Gemini 4 Argon Release: 1M token de saída, metade da placa de preço Opus, mas você não pode usá-lo por um tempo

Em 30 de setembro, o Google DeepMind lançou oficialmente Gemini 4 Argon, a localização oficial da próxima geração de inteligência de fronteira. Este é o primeiro modelo da série Gemini 4 e o primeiro emblema lançado sete meses após o Gemini 3.1 Pro em fevereiro deste ano. No meio do período, o Google enviou apenas alguns pequenos modelos da série Flash, que já foram percebidos pelo mundo exterior como caindo de uma competição de modelos de linha de frente. O Argon estava a responder. Não abriu a porta para todos.

Primeiro, não podes usá-lo agora.

No dia de seu lançamento, Argon foi aberto apenas para "as defesas cibernéticas credíveis" no projeto Google Fairwind. O plano foi lançado em 2 de Setembro e destina-se aos Governos e instituições de rede nacionais, aos principais operadores de infra-estruturas, tais como médicos/telecomunicações/energia/finanças, plataformas tecnológicas de base e laboratórios académicos que efectuam testes de avaliação comparativa defensiva. Os requerentes são obrigados a submeter-se a um controlo, devem utilizar uma certificação multifatorial resistente aos peixes e não devem partilhar nem revendir o acesso. Oficialmente, existem actualmente mais de 650 agências que cooperam.

Clientes de API e assinantes do Google AI Ultra, depois desenvolvedores, empresas e consumidores comuns, oficialmente chamados de "o mais rápido possível", masNenhuma data indicada.Não sei. O mais crítico é que temos de ter cuidado.O ID do modelo API ainda não foi publicadoNão há cartões de modelo e não há datas de corte de conhecimento. Então você vê um preço como "input de US$2" que só pode ser entendido como um preço comercial potencial publicado oficialmente, o que não significa que ele pode ser chamado hoje.

A propósito, isso é consistente com OpenAI, Anthropic - OpenAI's Daybreak, Anthropic's Project Glasswing, todos travando as mais fortes capacidades de segurança cibernética na passagem controlada. Google também participou do processo de revisão voluntária do Governo dos Estados Unidos antes do lançamento do modelo de linha de frente.

1M token de saída: esta aposta é longa

Argon, o indicador técnico mais difícil não é o contexto, mas o contexto.Limite de saída mencionado a partir de 64K 1M tokenE o Google diz que é a indústria líder. Atenção, saída, não entrada.

Esta diferença é importante para a pessoa que matou o Agente. No passado, você estava preocupado com “quanto pode ser lido” e agora sobre “quanto tempo pode durar?” Uma missão de migração de código em grande escala pode exigir leitura repetida do armazém, mudanças, testes de execução, saída do leitor, reprogramação e novos erros. Quando o orçamento de saída é grande, o modelo não precisa parar cedo e retornar o controle. O Google diz que quando há espaço para os modelos pensarem em profundidade e gerarem centenas de milhares de tokens um passo em uma reunião sobre a capacidade de resolver um problema.

Mas não o tomes como uma panaceia. O teto alto não significa que ele se lembra de detalhes anteriores, seleciona as ferramentas certas, os patches estão certos e a velocidade é mais rápida. Estes dependem do contexto da entrada, do framework Agent, da tarefa em si e do link de autenticação. E um tecto alto permite-te queimar uma fortuna por uma tentativa fracassada.Usando 1M como o orçamento padrão para cada solicitação, a taxa não é boa.É o nível de tarefa, o registro do consumo real e a cessação oportuna dos danos às tentativas sem progresso mensurável que são utilizados.

Pontuação de corrida: Ganhar grande, não todos.

Google publicou tabelas comparativas com GPT-6 Astra, Claude Fable 5.1 e Claude Opus 5.5. Estatísticas de mídia integradas: dos 18 benchmarks divulgados, Argon foi o primeiro de um único 12 e foi o primeiro; Astra foi o primeiro 3 e Opus 5,5 foi o primeiro 2. Por outras palavras,O topo dos três modelos de primeira linha, Argon, mas o jogo ainda está em jogo.Não sei.

