Gemini 4 Argon Release: 1M sortie jeton, demi-prix plaque Opus, mais vous ne pouvez pas l'utiliser pendant un certain temps

Le 30 septembre, Google DeepMind a officiellement publié Gemini 4 Argon, l'emplacement officiel de la prochaine génération de renseignements frontaliers. C'est le premier modèle de la série Gemini 4 et le premier phare lancé sept mois après Gemini 3.1 Pro en février de cette année. Au milieu de la période, Google n'a envoyé que quelques petits modèles de la série Flash, qui étaient autrefois perçus par le monde extérieur comme tombant d'une concurrence de modèle de première ligne. Argon a répondu -- il n'a pas ouvert la porte pour tout le monde.

Tout d'abord, vous ne pouvez pas l'utiliser maintenant.

Le jour de son lancement, Argon n'a été ouvert qu'aux « cyberdéfenses crédibles » dans le projet Google Fairwind. Ce plan, lancé le 2 septembre, s ' adresse aux gouvernements et aux institutions nationales de mise en réseau, aux principaux opérateurs d ' infrastructure tels que les services médicaux, les télécommunications, l ' énergie et le financement, aux plates-formes technologiques de base et aux laboratoires universitaires qui effectuent des tests d ' analyse comparative défensive. Les demandeurs doivent subir un contrôle, doivent utiliser une certification multifactorielle résistante aux poissons et ne doivent pas partager ou revendre l'accès. Officiellement, il existe actuellement plus de 650 organismes coopérants.

Les clients API et les abonnés Google AI Ultra, puis les développeurs, les entreprises et les consommateurs ordinaires, officiellement appelés « dès que possible », maisPas de date.Je ne sais pas. Ce qui est plus critique, c'est que nous devons être prudents.API modèle ID n'a pas été publié à ce jourIl n'y a pas de cartes modèles et aucune date limite de connaissance. Vous voyez donc un prix comme "$2 input" qui ne peut être compris que comme un prix commercial potentiel officiellement publié, ce qui ne signifie pas qu'il peut être appelé aujourd'hui.

D'ailleurs, cela est compatible avec OpenAI, Anthropic - OpenAI's Daybreak, Anthropic's Project Glasswing, qui verrouille les capacités de cybersécurité les plus fortes du passage contrôlé. Google a également participé au processus d'examen volontaire du gouvernement des États-Unis avant la publication du modèle de première ligne.

Jeton de sortie 1M : ce pari est long

Argon, l'indicateur technique le plus difficile n'est pas le contexte, mais le contexte.Limite de production mentionnée à partir du jeton 64K 1MEt Google dit que c'est l'industrie leader. Attention, sortie, pas entrée.

Cette différence est importante pour la personne qui a fait Agent. Dans le passé, vous vous inquiétiez de combien peut-on lire et maintenant de combien de temps peut-il durer ? Une mission de migration de code à grande échelle peut nécessiter une lecture répétée de l'entrepôt, des changements, des tests en cours, une sortie de lecteur, une reprogrammation et de nouvelles erreurs. Lorsque le budget de production est important, le modèle n'a pas à arrêter le contrôle précoce et le contrôle des retours. Google dit que quand il ya de l'espace pour les modèles de penser en profondeur et générer des centaines de milliers de jetons une étape à une réunion sur la capacité de résoudre un problème.

Mais ne le prenez pas comme une panacée. Le plafond élevé ne signifie pas qu'il se souvient de détails antérieurs, sélectionne les bons outils, les correctifs sont corrects et la vitesse est plus rapide. Ceux-ci dépendent du contexte de l'entrée, du cadre Agent, de la tâche elle-même et du lien d'authentification. Et un haut plafond vous permet de brûler une fortune pour une tentative ratée.En utilisant 1M comme budget par défaut pour chaque demande, le taux n'est pas bon.C'est le niveau de tâche, l'enregistrement de la consommation réelle et l'arrêt rapide des dommages aux tentatives sans progrès mesurables qui sont utilisés.

Run score: Gagnez large, pas tout.

Google a publié des tableaux comparatifs avec GPT-6 Astra, Claude Fable 5.1 et Claude Opus 5.5. Statistiques médiatiques intégrées : sur les 18 points de repère communiqués, Argon était le premier d'un seul 12 et le premier ; Astra était le premier 3 et Opus 5.5 le premier 2. En d'autres termes,Le haut des trois modèles de première ligne, Argon, mais le jeu est toujours en marche.Je ne sais pas.

