Google DeepMind запустила Gemini 4 Argon для сложных задач в программировании, науке и бизнесе

Google DeepMind объявила о глобальной доступности Gemini 4 Argon — frontline-модели, предназначенной для сложной многоэтапной работы в программировании, финансах, юридических услугах, кибербезопасности и науке.

Модель доступна с 13 октября 2026 года разработчикам и компаниям через API в AI Studio и на платформе Gemini. Подписчики Google AI Ultra могут использовать её в Google Antigravity, а подписчики Google AI Ultra и Pro — в приложении Gemini и AI Mode в Поиске.

Корай Кавукчуоглу, старший вице-президент Google DeepMind и главный архитектор ИИ в Google, сообщил, что этот релиз открывает разработчикам, компаниям, учёным и пользователям доступ к новейшей frontline-модели компании.

Google сообщила, что Argon создана для «глубокой работы» в реальных областях. По словам компании, модель превосходит другие frontline-модели в бенчмарках по множеству областей и занимает первое место в Vals Index, который измеряет производительность моделей в ключевых экономических отраслях, включая финансы, программирование, юридическую и налоговую работу.

Вводная цена составляет 2 доллара за миллион входных токенов и 10 долларов за миллион выходных, при этом кэшированные входные токены доступны со скидкой 95%. После окончания вводного периода 30 ноября 2026 года цена составит 4 доллара за 1 миллион входных токенов и 20 долларов за 1 миллион выходных. Цены применяются к модели Argon, предназначенной для публичного доступа.

Google сообщила, что команды уже используют Argon для рефакторинга и оптимизации крупных кодовых баз, улучшения рабочих процессов в юридической сфере, финансах и науке, выявления и устранения уязвимостей в кибербезопасности, а также для поддержки исследований в квантовых вычислениях, управляемом термоядерном синтезе и науках о жизни.

Инжиниринг и разработка ПО

По данным Google, Argon применялась внутри компании для сложных инженерных проектов. В Antigravity модель помогла командам увеличить объём агентных отправок кода более чем на 35%, сократив число откатов кода почти на треть.

В Chrome Argon помогла инженерам отделить обработку веб-страниц от устаревшей папки, содержащей около 6 миллионов строк функций браузера внутри 40-миллионной кодовой базы Chromium. Создавая сразу несколько чистых изменений кода, модель помогла завершить архитектурный рефакторинг, охвативший сотни файлов, за недели вместо месяцев.

Google сообщила, что эта работа призвана позволить живым веб-страницам плавно перемещаться между вкладками, боковыми панелями и плавающими окнами без перезагрузки, устраняя целый класс сбоев браузера для миллиардов пользователей Chrome.

Argon также использовала команда открытого фреймворка Google Agent Development Kit (ADK) для корпоратив агентов. Инженеры передали модели свой свод правил .agents/skills и цель из одного абзаца: устранить накладные расходы фреймворка, не сломав существующие приложения.

Автономно работая в течение ночи, Argon выявила оптимизации, которые уже доступны в репозитории google/adk-python. Google сообщила, что эти изменения сократили время подготовки сессий в памяти на 40% при длинных сессиях и ускорили «холодный» импорт на 21%. Компания опубликовала подробный инженерный разбор этой работы.

Исследователи также использовали Argon в Antigravity для оптимизации xTB (Semiempirical Extended Tight-Binding) — открытого пакета квантовой химии, применяемого для предсказания 3D-структур молекул и скрининга кандидатов в лекарства и материалы. По данным Google, xTB стал до 2,3 раза быстрее в предсказании молекулярных структур и в 1,8 раза быстрее в поиске конформеров. Изменения внесены в официальный репозиторий xTB на GitHub.

Google также сообщила об ускорении сквозного инференса открытых моделей Gemma в 2,85 раза на A100 с использованием vLLM. Пропускная способность Gemma 4 E2B выросла примерно с 37 900 до более чем 108 000 токенов в секунду при 100% совпадении токенов и без снижения качества. По данным Google, работа, включавшая настройку внимания и спекулятивное декодирование, заняла несколько дней вместо обычных месяцев. Соответствующие upstream pull requests в vLLM содержат эти изменения.

3D-визуализация и интерактивные приложения

Google сообщила, что Argon улучшает пространственное рассуждение, математическую точность и визуальное программирование по сравнению с предыдущими моделями Gemini. Используя слэш-команды вроде /goal, многоагентные циклы и пользовательские навыки в Antigravity, сотрудники Google применяли модель для прототипирования 3D-визуализаций, высокодетализированных игр и интерактивных анимаций, отрисовываемых в браузере на чистом коде.