Lugares principais:

• DeepSWE v1.177,9 % (projecto de software de ciclo longo real) superior a 74,2 % para o Opus 5,5 e 74,1 % para o Astra
• Índice de Vals(Impacto económico financeiro/programação/jurídico/imposto, medido pelos pesos do PIB nos Estados Unidos)
• AutomationBech51,3%, primeiro, 8,8 pontos acima do Opus
• Harvey Law Age Benchmark19,6 por cento, enquanto Astra apenas 5,4 por cento, Opus 5,5 apenas 3,8 por cento — uma taxa exagerada, mas observando que o valor absoluto ainda é inferior a 20 por cento — “um aumento substancial da base muito baixa” pode facilmente parecer mais certo do que realmente é.
• LVBnch91,7%, SOTA
• CWE-bench v168% (facilidades reparadas), primeiro com Astra

Onde está para trás, é o mesmo:

• FronteiraSWE v2Astra 65,5 % vs Argon 55,0 %, 10,5 pontos
• Ciência do Banco de Terminais 0. 1Astra 68,1% vs Argon 57,6%, mesmo 10,5 pontos
• Banco de terminal 4.066,4% vs Argon 57,4%, 9 pontos
• Bench PostTrain: Obus 49,3% vs Argon 45,3%

É por isso que escolher quem ainda depende do que fazes. A liderança da DeepSWE não significa que a FrontierSWE está na liderança, com dois conjuntos de armazéns de referência, comprimentos de missão, linguagem, comportamento de ferramentas.Se sua carga for mais como FrontierSWE ou tarefas com uso intensivo de terminais, não há razão para tirar Astra e Opus dos candidatos.

O terceiro, Artificial Analysis, dá índice de inteligência 53 pontos, que é o mesmo que GPT-6 Astra e fica atrás de Claude Opus 5.5 e Sonet 5.5; em contraste, Gemini 3.1 Pro é 30. Fello AI também mencionou que estava no modelo de cabeça testado pela Análise Artificial.A taxa de alucinações mais baixa.Sim. Ao mesmo tempo, Bloomberg relatou que alguns funcionários do Google sentiam que eles ainda estavam lutando com a programação real.

Google já está usando-o fortemente

Vários casos internos têm sido citados, a parte mais informativa do texto, pois são o desembarque do ambiente de produção real em vez de corridas de laboratório:

• Otimização do algoritmo quânticoAjudando equipes de calculadoras quânticas a otimizar os recursos de tempo e espaço (qubit x gate) para aplicações críticas, um caso excedendo a linha de base publicada em minutos 40%
• Eficiência da memória: um grupo de Agent de Argon analisa toda a telemetria de perfil da frota, identifica e aplica automaticamente otimização de memória, libera mais de 300 TiB RAM após a disseminação, e espera uma economia total de 500 Tib para 1 PiB
• C/C++ Virar o Rust: Das dezenas de milhares de linhas nas bibliotecas centrais, como re2, libgav1 para mais de 800.000 linhas no núcleo interno do Fuchsia OS Zircon. Esses sistemas são tão críticos que a reescrita em larga escala adota uma abordagem automatizada rigorosa para auditoria manual, teste de simulação e avaliação antes da produção.

O mais específico é o decodificador de vídeo libgav1-Google Open Source. Argônio O agente assume uma porta Rust existente, que é exportada através de várias rodadas de experimentos guiados por perfis e compiladores de pesquisa.Código SIMD de linha 32K substituído, o compilador de saída pode quantificar automaticamente a segurança da Rust. O resultado é um decodor de memória seguro, comparado com a versão original da porta RustVá lá, 2,7 vezes.A saída de vídeo é exatamente a mesma.

Cibersegurança: o segundo campo de batalha principal de Argon

A Argon foi treinada para segurança cibernética.Auto-detectar, validar e reparar omissões de software chave BuracoNão sei. Para uma equipe interna confiável de defesa e Google, o Google iráTira a cerca de segurança.Envia-o e dá-lhes todas as capacidades de defesa.

