Gemeni 4 Argon Lansare: 1M jeton de ieșire, jumătate placa de preț Opus, dar nu se poate folosi pentru o vreme

Pe 30 septembrie, Google DeepMind a lansat oficial Gemini 4 Argon, locaţia oficială a următoarei generaţii de informaţii de frontieră. Acesta este primul model al seriei Gemini 4 și primul amiral lansat la șapte luni după Gemeni 3.1 Pro în luna februarie a acestui an. În mijlocul perioadei, Google a trimis doar câteva mici modele din seria Flash, care au fost odată percepute de lumea exterioară ca care se încadrează într-o competiție model de front-line. Argonul răspundea... nu deschidea uşa pentru toată lumea.

În primul rând, nu-l poţi folosi acum.

În ziua lansării sale, Argon a fost deschis doar pentru "apararea cibernetică incredibilă" în proiectul Google Fairwind. Planul a fost lansat la 2 septembrie și vizează guvernele și instituțiile naționale de rețea, principalii operatori de infrastructură, cum ar fi serviciile medicale/telecomunicații/energie/finanțare, platformele tehnologice de bază și laboratoarele academice care efectuează teste de evaluare comparativă defensivă. Solicitanții sunt obligați să efectueze verificări, trebuie să utilizeze o certificare multifactorială rezistentă la pești și nu trebuie să partajeze sau să revândă accesul. Oficial, există în prezent peste 650 de agenții care cooperează.

Clienţii API şi abonaţii Google AI Ultra, apoi dezvoltatorii, întreprinderile şi consumatorii obişnuiţi, oficial numiţi "cât mai curând posibil," darNicio dată dată.Nu ştiu. Ceea ce este mai important este că trebuie să fim atenţi.Modelul ID API nu a fost publicat până în prezentNu există cărţi model şi nici date limită. Deci, vedeți un preț ca "2 dolari intrare" care poate fi înțeles doar ca un preț comercial potențial publicat oficial, ceea ce nu înseamnă că poate fi numit astăzi.

Apropo, acest lucru este în concordanță cu OpenAI, Antropic - OpenAI's Daybreak, Anthropic's Project Glasswing, toate blocarea cele mai puternice capacități de securitate cibernetică în pasajul controlat. Google a participat, de asemenea, la procesul de revizuire voluntară a guvernului Statelor Unite înainte de lansarea modelului de primă linie.

Token de ieșire 1M: acest pariu este lung

Argon, cel mai greu indicator tehnic nu este contextul, ci contextul.Limita de ieșire menționată la 64K 1M tokenŞi Google spune că industria conduce. Atenţie, ieşire, nu intrare.

Această diferență este importantă pentru persoana care a făcut-o agent. În trecut, ați fost preocupat despre cât de mult pot fi citite O misiune de migrare de coduri la scară largă poate necesita citirea repetată a depozitului, modificări, teste de funcționare, ieșire cititor, reprogramare și noi erori. Atunci când bugetul de producție este mare, modelul nu trebuie să se oprească devreme și să returneze controlul. Google spune că atunci când există spațiu pentru modele să gândească în profunzime și să genereze sute de mii de jetoane un pas la o întâlnire privind capacitatea de a rezolva o problemă.

Dar nu o lua ca pe un panaceu. Tavanul inalt nu inseamna ca isi aminteste detalii anterioare, alege uneltele potrivite, patch-urile sunt corecte si viteza este mai rapida. Acestea depind de contextul de intrare, de cadrul agentului, de sarcina în sine și de linkul de autentificare. Şi un tavan înalt îţi permite să arzi o avere pentru o încercare eşuată.Folosind 1M ca buget implicit pentru fiecare cerere, rata nu este bună.Nivelul de sarcină, înregistrarea consumului real și încetarea la timp a deteriorării încercărilor fără progrese măsurabile sunt utilizate.

Scorul alerga: câștiga larg, nu toate.

Google a publicat tabele comparative cu GPT-6 Astra, Claude Fable 5.1 și Claude Opus 5.5. Statistici media integrate: din cele 18 criterii de referință dezvăluite, Argon a fost primul dintr-un singur 12 și a fost primul; Astra a fost primul 3 și Opus 5.5 a fost primul 2. Cu alte cuvinte,Partea de sus a celor trei modele din prima linie, Argon, dar jocul este încă pe.Nu ştiu.

