Google глобально запускает Gemini 4 Argon с контекстом на 1 млн токенов и фокусом на глубокое рассуждение
Ключевые выводы
- •Gemini 4 Argon теперь доступна по всему миру через Gemini API в AI Studio, платформу Gemini и агентную среду Antigravity для подписчиков Google AI Ultra.
- •Стартовая цена установлена на уровне $2 за миллион входных токенов и $10 за миллион выходных токенов, кэшированные входные токены доступны со скидкой 95%, а после завершения вводного периода 30 ноября 2026 года тарифы удвоятся до $4 и $20.
- •Модель поддерживает единое контекстное окно ввода-вывода на 1 млн токенов и, по данным Google, занимает первое место в бенчмарке Vals Index, оценивающем производительность в финансах, программировании, юриспруденции и налогообложении.
- •Внутренние команды Google сообщили, что запуск Argon в Antigravity увеличил количество агентных отправок кода более чем на 35% и сократил откаты почти на треть, включая работу с устаревшей папкой объемом около 6 миллионов строк в кодовой базе Chromium.
- •Argon применялась в высокорисковых областях, таких как коррекция квантовых ошибок, новые контрпримеры к гипотезе Града в исследованиях термоядерного синтеза, выявление ранее пропущенной хромосомной перестройки и устранение уязвимостей вместе с компанией безопасности Wiz.

Google сделала свою новейшую флагманскую ИИ-модель Gemini 4 Argon доступной по всему миру, представив ее как систему, созданную для продолжительных многошаговых рассуждений при решении сложных профессиональных задач.
Разработчики и предприятия могут получить доступ к модели через Gemini API в AI Studio и на платформе Gemini. Подписчики Google AI Ultra также могут использовать ее в агентной среде Antigravity, а также в приложении Gemini и режиме AI Mode в Поиске.
По данным Google, Argon занимает первое место в рейтинге Vals Index — бенчмарке, измеряющем производительность моделей в экономически значимых секторах, включая финансы, программирование, юриспруденцию и налоговую сферу. Подобные межотраслевые рейтинги стали стандартным способом, с помощью которого ИИ-лаборатории доказывают готовность своих моделей к регулируемым рабочим процессам с большим объемом документов.
Стартовая цена установлена на уровне $2 за миллион входных токенов и $10 за миллион выходных токенов, при этом кэшированные входные токены доступны со скидкой 95% — деталь, актуальная для команд, многократно обрабатывающих одни и те же длинные документы. После завершения вводного периода 30 ноября 2026 года тарифы удвоятся до $4 и $20 за миллион токенов соответственно, что дает командам фиксированное окно для оценки по стартовым ценам до повышения стоимости. Через API модель поддерживает ведущее в отрасли единое контекстное окно ввода-вывода объемом 1 млн токенов — этого достаточно, чтобы уместить обширные кодовые базы или коллекции документов за один проход, не разбивая работу на более мелкие фрагменты.
Google также поделилась ранними внутренними результатами, которые, по ее словам, указывают на значительный рост производительности. Запуск Argon внутри Antigravity увеличил количество агентных отправок кода более чем на 35%, сократив при этом откаты кода почти на треть. Команда Chrome использовала модель для разбора устаревшей папки объемом около 6 миллионов строк внутри кодовой базы Chromium на 40 миллионов строк, ускорив архитектурный рефакторинг, который в противном случае занял бы месяцы. Оптимизации, внесенные в открытый фреймворк ADK, сократили время подготовки сессий в памяти на 40% и улучшили холодные импорты на 21%, а модели Gemma от Google достигли ускорения инференса в 2,85 раза на оборудовании A100 с полной токенной эквивалентностью. Поскольку эти цифры получены от собственных инженерных команд Google, а не в результате независимых измерений, они показывают, как модель работала на крупных кодовых базах в условиях, контролируемых компанией.
— Google AI Studio (@GoogleAIStudio) October 13, 2026
Реальное применение в науке и кибербезопасности
Помимо разработки программного обеспечения, Argon применяется в высокорисковых научных областях и сфере безопасности — ряд развертываний, расширяющих послужной модели за пределами результатов бенчмарков. В квантовых вычислениях модель перевела декодер коррекции ошибок AlphaQubit от Google в единое оптимизированное аппаратное ядро, почти удвоив пропускную способность инференса. Она также создала формально верифицированную реализацию подпрограммы arcsin, сокращающую spacetime-затраты более чем в 100 раз по сравнению с опубликованной базовой версией.
В сотрудничестве с исследователями Университета Мэриленда Google использовала Argon для поиска новых контрпримеров к гипотезе Града — предположения 1967 года об оптимизации магнитного поля стеллараторов, играющем центральную роль в исследованиях управляемого термоядерного синтеза.
В науках о жизни исследователи Gamow Labs применили Argon для выявления хромосомной перестройки у новорожденного с редким заболеванием легких, которую стандартное программное обеспечение не обнаруживало годами. Собственная команда Google, в свою очередь, за несколько часов создала пять новых ферментов — сериновых эстераз, — все из которых продемонстрировали подтвержденную каталитическую активность в лабораторных испытаниях.
В сфере безопасности компания Wiz использовала Argon для устранения уязвимостей в государственной и здравоохранительной инфраструктуре, включая обход загрузки файлов, открывавший административный доступ к записям пациентов. Google также расширяет программу Fairwind на сотни партнеров в области кибербезопасности и предоставляет 10 000 исследователей шестимесячный бесплатный доступ к высшему тарифному уровню Antigravity, передавая модель внешним организациям для продолжительной оценки в реальных условиях.
В вопросах безопасности Google сообщает, что внешнее биологическое редтиaming позволило разблокировать менее 1% протестированных биологических подзадач, число попыток обхода правил на бенчмарках программирования снизилось до 2%, а Argon лидирует в бенчмарке Gray Swan Indirect Prompt Injection с показателем успешности атак 0,7% на протяжении 15 адаптивных попыток — класс атак, при которых вредоносные инструкции, скрытые в обрабатываемом контенте, пытаются перехватить поведение модели.
Этот материал впервые опубликован Metaverse Post.