Desempenho descoberto: Wiz através de seu plano Scan for Good para proteger a infraestrutura pública crítica gratuitamente com Argon, modelado emO software médico utilizado no Hospital Global encontrou uma falha séria que expôs informações pessoais sensíveis, e nenhum dos modelos anteriores de linha de frente encontrou.Não sei. Além disso, Argon encontrou exposições em um repositório de código complexo abrangendo 20 linguagens de programação em um benchmark gap composto dentro do Google; e em Wiz em um benchmark teste de penetração de caixa preta, ele ultrapassou Gemini 3.8 Flash Cyber na descoberta de superfícies de ataque, identificando lacunas, e produzindo evidências de PoC.

A primeira entrega do projeto Fairwind foi Gemini 3.8 Flash Cyber com o framework CodeMender, que ajudou a defesa a identificar, validar e reparar as lacunas.

Preços: Metade do preço começa, em seguida, duplo

O preço de introdução é...Token 2 dólares por milhão, saída 10 dólares95% de desconto no preço de entrada para entrada cache, que é sobre Entrada de cache de $0.10/milhãoNão sei. Aumento até ao final do período de introdução US$ 4 entradas / US$ 20 saídas, a entrada de cache é de cerca de $0.20. Google não diz quanto tempo este “período de incorporação” é, no entanto, a prática da indústria é que – e às vezes – este “preço vendido” continuará a ser o preço oficial.

Coloque na mesma folha de preço: Argon no período de introdução é GPT-6 Astra ($ 10/50).Um quinto.Claude Opus 5.5.Metade.Não sei. Este preço para o Google duas histórias diferentes... O período de promoção é um dos modelos de cabeça mais baratos, e a promoção termina ao mesmo preço que Opus 5.5.

Porta de segurança antes da libertação.

O Google adicionou medidas de segurança antecipadas em quatro direções:

• Prevenção dos abusosProjetado para rejeitar redes nocivas e solicitações CBRN, mantendo a investigação legítima de uso duplo; tecnologia melhorada para ativação interna de modelos de vigilância para identificar o mau uso. A cerca foi testada com um método de ataque manual + automatizado por equipes vermelhas internas e externas.
• Injecção preventivaGoogle descreve Argon como "o modelo mais resistente até o momento para injetar dicas indiretas". Taxa de sucesso do IPI de Gray Swan 0.7%Comparado com 1,0% para Opus 5,5 e Fable 5,1, 8,5% para GPT-6 Astra, 27,0% para GPT-6 Sol, 5,3 31,5% para GLM e até 51,8% para Grok 4,8 - É uma grande lacuna.
• Monitorizar desvio do alvo.: Monitore a cadeia de pensamento e ações de Argon e interrompa a execução se necessário. O Google usou um sistema similar durante o processo de treinamento para alertar equipes de resposta de emergência especializadas e deliberadamente evitar re-roteamento de detecção para moldar o raciocínio que contornaria a vigilância.
• Sistema de Reforço: Segregação e armazenamento do ambiente da caixa de areia antes do início do treinamento ou avaliação de alto risco, conforme o Mapa Rodoviário do Agente Controle

O artigo "Intencionalmente não alimentar as descobertas de vigilância de volta ao treinamento" é uma das palavras mais bonitas do boletim: Aponta para um problema real: se você treinar modelos com resultados de vigilância, modelos podem aprender “como não ser detectados pela vigilância” em vez de “como não ser disperso”.

E esta libertação?

Para as empresas, o objetivo deste lançamento não é ser outro robô de bate-papo, mas para o Google, após vários meses de pressão do OpenAI e do Anthropic, para provar que ele ainda está na mesa da frente. Escolheu três gotas: desenvolvimento de software, experiência profissional, segurança de rede. É exatamente onde as empresas já estão gastando dinheiro.

Mas não precisa de um “ganha-ganha” para mudar o padrão de competição.Em 18, o líder ou 13 paralelos são suficientes para fazer com que o Google defenda sua "dimensão de chumbo"E os que ficam para trás — FrontierSWE v2, Terminal-Bench Science, Terminal-Bench 4.0 — também lembra que OpenAI e Anthropic ainda têm áreas técnicas claras.

A conclusão prática é apenas uma frase:O modelo ainda depende da sua carga de trabalho.Leva o teu verdadeiro trabalho ao piloto, e não faças um bom resumo. A verdadeira bacia hidrográfica é quando Argon está aberta a desenvolvedores, empresas e consumidores — é quando o lançamento passa de notícias para produtividade.

Não há fim na frente, só na próxima rodada.