Lieu de tête:

• DeepSWE v1.177,9 % (projet de logiciel à long cycle réel) supérieur à 74,2 % pour l'Opus 5,5 et 74,1 % pour l'Astra
• Indice de vals(Impacts financiers/programmation/juridiques/fiscaux économiques mesurés par les pondérations du PIB aux États-Unis)
• Automatisation51,3%, premier, 8,8 points de plus que Opus
• Étude comparative sur l'âge de Harvey Law19,6 %, alors qu'Astra n'est que 5,4 %, Opus 5,5 seulement 3,8 % — un taux exagérant, mais notant que la valeur absolue est encore inférieure à 20 % — une augmentation substantielle par rapport à la très faible base peut facilement paraître plus certaine qu'elle ne l'est en réalité.
• LVBnch91,7 %, SOTA
• CWE-bench v168% (installations réparées), d'abord avec Astra

Là où c'est en arrière, c'est pareil :

• FrontierSWE v2Astra 65,5 % contre Argon 55,0 %, 10,5 points
• Science des terminaux 0.1Astra 68,1% vs Argon 57,6%, mêmes 10,5 points
• Établissement terminal 4.066,4 % vs Argon 57,4 %, 9 points
• Après le début de la formation: Obus 49,3% vs Argon 45,3%

C'est pourquoi choisir qui dépend toujours de ce que vous faites. L'exemple de DeepSWE ne signifie pas que FrontierSWE est en tête, avec deux ensembles d'entrepôts de référence, longueurs de mission, langage, comportement des outils.Si votre charge est plus comme FrontierSWE ou des tâches à forte intensité de terminal, il n'y a aucune raison de déplacer Astra et Opus hors des candidats.

Le tiers, l'analyse artificielle, donne l'indice d'intelligence 53 points, qui est le même que GPT-6 Astra et accuse un retard par rapport à Claude Opus 5.5 et Sonet 5.5; par contre, Gemini 3.1 Pro est 30. Fello AI a également mentionné qu'il était dans le modèle de tête testé par l'analyse artificielle.Le taux d'hallucination le plus bas.Oui. En même temps, Bloomberg a rapporté que certains employés de Google ont senti qu'ils étaient encore en difficulté avec la programmation réelle.

Google l'utilise déjà fortement

Plusieurs cas internes ont été cités, la partie la plus informative du texte, car il s'agit de l'atterrissage de l'environnement de production réel plutôt que des parcours de laboratoire:

• Optimisation de l'algorithme quantiqueAider les équipes de calcul quantique à optimiser les ressources en temps et en espace (qubit x gate) pour les applications critiques, un cas dépassant le niveau de référence publié en minutes 40%
• Efficacité mémoire: un groupe d'Argon Agent analyse l'ensemble de la télémétrie de profilage de flotte, identifie et applique automatiquement l'optimisation de la mémoire, libère plus de 300 TIB RAM après diffusion, et prévoit des économies totales de 500 Tib à 1 PiB
• C/C++ Tourner la rouille: Des dizaines de milliers de lignes dans les bibliothèques centrales telles que re2, libgav1 à plus de 800 000 lignes dans le noyau intérieur de Fuchsia OS Zircon. Ces systèmes sont tellement critiques que la réécriture à grande échelle adopte une approche automatisée stricte en matière d'audit manuel, de simulation et d'évaluation avant la production.

Le plus spécifique est le décodeur vidéo libgav1-Google Open Source. Argon Agent prend en charge un port Rust existant, qui est exporté par le biais de multiples séries d'expériences guidées par profil et compilateurs de recherche.Remplace le code SIMD de ligne 32K, le compilateur de sortie peut automatiquement quantifier la sécurité de Rust. Le résultat est un décodore de mémoire sécurisé, comparé à la version originale du port RustAllez, 2,7 fois.La sortie vidéo est exactement la même.

Cybersécurité : le deuxième champ de bataille d'Argon

Argon a été formé pour la cybersécurité.Autodétecter, valider et réparer les omissions clés du logiciel TrouJe ne sais pas. Pour une équipe défensive crédible et Google interne, GoogleEnlève la barrière de sécurité.Envoyez-le et donnez-leur toutes les capacités de défense avant.

