Gemini 4 Argon Lepaskan: 1M token output, setengah harga plat Opus, tetapi Anda tidak dapat menggunakannya untuk sementara waktu

Pada 30 September, Google DeepMind resmi merilis Gemini 4 Argon, lokasi resmi dari generasi berikutnya intelijen perbatasan. Ini adalah model pertama dari 4 seri Gemini dan kapal pertama diluncurkan tujuh bulan setelah Gemini 3.1 Pro pada Februari tahun ini. Pada pertengahan periode, Google mengirimkan hanya beberapa model kecil dari serial Flash, yang pernah dirasakan oleh dunia luar sebagai jatuh dari kompetisi model garis depan. Argon menanggapi -- pintu itu tidak membuka untuk semua orang.

Pertama-tama, Anda tidak dapat menggunakannya sekarang.

Pada hari peluncurannya, Argon hanya dibuka untuk "pertahanan cyber kredibel" di proyek Google Fairwind. Rencana ini diluncurkan pada 2 September dan ditujukan pada Pemerintah dan lembaga jaringan nasional, operator infrastruktur kunci seperti tes standar medis / telekomunikasi / energi / finansial, platform teknologi inti dan laboratorium akademik melakukan tes standard. Para pelamar diperlukan untuk menjalani pemeriksaan, harus menggunakan sertifikasi tahan ikan multifaktorial dan tidak boleh berbagi atau menjual kembali akses. Secara resmi, saat ini ada lebih dari 650 agensi yang bekerja sama.

Klien API dan Google AI Ultra pelanggan, kemudian pengembang, bisnis dan konsumen biasa, secara resmi disebut "sesegera mungkin", tapiTidak diberikan tanggal.Aku tidak tahu. Apa yang lebih penting adalah bahwa kita harus berhati-hati.ID model API belum dipublikasikan sampai saat iniTidak ada kartu model dan tidak ada tanggal pemotongan pengetahuan. Jadi Anda melihat harga seperti "$2 masukan" yang hanya dapat dipahami sebagai harga komersial resmi diterbitkan, yang tidak berarti itu dapat disebut hari ini.

By the way, ini konsisten dengan OpenAI, Anthropic - OpenAI 's Daybreak, Proyek Anthropic Glasswing, semua mengunci yang terkuat kemampuan keamanan cyber dalam bagian yang dikendalikan. Google juga berpartisipasi dalam proses tinjauan sukarela Pemerintah Amerika Serikat sebelum rilis model garis depan.

1M token keluaran: taruhan ini panjang

Argon, indikator teknis tersulit bukanlah konteks, tapi konteks.Batas keluaran disebutkan dari 64K 1M tokenDan Google mengatakan itu terkemuka industri. Perhatian, keluaran, bukan masukan.

Perbedaan ini penting bagi orang yang membunuh Agen. Di masa lalu, Anda prihatin tentang "berapa banyak yang dapat dibaca" dan sekarang tentang "berapa lama itu bisa bertahan?" Large- skala kode misi migrasi mungkin memerlukan membaca berulang dari gudang, perubahan, tes berjalan, keluaran pembaca, pemrograman ulang dan kesalahan baru. Ketika anggaran output besar, model tidak harus berhenti awal dan kembali kontrol. Google mengatakan bahwa ketika ada ruang untuk model untuk berpikir dalam-dalam dan menghasilkan ratusan ribu token satu langkah pada pertemuan pada kemampuan untuk memecahkan masalah.

Tapi jangan anggap itu sebagai obat bius. Langit-langit tinggi tidak berarti bahwa itu ingat rincian sebelumnya, memilih alat yang tepat, patch benar dan kecepatan lebih cepat. Ini tergantung pada konteks input, kerangka kerja Agen, tugas itu sendiri dan link otentikasi. Dan langit-langit tinggi memungkinkan Anda untuk membakar keberuntungan untuk upaya gagal.Menggunakan 1M sebagai anggaran baku untuk setiap permintaan, ratingnya tidak baik.Ini adalah tingkat tugas, rekaman konsumsi yang sebenarnya dan waktu penghentian kerusakan untuk mencoba tanpa ukuran kemajuan yang digunakan.

Jalankan skor: menang lebar, tidak semua.

Google menerbitkan tabel perbandingan dengan GPT-6 Astra, Claude Fable 5.1 dan Claude Opus 5.5. Statistik media terpadu: dari 18 benchmark diungkapkan, Argon adalah yang pertama dari 12 tunggal dan yang pertama; Astra adalah 3 pertama dan Opus 5.5 adalah 2 pertama. Dengan kata lain,Bagian atas dari tiga model garis depan, Argon, tapi permainan masih berlangsung.Aku tidak tahu.

