cabeza más baratos, y la promoción termina al mismo precio que el Opus 5.5.

Puerta de seguridad antes de la liberación.

Google agregó medidas de seguridad en cuatro direcciones:

• Prevención de los abusosDiseñado para rechazar las redes dañinas y las solicitudes de CBRN al tiempo que conserva la investigación legítima de doble uso; mejora de la tecnología para la activación interna de los modelos de vigilancia para identificar el uso indebido. La valla fue probada con un método de ataque manual + automatizado por equipos rojos internos y externos.
• Inyección preventivaGoogle describe Argon como "el modelo más resistente hasta la fecha para inyectar consejos indirectos". Gray Swan 's IPI tasa de éxito de referencia 0.7%Comparado con 1,0% para Opus 5.5 y Fable 5.1, 8,5% para GPT-6 Astra, 27,0% para GPT-6 Sol, 5,3 31,5% para GLM, y hasta 51,8% para Grok 4,8 - Es una brecha bastante.
• Monitorear la desviación de objetivos.: Supervisar la cadena de pensamiento y las acciones de Argon e interrumpir la ejecución si es necesario. Google utilizó un sistema similar durante el proceso de capacitación para alertar a los equipos especializados de respuesta de emergencia y evitar deliberadamente la desviación de detección para configurar el razonamiento que eludiría la vigilancia.
• Sistema de ejecución: Segregación y almacenamiento del entorno de caja de arena antes del comienzo de la formación o evaluación de alto riesgo, según la Hoja de Ruta de Control de Agentes

El artículo "Intentally failing to feed surveillance findings back to training" es una de las palabras más bellas del boletín: Indica un problema real: si entrenas modelos con resultados de vigilancia, los modelos pueden aprender “cómo no ser detectados por vigilancia” en lugar de “cómo no ser dispersados”.

¿Qué hay de esta liberación?

Para las empresas, el punto de este lanzamiento no es ser otro robot de chat, sino para Google, después de varios meses de presión de OpenAI y Anthropic, para volver a probar que todavía está en la mesa delantera. Es elegido tres gotas: desarrollo de software, experiencia profesional, seguridad de red. Ahí es exactamente donde las empresas ya están gastando dinero.

Pero no necesita una “ganada” para cambiar el patrón de la competencia.En 18, el plomo o 13 paralelos son suficientes para que Google pueda abogar por su "cabeza de ampliación"Y los que está retrasado — FrontierSWE v2, Terminal-Bench Science, Terminal-Bench 4.0— también le recuerda que OpenAI y Antropopic todavía tienen áreas técnicas claras.

La conclusión práctica es sólo una oración:El modelo sigue dependiendo de su carga de trabajo.Lleva tu verdadero trabajo al piloto, y no te hagas una buena pelea. La verdadera cuenca es cuando Argon está abierto a desarrolladores, empresas y consumidores, es cuando la liberación pasa de noticias a productividad.

No hay fin en el frente, sólo en la siguiente ronda.