Google DeepMind 30 сентября 2026 года анонсировала Gemini 4 Argon — новую фронтирную AI-модель, созданную для поддержания глубокой аргументации в сложных длительных профессиональных рабочих процессах. Компания заявила, что модель демонстрирует фронтирную производительность в реальной программной инженерии, работе со знаниями на предприятиях, такой как юридическая и финансовая, а также в оборонительной кибербезопасности, и первоначально развертывается для группы доверенных киберзащитников через программу Fairwind от Google.

Корай Кавукчуоглу, старший вице-президент Google DeepMind и главный AI-архитектор Google, представил модель в публикации в блоге, отметив, что Argon "фундаментально меняет то, как мы работаем и создаем продукты в Google". Компания подчеркнула лучший в отрасли лимит модели в 1 миллион токенов для глубокой многошаговой работы над задачами, а также сильные стороны в программировании, финансовых исследованиях, составлении юридических документов и автономном исправлении уязвимостей кибербезопасности.

Поэтапный релиз и ценообразование

Google сообщила, что безопасный выпуск фронтирных возможностей такого уровня требует поэтапного подхода. Компания активно участвует в добровольном процессе правительства США по предварительному доступу к моделям, постепенно расширяя доступность, и будет продолжать собирать отзывы ранних тестировщиков, дорабатывая защитные механизмы перед тем, как сделать Argon доступной для разработчиков, предприятий и потребителей. Первоначальный план доступа означает, что описанные Google возможности и меры защиты сначала оцениваются в контролируемых условиях, а не сразу предлагаются широкому рынку.

Argon будет запущена по вводной цене $2 за миллион входных токенов и $10 за миллион выходных токенов, при этом кэшированные входные токены будут стоить на 95% дешевле обычной цены входных токенов. После завершения вводного периода будет применяться цена $4 за 1 миллион входных токенов и $20 за 1 миллион выходных токенов. Более широкое развертывание начнется с платных клиентов API и подписчиков Google AI Ultra.

Как Google меняет работу и разработку

Gemini 4 Argon уже используется во внутренних рабочих процессах Google: тысячи сотрудниковили сильные стороны модели в специализированных задачах программирования, углубленных исследованиях и качестве письма. Google сообщила, что модель помогает командам быстрее создавать продукты, расширяя границы инженерной производительности и ускоряя прорывы. Среди примеров, приведенных в публикации:

• Квантовая алгоритмическая оптимизация: Argon помогает исследователям Google в области квантовых вычислений оптимизировать пространственно-временные ресурсы (кубиты × гейты) подпрограмм, ограничивающих важные приложения. В одном из примеров модель превзошла опубликованный базовый показатель на 40% за считанные минуты.
• Эффективность памяти: команда агентов Argon проанализировала профилировочную телеметрию по всему парку, чтобы автономно выявить и применить оптимизации памяти в дата-центрах Google, освободив после развертывания более 300 TiB памяти с расчетной общей экономией от 500 TiB до 1 PiB.
• Крупномасштабная миграция и оптимизация кодовых баз: агенты Argon работают над миграцией кодовых баз C/C++ на Rust по всей Google — от десятков тысяч строк в базовых библиотеках, таких как re2 и libgav1, до более чем 800 000 строк ядра Zircon операционной системы Fuchsia OS. Учитывая критичность многих из этих систем, крупномасштабные переписывания проходят строгий автоматизированный и ручной аудит, тестирование эмуляцией и проверку перед развертыванием в продакшене. Для libgav1 — открытого программного обеспечения Google для декодирования видео — агенты Argon взяли существующий порт на Rust и заменили 32 000 строк SIMD-кода, проведя множество раундов экспериментов с профилированием, изучая вывод компилятора и создавая безопасный Rust, чтобы компилятор автоматически векторизовал его. В результате получился безопасный по памяти видеодекодер, работающий в 2,7 раза быстрее порта на Rust с идентичным видеовыходом, приблизившись к оптимизированной реализации на C++.

Лимит вывода в 1 миллион токенов

Для поддержки возможностей Gemini 4 Argon в более длительных и сложных сценариях использования Google сообщила, что расширяет лимит вывода модели до лучшего в отрасли показателя в 1 миллион токенов против прежних 64 000 токенов. По словам компании, когда у модели есть пространство для глубокого размышления и генерации сотен тысяч токенов за один проход, это добавляет новый уровень глубины аргументации, позволяя решать сложные задачи за один проход.

Программирование и корпоративные рабочие процессы в разных областях

Google сообщила, что возможности 4 Argon в программировании, аргументации и мультимодальности в сочетании со способностью выдерживать длительные многошаговые задачи позволяют ей преуспеть в целом ряде корпоративных рабочих процессов. Инженеры Google используют модель для ежедневных задач — от обычной отладки до крупномасштабной миграции кодовых баз и проектирования алгоритмов. Argon устанавливает новый передовой уровень в DeepSWE v1.1, измеряющем производительность модели в реальных длительных задачах программной инженерии, с результатом 77,9%.

Помимо программирования, Google сообщила, что Argon является ведущей моделью в Vals Index, который измеряет экономическое влияние в области финансов, программирования, права и налогообложения, где каждая отрасль взвешена по своему вкладу в ВВП США. Компания сообщила об аналогично ведущих результатах в профильных оценках, включая Vals Finance Agent v2, проверяющую многошаговые финансовые исследования, и Harvey's Legal Agent Benchmark, охватывающий юридические исследования и составление документов. На AutomationBench — бенчмарке Zapier, измеряющем сквозное выполнение основных бизнес-функций, — Argon занимает первое место с результатом 51,3%.