Locuri de plumb:

• DeepSWE v1.177,9% (proiect software cu ciclu lung real) mai mare de 74,2% pentru Opus 5,5 și 74,1% pentru Astra
• Indicele valelor(Impact economic financiar/programare/legal/impozit măsurat prin ponderea PIB-ului în Statele Unite)
• AutomatizareBech51,3%, în primul rând, 8,8 puncte mai mari decât Opus
• Harvey Law Age Breach19.6 la sută, în timp ce Astra numai 5.4 la sută, Opus 5.5 numai 3.8 la sută
• LVBNCH91, 7%, SOTA
• CWE-bench v168% (facilități reparate), mai întâi cu Astra

Unde e înapoi, e la fel:

• FrontierSWE v2Astra 65,5% vs Argon 55,0%, 10,5 puncte
• Terminal-Bench Science 0.1Astra 68,1% vs Argon 57,6%, aceleaşi 10,5 puncte
• Bench terminal 4.066,4% vs Argon 57,4%, 9 puncte
• PostTrainBench: Obus 49,3% vs Argon 45,3%

De aceea, alegerea care încă depinde de ceea ce faci. DeepSWE de plumb nu înseamnă FrontierSWE este în frunte, cu două seturi de depozite de referință, lungimi de misiune, limba, comportamentul instrument.În cazul în care sarcina dumneavoastră este mai mult ca FrontierSWE sau sarcini terminale mari, nu există nici un motiv pentru a muta Astra și Opus din candidați.

A treia parte, Artificial Analysis, oferă Index Inteligence 53 puncte, care este la fel ca GPT-6 Astra și laguri în spatele Claude Opus 5.5 și Sonet 5.5; în schimb, Gemini 3.1 Pro este 30. Fello AI a menționat, de asemenea, că a fost în modelul de cap testat de Analiza Artificială.Cea mai mică rată a halucinaţiilor.Da. În același timp, Bloomberg a raportat că unii membri ai personalului Google au considerat că încă se luptă cu programarea reală.

Google este deja folosind-o puternic

Au fost citate mai multe cazuri interne, cea mai informativă parte a textului, deoarece acestea sunt debarcarea mediului de producție real, mai degrabă decât rezultatele de laborator:

• Optimizarea algoritmului cuanticAjutarea echipelor de calculator cuantic pentru optimizarea resurselor de timp și spațiu (cubit x gate) pentru aplicații critice, un caz depășind valoarea de referință publicată în minute 40%
• Eficiența memoriei: un grup de Agent Argon analizează întreaga flotă profilând telemetria, identifică și aplică automat optimizarea memoriei, eliberează peste 300 TiB RAM după răspândire și așteaptă economii totale de 500 Tib la 1 PiB
• C/C++ Întoarce Rust: De la zecile de mii de linii din bibliotecile centrale cum ar fi re2, libgav1 la mai mult de 800.000 de linii în centrul interior Fuchsia OS Zircon. Aceste sisteme sunt atât de critice, încât rescrierea pe scară largă ia o abordare automată strictă a auditului manual, simulărilor și evaluării înainte de producție.

Cel mai specific este libgav1-Google Open Source Video decodor. Argon Agentul preia un port Rust existent, care este exportat prin mai multe runde de experimente ghidate de profil și compilatoare de cercetare.Cod SIMD de linie 32K înlocuit, compilatorul de ieșire poate cuantifica automat securitatea Rust. Rezultatul este un decodor de memorie sigur, comparativ cu versiunea originală Rust portHaide, de 2,7 ori.Ieșirea video este exact aceeași.

Securitatea cibernetică: al doilea câmp de luptă principal al lui Argon

Argonul a fost antrenat pentru securitatea cibernetică.Autodetectarea, validarea și repararea omisiunilor software cheie HoleNu ştiu. Pentru o echipă internă credibilă defensivă și Google, Google vaScoate gardul de securitate.Trimite-l şi dă-le toate capacităţile de apărare înainte.

Performanță descoperită: Wiz prin planul său de scanare pentru Bun pentru a proteja infrastructura publică critică gratuit cu Argon, modelat peSoftware-ul medical utilizat la Spitalul Global a găsit o portiță de scăpare serioasă care a expus informații personale sensibile, și nici unul dintre modelele anterioare front-line găsit.Nu ştiu. În plus, Argon a găsit expuneri într-un depozit complex de coduri care cuprindea 20 de limbi de programare pe un indice de referință compus în cadrul Google; iar în Wiz pe un test de penetrare a cutiei negre, a depășit Gemeni 3.8 Flash Cyber în ceea ce privește descoperirea suprafețelor de atac, identificarea lacunelor și producerea de dovezi PoC.