В одной демонстрации Argon создала детализированную пагоду в Blender через многоагентные циклы визуальной критики. Модель автономно вылепила храмовый комплекс из нескольких зданий с фотореалистичной архитектурой, растительностью и освещением.

В другом примере Argon превратила фотографии реального письменного стола в играбельную миниатюрную гоночную игру. Blender MCP использовался для моделирования и проверки столкновений стола, комнаты и трассы; Nano Banana предоставил текстуры; а Three.js отвечал за физику, пользовательские шейдеры и звук автомобильного двигателя от Gemini Omni Flash. Приложение доступно через Google AI Studio.

Argon также написала Python-скрипты для процедурного создания, риггинга, анимации и физически корректного рендеринга сложной 3D-игры. Затем она подключила проект к вебу на Three.js с GLSL-шейдерами, физикой разрушения и одиночным ИИ. Получившееся приложение доступно в Google AI Studio.

Не используя внешних библиотек и только на 100% чистом Python, Argon создала собственный 3D-движок трассировки лучей с пользовательским видеоинструментом и аудиомикшером. Система с нуля построила и задокументировала залитую солнцем библиотеку, создав, озвучив и смонтировав видео с закадровым голосом Gemini 3.8 TTS и музыкой от Lyria 3.5. Google опубликовала исходный код.

В ещё одной демонстрации в Antigravity Arg стартовала с одного изображения Nano Banana и в автономном цикле управляла Blender MCP, выравнивая сетки камер, вылепливая готическую архитектуру и настраивая реактивное на звук освещение для готовой 3D-сцены.

Бизнес- и профессиональные рабочие процессы

Google сообщила, что Argon объединяет передовое рассуждение, визуальное восприятие, расширенные знания в предметных областях и более сильные способности к письму для ответственных профессиональных рабочих процессов. По словам компании, модель ясно communicates, лучше предыдущих моделей Gemini следует инструкциям по стилю, отвечает более прямо с меньшим количеством оговорок, избегает ненужных повторений и штампов.

Корпоративные клиенты и стартапы из программы раннего доступа Google используют Argon для глубокого мультимодального понимания документов, лонгитюдного анализа данных и интерактивных аналитических песочниц при строгом заземлении, согласно Google.

Одна демонстрация включала около 50 ГБ авиационных LiDAR-сканирований, векторов помещений GIS, CAD-чертежей Библиотеки Конгресса и архивов Службы национальных парков. Argon синтезировала эти материалы для восстановления 3D-моделей Каньона Чако, превращая разрозненные археологические записи в доступные для изучения цифровые объекты наследия. Проект доступен через Google AI Studio.

В приложении Gemini Argon может взять неструктурированную папку с контекстом проекта и с помощью пользовательского навыка оформить её в презентацию-предложение для клиента. Затем Gemini может подготовить и отправить презентацию клиенту по электронной почте, а также создать запланированный рабочий процесс для всех будущих запросов клиентов.

Google также продемонстрировала, как Argon объединяет данные из трёх открытых репозиториев в учебный медицинский инструмент. Инструмент позволяет отгибать анатомические слои, изучать клинические метаданные и запускать биомеханику в 3D-исследовании тела человека.

В приложении Gemini для macOS Argon с использованием Antigravity и Nano Banana сгенерировала варианты дизайна новых ножек для дивана, а затем создала 3D-печатаемый файл. Отправляясь от эскиза с размерами и фотографии дивана, модель построила деталь правильного размера.

В Isomorphic Labs Argon используется для ускорения исследований в области поиска и разработки лекарств. По данным Google, модель способна быстро синтезировать сложные PDF-документы и патенты для извлечения релевантной информации, сокращая процесс, который обычно занимает недели, до нескольких часов.

Кибербезопасность и научные исследования

По данным Google, исследователи, инженеры и специалисты по безопасности используют Argon в киберзащите, науке, математике и робототехнике. Применения включают проверку гипотез, аудит критически важных кодовых баз и формальных доказательств, а также выявление уязвимостей нулевого дня и логических ошибок.

Программа Fairwind и Wiz

Google сообщила, что начинает расширение на сотни новых партнёров программы Fairwind, предоставляющей киберспособности доверенным защитникам.

Wiz использует Argon в своей инициативе «Scan for Good», которая бесплатно защищает критическую инфраструктуру в общественных интересах. По данным Google, Wiz применила ранний доступ к Argon в нескольких ответственных областях.

В рамках долгосрочной программы киберустойчивости, проводимой совместно с федеральным агентством, Argon помогла проактивно выявить и устранить уязвимость, которая могла привести к раскрытию чувствительных правительственных данных и инфраструктуры. Google сообщила, что эти усилия помогли предотвратить раскрытие критических деталей разработок сектора безопасности и несанкционированный доступ к специализированным моделям.