Argon также сильна, когда работа со знаниями требует визуального понимания, по данным Google. Модель может выполнять профессиональный анализ диаграмм, выявлять детали из длинных видео и действовать на основе серии документов. На LVBench, измеряющем понимание длинного видео, компания сообщила, что Argon является лучшей с результатом 91,7%.

Лидерство в оборонительной кибербезопасности

Google сообщила, что обучила Gemini 4 Argon быть высокоэффективной в кибербезопасности, чтобы лучше оснастить киберзащитников для новой эпохи кибератак. Модель может автономно находить, проверять и исправлять критические уязвимости программного обеспечения. Для доверенных защитников и собственных внутренних команд Google Argon будет выпущена без киберзащитных ограничений, чтобы они могли использовать все ее фронтирные возможности в оборонительной кибербезопасности.

Компания в области безопасности Wiz уже использует Argon для киберзащиты через инициативу Scan for Good — программу, посвященную бесплатной защите критической общественной инфраструктуры путем выявления и устранения высокорисковых уязвимостей. В ранней демонстрации влияния модели, по данным Google, Argon выявила критическую уязвимость, раскрывавшую конфиденциальную персональную информацию в медицинском программном обеспечении, используемом больницами по всему миру, обнаружив серьезный риск, который предыдущие фронтирные модели пропустили.

На CWE-bench v1, оценивающем способность модели устранять уязвимости безопасности, Argon делит первое место с максимальным результатом 68%, развивая фронтирные показатели 3.8 Flash Cyber на CWE-bench v0.

Google сообщила, что Gemini 4 Argon демонстрирует впечатляющие скачки в обнаружении уязвимостей по сравнению с 3.8 Flash Cyber:

• На внутреннем комплексном бенчмарке уязвимостей Google Argon выявила широкий спектр уязвимостей в сложных кодовых базах, охватывающих 20 языков программирования.
• На внутреннем бенчмарке черного ящика для пентестинга Wiz, проверяющем способность модели анализировать живые веб-системы без исходного кода, Argon превосходит 3.8 Flash Cyber в обнаружении поверхности атаки, выявлении уязвимостей и создании подтверждения концепции для их проверки.

Усиление фронтирных мер защиты

Перед широким развертыванием Gemini 4 Argon Google сообщила, что продолжает усиливать критически важные фронтирные меры защиты по четырем основным направлениям:

• Защита от злоупотреблений: чтобы предотвратить использование Argon злоумышленниками для кибератак или атак с использованием химических, биологических, радиологических и ядерных (CBRN) средств, модель спроектирована так, чтобы отказывать во вредоносных запросах, сохраняя при этом легитимные двойные научные исследования, в соответствии с Frontier Safety Framework от Google DeepMind. Компания усиливает надежность своих мер защиты к этому запуску, в том числе улучшая методы мониторинга внутренних активаций модели для выявления злоупотреблений. Эти меры защиты прошли тестирование на надежность внутренними и внешними редкими командами с использованием комбинации ручных и автоматизированных методов атак.
• Защита от prompt-инъекций: Google охарактеризовала Argon как свою наиболее устойчивую модель против косвенных prompt-инъекций, при которых вредоносные инструкции или контекст используются для перехвата поведения модели. По словам компании, это сложные атаки, требующие постоянной бдительности и многоуровневой защиты. Через автоматизированный редкиминг и состязательное обучение Gemini 4 Argon лидирует по устойчивости к prompt-инъекциям в бенчмарке Gray Swan по косвенным prompt-инъекциям (IPI), согласно Google.
• Мониторинг рассогласования: чтобы предотвратить выход Argon за рамки при выполнении задачи способами, выходящими за намерения пользователя, Google развертывает меры противодействия рассогласованию, которые отслеживают цепочку рассуждений и действия модели и при необходимости останавливают выполнение. Компания использовала аналогичную систему для мониторинга тренировочных запусков и отправки оповещений специализированной команде реагирования на инциденты, тщательно предостерегая от передачи результатов обратно в обучение, чтобы не рисковать тем, что аргументация Argon адаптируется для уклонения от мониторинга. Google сообщила, что настоятельно призывает остальную отрасль сохранять прозрачность аргументации "в эти ключевые моменты роста возможностей при прохождении рисков согласования", чтобы мысли модели оставались полезными для выявления и диагностики рассогласования.
• Укрепление систем: по мере роста возможностей фронтирных моделей их безопасное тестирование требует защищенных сред, которые могут не отставать от самих систем. В соответствии со своей дорожной картой контроля агентов, компания укрепляет свои изированные среды, изолируя и герметизируя их до начала высокорисковых тренировок или оценок. Google также обязалась делиться этими лучшими практиками безопасности агентов с партнерами для повышения безопасности во всей экосистеме.

Скорое развертывание

Google сообщила, что создала Gemini 4 Argon с фронтирными возможностями в программировании, работе со знаниями, киберзащите и креативном письме, чтобы она служила партнером для разработчиков, специалистов и предприятий в решении самых сложных задач. Компания выразила благодарность первоначальной группе киберзащитников и доверенных тестировщиков, чьи реальные оценки и отзывы помогут укрепить ее системы перед выпуском для разработчиков, предприятий и потребителей, начиная с платных клиентов API и подписчиков Google AI Ultra.

Об авторе: Корай Кавукчуоглу — один из ведущих мировых экспертов в области искусственного интеллекта. В должности старшего вице-президента Google DeepMind он руководит разработкой передовых генеративных AI-моделей Google DeepMind и их интеграцией в продукты Google в масштабе. До своей нынешней роли он занимал пост вице-президента по исследованиям в Google DeepMind, где основал команду глубокого обучения, добившуюся крупных научных прорывов, таких как DQN (Deep Q-Network) и WaveNet.