Prima livrare a proiectului Fairwind a fost Gemeni 3.8 Flash Cyber cu cadrul CodeMender, care a ajutat defensiva să identifice, să valideze și să repare lacunele.

Prețuri: Jumătate de preț începe, apoi dublu

Preţul de introducere este...Token 2 dolari pe milion, ieșire 10 dolari95% reducere la prețul de intrare pentru intrare cache, care este de aproximativ 0.10 milioane dolari intrare cacheNu ştiu. Creșterea până la sfârșitul perioadei de introducere US$ 4 intrare / US$ 20 ieșire, intrare cache este de aproximativ 0.20 dolari. Google nu spune cât de mult această perioadă de încorporare este, cu toate acestea, practica industriei este că

Pune-l în aceeași foaie de preț: Argon în perioada de introducere este GPT-6 Astra ($10/50).O cincime.Claude Opus 5.5.Jumătate.Nu ştiu. Acest preț pentru Google două povești diferite... Perioada de promovare este unul dintre cele mai ieftine modele de cap, iar promovarea se încheie la același preț ca Opus 5.5.

Poarta de securitate înainte de lansare.

Google a adăugat măsuri de securitate înainte în patru direcții:

• Prevenirea abuzurilorProiectat pentru a respinge rețelele dăunătoare și cererile CBRN, menținând în același timp cercetarea legitimă cu dublă utilizare; tehnologie îmbunătățită pentru activarea internă a modelelor de supraveghere pentru a identifica utilizarea abuzivă. Gardul a fost testat cu o metodă de atac manuală + automată de către echipe roșii interne și externe.
• Injecţie preventivăGoogle descrie Argonul ca fiind "cel mai rezistent model de până acum pentru a injecta sfaturi indirecte." Rata de succes a IPI Gray Swan 0.7%Comparativ cu 1,0% pentru Opus 5.5 și Fable 5.1, 8,5% pentru GPT-6 Astra, 27,0% pentru GPT-6 Sol, 5,3 31,5% pentru GLM și până la 51,8% pentru Grok 4.8 - Este destul de un decalaj.
• Monitorizează deviaţia ţintei.: Monitorizează lanțul de gândire și acțiunile Argonului și întrerupe execuția, dacă este necesar. Google a folosit un sistem similar în timpul procesului de formare pentru a alerta echipele specializate de intervenție în caz de urgență și a evita în mod deliberat redirecționarea de detectare pentru a modela raționamentul care ar eluda supravegherea.
• Sistemul de întărire: Segregarea și depozitarea mediului de nisip înainte de începerea pregătirii sau evaluării cu risc ridicat, conform hărții rutiere a agentului de control

Articolul "În mod intenţionat nu a reuşit să alimenteze rezultatele supravegherii la antrenament" este unul dintre cele mai frumoase cuvinte ale buletinului: Aceasta indică o problemă reală: dacă instruiţi modele cu rezultate de supraveghere, modelele pot învăţa cum să nu fie detectate prin supraveghere mai degrabă decât cum să nu fie dispersate.

Ce zici de această eliberare?

Pentru companii, punctul de această versiune nu este de a fi un alt robot de chat, dar Google, după mai multe luni de presiune de la OpenAI și Antropic, pentru a re-dovada că el este încă la masa din față. A ales trei picături - dezvoltare software, expertiză profesională, securitate de reţea. Asta e exact în cazul în care întreprinderile cheltuiesc deja bani.

Cu toate acestea, nu este nevoie de un "win-win" pentru a schimba modelul concurenței.În 18, plumbul sau 13 paralele sunt suficiente pentru a obține Google pentru a pleda pentru "dirijarea plumbului"Iar cele pe care le întârzie în spatele

Concluzia practică este doar o propoziţie:Modelul este încă dependent de volumul de muncă.Du-ţi adevărata ta slujbă la pilot, şi nu accepta o analiză frumoasă. Real watershed este atunci când Argon este deschis pentru dezvoltatori, întreprinderi și consumatori

Nu există nici un capăt în față, doar runda următoare.