Wiz также использовала Argon для защиты критически важной инфраструктуры здравоохранения. Связывая сложные уязвимости, модель помогла команде обнаружить и быстро исправить обход публичной загрузки файлов, который раскрывал мастер-ключ и давал доступ администратора. Google сообщила, что Argon не ограничилась выяв уязвимости, а помогла защитить сотни тысяч частных записей пациентов.

Квантовые вычисления

Исследователи Google использовали Argon для поддержки работы по коррекции квантовых ошибок и проектированию алгоритмов. Чтобы декодеры ошибок успевали за квантовым оборудованием в реальном времени, Argon перевела внутреннюю версию AlphaQubit — декодера коррекции квантовых ошибок на основе машинного обучения Google — в единый оптимизированный аппаратный кернел.

По данным Google, кернел почти удвоил пропускную способность инференса, позволив развертывать более крупные модели и масштабироваться на более крупные квантовые устройства при соблюдении строгих порогов реального времени.

Argon также использовалась для снижения пространственно-временных затрат квантовых подпрограмм. Для arcsin — строительного блока недавних алгоритмов квантового моделирования — реализация, написанная Argon и формально верифицированная в Lean, сократила пространственно-временные затраты более чем в 100 раз по сравнению с опубликованным квантовым бенчмарком CORDIC. Google описала эту работу как шаг к стандартной библиотеке оптимизированных квантовых схем. Связанное исследование доступно в статье на arXiv.

Управляемый термоядерный синтез

Стеллараторы — чрезвычайно сложные машины и один из ведущих кандидатов на чистую термоядерную энергию, но оптимизация их трёхмерных магнитных полей является известной трудностью. С 1967 года гипотеза, известная как «гипотеза Грэда», предполагала, что найти точные математические решения для этих полей невозможно, пока недавно не были найдены контрпримеры, в том числе профессором Мэттом Ландреманом из Университета Мэриленда.

Google сообщила, что команда, работающая вместе с Ландреманом, теперь обнаружила более широкий класс контрпримеров к гипотезе Грэда. Новые решения дают сообществу синтеза надёжные бенчмарки для проверки кодов моделирования стеллараторов, которые являются ценными инструментами для будущих разработок.

Исследования редких заболеваний

Исследователи Gamow Labs использовали Argon для анализа деидентифицированных геномов новорождённых с редкими нарушениями развития лёгких. В одном случае модель выявила хромосомную перестройку, которую стандартное ПО не замечало годами, и объяснила, почему она оставалась необнаруженной.

На частных оценках Gamow Labs, основанных на реальных клинических и лабораторных данных, Argon показала 57% на RareBench (помощь в диагностике редких заболеваний) и 52,2% на LabBench (рассуждение для «мокрой» лаборатории). Google сообщила, что эти результаты могут способствовать более быстрой диагностике для семей, сталкивающихся с редкими заболеваниями. Дополнительная информация доступна на сайте Gamow Labs и на странице бенчмарков.

Дизайн ферментов

Создание ферментов с точной реактивностью обычно требует месяцев настройки моделей и скрининга кандидатов. Сериновые эстеразы — класс ферментов, разрывающих сложноэфирные связи в целевых молекулах, — широко используются в переработке, а также в производстве фармацевтики, биотоплива и моющих средств.

Учёные Google работали с Argon над дизайном сериновых эстераз, нацеленных на эталонную молекулу 4MU-ацетат, которая светится под ультрафиолетом после разрыва её сложноэфирных связей. За считанные часы Argon собрала релевантные данные, провела настройку модели и определила несколько фильтров на биохимии, получив финальный набор из пяти новых дизайнов.

Последующие лабораторные испытания подтвердили устойчивую каталитическую активность всех дизайнов. Google сообщила, что эта работа демонстрирует потенциал ускорения инженерии ферментов в таких областях, как биопроизводство, зелёная химия и разработка лекарств.

Google предоставляет 10 000 учёных бесплатный доступ к высшему тарифу использования Google Antigravity на шесть месяцев. Исследователи будут подключаться в порядке очереди с учётом соответствия требованиям, мощности и отбора. Приём заявок открыт.

Робототехника

Google сообщила, что Argon объединяет визуально-семантическое рассуждение, глубокое физическое понимание и автономную генерацию кода для поддержки новых рабочих процессов по всему стеку робототехники. В бенчмарке Embodied Reasoning (ERQA), проверяющем способность модели понимать и решать физические и пространственные задачи в 3D-средах, Argon набрала 87%. По данным Google, это выше результатов других frontline-моделей при опоре на чистое рассуждение. Бенчмарк ERQA доступен публично.

