Google ha svelato mercoledì Gemini 4 Argon, presentando il suo nuovo modello di frontiera con risultati di benchmark che lo colloquiano davanti ai sistemi AI concorrenti nei test di cybersecurity. Il modello ha ottenuto il 77,9% su DeepSWE v1.1 e ha registrato un tasso di successo degli attacchi dello 0,7% nel benchmark di prompt injection di Gray Swan, davanti a Claude Opus 5.5 e Claude Fable 5.1, che hanno ottenuto entrambi l'1,0%.

Il lancio arriva una settimana dopo il rilascio di Claude Opus 5.5 e un giorno dopo GPT 6.1 Sol, l'ultimo di una serie di rilasci rapidi di modelli di frontiera da parte dei principali laboratori AI americani — un ritmo che ha reso i grafici dei benchmark del giorno di lancio il tabellone di riferimento del settore.

Secondo l'annuncio ufficiale di Google, Argon è il modello più capace dell'azienda fino a oggi, progettato per la programmazione, il lavoro d'ufficio e la difesa informatica.

Punteggi elevati di ingegneria del software, con riserve

DeepSWE v1.1 misura se un modello AI riesce a completare compiti di ingegneria del software lunghi, complessi e reali, con risultati espressi in percentuale. Argon ha raggiunto il 77,9%, davanti a Claude Opus 5.5 al 74,2%, GPT-6 Astra al 74,1% e Claude Fable 5.1 al 67,4%. Per fare un confronto, Gemini 3.6 Flash aveva ottenuto il 49% sullo stesso test a luglio.

Il modello può anche scrivere fino a 1 milione di token in una singola risposta, rispetto ai 64.000 precedenti. Un token è un blocco di testo pari circa a tre quarti di una parola, quindi il nuovo tetto corrisponde a circa 750.000 parole contro circa 48.000 in precedenza — capacità pensata per la programmazione e il lavoro d'ufficio di lunga durata per cui il modello è stato creato.

I numeri vanno presi con una riserva: Google ha calcolato il proprio punteggio DeepSWE, mentre i dati dei modelli concorrenti provengono da una classifica pubblica e da rapporti aziendali. La tabella comparativa di Google concede anche qualche punto. Argon guida su 12 dei 18 benchmark, ne pareggia uno e resta indietro su cinque, un mix di test di programmazione, scienza e controllo del computer — una combinazione di metodologie auto-somministrate e di terze parti da tenere a mente quando si leggono i numeri dei titoli.

La cybersecurity al centro della scena

capacità principale del modello è la difesa informatica. In un attacco di indirect prompt injection, un'istruzione segreta è nascosta all'interno di un'e-mail o di altro contenuto; quando un assistente AI lo legge, il test verifica se il modello obbedisce allo sconosciuto invece che al proprio utente. Tali attacchi sono uno scenario da incubo per chiunque dia a un'AI l'accesso alla propria casella di posta o al proprio carrello degli acquisti.

Nel benchmark di Indirect Prompt Injection di Gray Swan, che nasconde istruzioni dannose nei contenuti letti dagli agenti AI e misura la frequenza di successo degli attacchi entro 15 tentativi, Argon si è fermato allo 0,7% — e più basso è meglio. Claude Opus 5.5 e Claude Fable 5.1 hanno ottenuto entrambi l'1,0%. GPT-6 Astra si è fermato all'8,5%. Grok 4.6 e Kimi K3 sono stati ingannati poco più della metà delle volte, al 51,8% e al 52,7%. Il divario di 52 punti tra la difesa migliore e la peggiore della lista mostra quanto resta disomogenea la resistenza al prompt injection nel settore.

Distribuzione limitata attraverso il Fairwind Program

Argon va prima ai team di sicurezza verificati attraverso il Fairwind Program, l'iniziativa di difesa informatica ad accesso limitato di Google, lanciata il 2 settembre con oltre 650 partner, tra cui governi e operatori di infrastrutture critiche. Il modello è distribuito "senza cyber guardrail" — i rifiuti integrati che di norma impediscono a un modello di aiutare con l'hacking.

La logica di questa mossa è che i difensori hanno bisogno di un modello in grado di pensare come un attaccante per correggere le vulnerabilità prima che i criminali le trovino. Il rovescio della medaglia è che la stessa capacità funziona in entrambe le direzioni, e Google afferma che una distribuzione graduale è l'unica strada sicura. L'azienda partecipa anche al processo volontario del governo statunitense per l'accesso ai modelli prima del rilascio.

Google non è la prima a collocare un modello informatico dietro una cordata di sicurezza. Una versione iniziale di Claude Mythos di Anthropic ha contribuito a trovare 271 vulnerabilità in Firefox — 271 falle di sicurezza poi corrette da Mozilla. OpenAI ha seguito una strada simile con il suo Trusted Access for Cyber program, rendendo l'accesso informatico limitato un modello emergente tra i laboratori di frontiera.

I punteggi informatici di Argon superano anche Gemini 3.8 Flash Cyber, il modello limitato lanciato da Google insieme a Fairwind. Nel Wiz Penetration Test Benchmark, un test interno di Google che chiede a un'AI di scrivere exploit funzionanti contro vulnerabilità reali di applicazioni web senza vedere il codice e misura la quota risolta al primo tentativo, Argon ha raggiunto il 70,9% contro il 58,2%. Google afferma inoltre che Argon ha aiutato l'azienda di sicurezza Wiz a trovare una vulnerabilità critica in un software sanitario usato da ospedali in tutto il mondo — una che i modelli di frontiera precedenti avevano trascurato.

Un lancio dopo un'estate difficile

Il rilascio segue un periodo difficile per Google. A luglio, l'azienda ha distribuito modelli Flash più piccoli ma ha saltato il promesso Gemini 3.5 Pro, e le azioni di Alphabet sono scese di circa il 4,4%. Argon è arrivato anche lo stesso giorno in cui il presidente Trump ha presentato un accordo AI volontario e senza sanzioni firmato dai vertici di Google.

Google afferma che un rilascio più ampio avverrà il prima possibile, a partire dai clienti API a pagamento e dagli abbonati Google AI Ultra. Il prezzo di lancio è di 2 dollari per milione di token in input e 10 dollari per mil di token in output. Google non ha detto quando termina tale periodo, solo che le tariffe standard saranno di 4 e 20 dollari — esattamente il doppio dei prezzi di lancio. I tempi del rilascio più ampio e la durata della finestra di lancio sono le due date da seguire mentre la distribuzione di Argon procede.