Tempat utama:

• DeepSWE v1.177.9 persen (real long- cycle software project) lebih tinggi dari 74.2 persen untuk Opus 5.5 dan 74.1 persen untuk Astra
• Indeks Vals(Financial / programming / legal / tax ekonomi dampak yang diukur oleh beban PDB di Amerika Serikat)
• Audisi Bech51,3%, pertama, 8,8 poin lebih tinggi dari Opus
• Harvey Law Age Benchmark19.6 persen, sedangkan Astra hanya 5,4 persen, Opus 5.5 hanya 3.8 persen - tingkat yang berlebihan, tetapi mencatat bahwa nilai absolut masih kurang dari 20 persen - "peningkatan substansial dari dasar yang sangat rendah" dapat dengan mudah muncul lebih pasti daripada sebenarnya.
• LVBnch91.7%, SOTA
• CWE- bangku v168% (fasilitas diperbaiki), pertama dengan Astra

Di mana itu mundur, itu sama:

• FrontierSWE v2Astra 65.5% vs Argon 55.0 per sen, 10,5 poin
• Terminal- Bench Sains 0.1Astra 68.1% vs Argon 57.6%, sama 10,5 poin
• Terminal- bangku 4.066.4% vs Argon 57.4%, 9 poin
• PostTrainBench: Obus 49.3% vs Argon 45.3%

Itu sebabnya memilih siapa yang masih tergantung pada apa yang Anda lakukan. Petunjuk DeepSWE bukan berarti FrontierSWE memimpin, dengan dua set gudang kosong, panjang misi, bahasa, perilaku alat.Jika beban Anda lebih seperti FrontierSWE atau tugas terminsial, tidak ada alasan untuk memindahkan Astra dan Opus keluar dari kandidat.

Pihak ketiga, Analisis Artificial, memberikan Indeks Inteligence 53 poin, yang sama dengan GPT-6 Astra di belakang Claude Opus 5.5 dan Sonet 5.5; dengan kontras, Gemini 3.1 Pro adalah 30. Fello AI juga disebutkan itu dalam model kepala diuji oleh Mantificial Analisis.Tingkat halusinasi terendah.Ya. Pada saat yang sama, Bloomberg melaporkan bahwa beberapa staf Google merasa bahwa mereka masih berjuang dengan pemrograman nyata.

Google is already using it heavily

Beberapa kasus internal telah dikutip, bagian yang paling informatif dari teks, karena mereka adalah pendaratan dari lingkungan produksi nyata daripada menjalankan laboratorium:

• Optimisasi algoritma kuantumMembantu tim kalkulator kuantum untuk mengoptimalkan sumber daya ruang dan waktu (qubit x gerbang) untuk aplikasi kritis, satu kasus melebihi baseline yang diterbitkan dalam menit 40%
• Efisiensi Memori: sebuah grup dari Argon Agent menganalisis seluruh armada profiling telemetri, secara otomatis mengidentifikasi dan menerapkan optimasi memori, rilis lebih dari 300 TiB RAM setelah menyebar, dan mengharapkan total tabungan 500 Tib sampai 1 PiB
• C / C + + Turn Rust: Dari puluhan ribu baris dalam pustaka inti seperti re2, libgav1 lebih dari 800.000 baris di inti dalam OS Fuchsia Zircon. Sistem-sistem ini sangat penting sehingga penulisan ulang skala besar memerlukan pendekatan otomatis yang ketat untuk audit manual, pengujian simulasi dan evaluasi sebelum produksi.

Yang paling spesifik adalah libgav1-Google Open Source Video decoder. Argon Agen mengambil alih pelabuhan Rust yang sudah ada, yang diekspor melalui beberapa putaran percobaan profile- dipandu dan kompiler penelitian.Mengganti Kode SIMD Baris 32K, kompiler keluaran secara otomatis dapat mengukur keamanan Rust. Hasilnya adalah decodor memori yang aman, dibandingkan dengan versi port Rust asliAyo, 2.7 kali.Keluaran video persis sama.

Cybersecurity: medan tempur utama Argon kedua

Argon telah dilatih untuk keamanan cyber.Mendeteksi sendiri, memvalidasi dan memperbaiki kunci perangkat lunak omissi HoleAku tidak tahu. To a kredible defensif and Google internal team, Google willLepaskan pagar keamanan.Kirim dan berikan mereka semua kemampuan pertahanan.

Penampilan: Wiz melalui Scan untuk Rencana Baik untuk melindungi infrastruktur publik kritis bebas biaya dengan Argon, dimodelkan padaPerangkat lunak medis yang digunakan di Rumah Sakit Global menemukan celah serius yang menunjukkan informasi pribadi yang sensitif, dan tidak satupun model garis depan sebelumnya yang menemukannya.Aku tidak tahu. Selain itu, Argon menemukan eksposur dalam kode kompleks repositori spanning 20 bahasa pemrograman pada kesenjangan benchmark komposit dalam Google, dan di Wiz pada tes penetrasi kotak hitam benchmark, itu melebihi Gemini 3.8 Flash Cyber pada penemuan permukaan serangan, mengidentifikasi celah-celah, dan menghasilkan bukti PoC.