Во внутреннем тесте Argon освоила непрофильный физический навык, просто наблюдая: модель просмотрела исходное видео человека, играющего в корнхол, сопоставила пространственные координаты среды, рассчитала необходимые движения суставов всего тела и автономно написала код симуляции.

При переносе на гуманоида Apollo от Apptronik робот в реальном испытании быстро попал семь бросков подряд. Google назвала этот процесс конвейером «Video-to-Sim-to-Real» и сообщила, что он сжимает недели ручного построения симуляций до нескольких часов, превращая обычные видео в масштабируемую тренировочную среду для робототехники. Apptronik — компания, создавшая гуманоида Apollo. Google предоставила дополнительные сведения в своём блоге для разработчиков.

Безопасность и защищённость

Google сообщила, что безопасность и защищённость являются основой процесса разработки моделей. Поскольку Argon является высокоспособной моделью, компания сотрудничала с различными сторонними партнёрами в измерении определённых возможностей и средств защиты. Google описала Gemini 4 Argon как модель с самой комплексной системой безопасности на сегодняшний день.

В рамках Frontier Safety Framework компания оценила возможности Argon в нескольких областях и развернула многоуровневую систему защиты, объединяющую устойчивость к джейлбрейкам, мониторинг и принуждение. По данным Google, внешние биологические «красные команды» смогли разблокировать менее 1% проверявшихся биологических подзадач.

Для опасных запросов, включая генерацию эксплойт-кода и помощь с опасными биологическими материалами, Google сообщила, что Argon значительно реже, чем предыдущие модели, выполняет вредоносные запросы. На adversaries-наборе, предназначенном для стресс-тестирования модели, число нарушений сократилось почти вдвое по сравнению с предыдущими моделями Gemini.

Google также обучила Argon уважать системные границы, честно сообщать об отрицательных результатах и приостанавливаться для подтверждения человеком перед необратимыми действиями. На бенчмарках программирования, где у моделей нет стимула сдерживаться, попытки срезать путь упали до 2%, что Google назвала своим лучшим результатом по сравнению с предыдущими моделями Gemini.

В качестве дополнительного слоя защиты Google построила автоматический монитор рассогласования, который считывает пошаговые рассуждения и действия агента, чтобы выявлять и блокировать непреднамеренные обходные пути в реальном времени. Монитор использовался во внутренних развертываниях, оценках возможностей и тренировках с подкреплением. Google сообщила, что сознательно избегала штрафовать мысли модели во время обучения, чтобы её рассуждение оставалось прозрачным и контролируемым.

Argon также тестировалась на устойчивость к внедрению инструкций в промпты. Агенты, просматривающие веб-страницы, читающие электронные письма или проверяющие код, могут встречать скрытые вредоносные инструкции, предназначенные для перехв их задач. Благодаря adversaries-обучению и автоматизированным «красным командам» Argon лидирует в бенчмарке Gray Swan Indirect Prompt Injection, где успешность атак за 15 адаптивных попыток снижена до 0,7%.

Дополнительная информация доступна в модельной карте Gemini 4 Argon.

Доступность и доступ

Argon поддерживает лидирующий в отрасли единый лимит ввода-вывода в 1 миллион токенов через Gemini API. Google сообщила, что разработчикам и компаниям следует ознакомиться с документацией по новому протоколу продолжения и соответствующим образом настроить свои системы. Документация доступна по длинному декодированию и по Gemini 4 Argon на корпоративной агентной платформе Google.

Глобальное развертывание Google включает следующие варианты доступа:

• Разработчики: создавайте с платным тарифом Gemini API в AI Studio и Android Studio. Подписчики Google AI Ultra также могут попробовать Argon в Google Antigravity и AI Studio.
• Компании: используйте Argon в Gemini для бизнеса, через API и в Google Antigravity.
• Обычные пользователи: подписчики Google AI Ultra и Pro могут использовать Argon в приложении Gemini и AI Mode в Поиске.
• Учёные и исследователи: подайте заявку на шесть месяцев бесплатного доступа к высшему тарифу использования Google Antigravity с учётом соответствия требованиям, мощности и отбора.
• Специалисты по кибербезопасности: подайте заявку на вступление в программу Fairwind для поэтапного доступа к Argon без киберзащитных ограничений.

Google сообщила, что Gemini 4 Argon — первый релиз в семействе Gemini 4, и за ним последуют дополнительные модели.

Компания отметила, что взгляды в блоге принадлежат внешней стороне и не отражают позицию Google. Оригинальное объявление опубликовано Google DeepMind.