Performance découverte: Wiz à travers son Scan for Good plan de protection des infrastructures publiques critiques gratuitement avec Argon, modelé surLe logiciel médical utilisé à l'hôpital mondial a trouvé une lacune grave qui a révélé des renseignements personnels sensibles, et aucun des modèles de première ligne précédents ne l'a trouvé.Je ne sais pas. De plus, Argon a trouvé des expositions dans un dépôt de code complexe couvrant 20 langages de programmation sur un repère composite de l'écart au sein de Google; et dans Wiz sur un repère de test de pénétration de boîte noire, il a dépassé Gemini 3.8 Flash Cyber sur la découverte de surfaces d'attaque, identifiant des failles et produisant des preuves du PoC.

La première livraison du projet Fairwind a été Gemini 3.8 Flash Cyber avec le cadre CodeMender, qui a aidé la défensive à identifier, valider et réparer les failles.

Prix: La moitié du prix commence, puis double

Le prix d'introduction est...Jeton 2 dollars par million, produit 10 dollars95% de réduction sur le prix des entrées pour l'entrée cache, qui est environ 0,10 $/million d'entrée de cacheJe ne sais pas. Augmentation jusqu'à la fin de la période d'introduction 4 entrées US$ / 20 sorties US$, l'entrée cache est d'environ 0,20 $. Google ne dit pas combien de temps cette période d'incorporation est, cependant, la pratique de l'industrie est que — et parfois — ce prix de vente de l'entreprise restera le prix officiel.

Mettre dans la même feuille de prix: Argon dans la période d'introduction est GPT-6 Astra (10/50 $).Un cinquième.Claude Opus 5.5.La moitié.Je ne sais pas. Ce prix à Google deux histoires différentes... La période de promotion est l'un des modèles de tête les moins chers, et la promotion se termine au même prix que l'Opus 5.5.

Portail de sécurité avant la libération.

Google a ajouté des mesures de sécurité avancées dans quatre directions:

• Prévention des abusConçu pour rejeter les réseaux nuisibles et les demandes CBRN tout en conservant la recherche légitime à double usage; amélioration de la technologie pour l'activation interne des modèles de surveillance pour identifier l'utilisation abusive. La clôture a été testée avec une méthode d'attaque manuelle + automatisée par des équipes rouges internes et externes.
• Injection de précautionGoogle décrit Argon comme « le modèle le plus résistant à ce jour pour injecter des conseils indirects ». Gray Swan 's indice de succès IPI 0.7%Comparativement à 1,0% pour Opus 5.5 et Fable 5.1, 8,5% pour GPT-6 Astra, 27,0% pour GPT-6 Sol, 5.3 31,5% pour GLM, et jusqu'à 51,8% pour Grok 4.8 - C'est tout un écart.
• Surveiller l'écart cible.: Surveiller la chaîne de pensée et les actions d'Argon et interrompre l'exécution si nécessaire. Google a utilisé un système similaire au cours du processus de formation pour alerter les équipes d'intervention d'urgence spécialisées et éviter délibérément de reprogrammer les détections pour façonner le raisonnement qui contournerait la surveillance.
• Système de renforcement: Ségrégation et stockage de l'environnement des bacs à sable avant le début de la formation ou de l'évaluation à haut risque, selon la feuille de route Agent Control

L'article "Ne pas donner intentionnellement les résultats de la surveillance à la formation" est l'un des plus beaux mots du bulletin: Il indique un vrai problème : si vous formez des modèles avec des résultats de surveillance, les modèles peuvent apprendre à ne pas être détectés par la surveillance plutôt qu'à ne pas être dispersés.

Et cette libération ?

Pour les entreprises, le but de cette version n'est pas d'être un autre robot de chat, mais pour Google, après plusieurs mois de pression d'OpenAI et d'Anthropic, de répéter qu'il est toujours à la table de devant. Il a été choisi trois gouttes - développement logiciel, expertise professionnelle, sécurité du réseau. C'est exactement là que les entreprises dépensent déjà de l'argent.

Mais il n'a pas besoin d'un "win-win" pour changer le modèle de la concurrence.En 18, le leader ou 13 parallèles sont assez pour amener Google à plaider pour son "grandeur lead"Et ceux qu'il retarde — FrontierSWE v2, Terminal-Bench Science, Terminal-Bench 4.0 — vous rappellent également qu'OpenAI et Anthropic ont encore des domaines techniques clairs.

La conclusion pratique n'est qu'une phrase:Le modèle dépend toujours de votre charge de travail.Prenez votre vrai travail au pilote, et ne prenez pas une bonne descente. Le véritable tournant est quand Argon est ouvert aux développeurs, aux entreprises et aux consommateurs — c'est là que la publication passe de l'actualité à la productivité.

Il n'y a pas de fin à l'avant, seulement le prochain round.