Pengiriman pertama dari proyek Fairwind adalah Gemini 3.8 Flash Cyber dengan kerangka kerja CodeMender, yang membantu defensif untuk mengidentifikasi, memvalidasi dan memperbaiki celah.

Harga: setengah harga dimulai, kemudian dua kali lipat

Harga perkenalan adalah...Token 2 dolar per juta, keluaran 10 dolar95% diskon pada harga masukan untuk masukan cache, yang tentang $0.10 / juta masukan cacheAku tidak tahu. Naikkan ke akhir periode pengenalan US $4 masukan / US $20 keluaran, masukan cache adalah sekitar $0.20. Google tidak mengatakan berapa lama "periode penggabungan" ini, namun, praktek industri adalah bahwa - dan kadang-kadang - ini "harga jual" akan tetap harga resmi.

Taruh di lembar harga yang sama: Argon pada periode perkenalan adalah GPT-6 Astra ($10 / 50).Seperlima.Claude Opus 5.5.Setengah.Aku tidak tahu. Harga ini untuk Google dua cerita yang berbeda... Masa promosi adalah salah satu model kepala termurah, dan promosi berakhir dengan harga yang sama seperti Opus 5.5.

Gerbang keamanan sebelum dilepaskan.

Google menambahkan langkah-langkah keamanan ke depan dalam empat arah:

• Pencegahan penyalahgunaanDirancang untuk menolak permintaan jaringan berbahaya dan CBRN saat menyimpan riset dual-use yang sah; teknologi peningkatan untuk aktivasi internal model pengawasan untuk mengidentifikasi penyalahgunaan. Pagar diuji dengan manual + otomatis metode serangan oleh tim merah internal dan eksternal.
• Suntikan precationaryGoogle menggambarkan Argon sebagai "model paling tangguh sampai saat ini untuk menyuntikkan tips tidak langsung". Tingkat keberhasilan IPI Swan. 0.7%Dibandingkan dengan 1.0% untuk Opus 5.5 dan Fable 5.1, 8.5% untuk GPT-6 Astra, 27.0% untuk GPT-6 Sol, 5.31.5% untuk GLM, dan hingga 51.8% untuk Gok 4.8 - Ini cukup celah.
• Monitor deviasi target.Pantau rantai pikiran dan tindakan Argon dan interupsi eksekusi jika perlu. Google menggunakan sistem serupa selama proses pelatihan untuk memperingatkan tim tanggap darurat khusus dan sengaja menghindari deteksi rerouting untuk membentuk penalaran yang akan menghindari pengawasan.
• Sistem Perbaikan: Segregasi dan penyimpanan lingkungan bak pasir sebelum awal pelatihan beresiko tinggi atau penilaian, sesuai dengan Agen Control Road Map

Artikel "Tak masuk akal gagal memberi makan temuan pengawasan kembali untuk pelatihan" adalah salah satu kata yang paling indah dari buletin: Ini menunjukkan masalah nyata: jika Anda melatih model dengan hasil pengawasan, model dapat belajar "bagaimana tidak terdeteksi oleh pengawasan" daripada "bagaimana untuk tidak tersebar".

Bagaimana dengan rilis ini?

Untuk perusahaan, titik rilis ini tidak menjadi lain chat robot, tetapi untuk Google, setelah beberapa bulan tekanan dari OpenAI dan Anthropic, untuk re- membuktikan bahwa dia masih di meja depan. Ini pilihan tiga tetes -- pengembangan perangkat lunak, keahlian profesional, keamanan jaringan. Di situlah bisnis sudah menghabiskan uang.

Tapi itu tidak perlu "win- win" untuk mengubah pola kompetisi.Pada 18, timah atau 13 paralel cukup untuk mendapatkan Google untuk advokasi untuk yang "memimpin lebar"Dan yang tertinggal - FrontierSWE v2, Terminal- Bench Science, Terminal- Bench 4.0 - juga mengingatkan Anda bahwa OpenAI dan Anthropic masih memiliki area teknis yang jelas.

Kesimpulan praktis hanya satu kalimat:Model ini masih tergantung pada beban kerja Anda.Ambil pekerjaan nyata Anda ke pilot, dan tidak mengambil kumuh bagus. Yang benar basah adalah ketika Argon terbuka untuk pengembang, bisnis dan konsumen - saat itulah rilis bergerak dari berita ke produktivitas.

Tidak ada akhir ke depan, hanya putaran berikutnya.