Gemini 4 Argon: Google új, hosszú távú gondolkodásra képes frontier modellje

A Google bemutatta új frontier modelljét, Gemini 4 Argon-t, amelyet hosszú távú, mély gondolkodásra és összetett munkafolyamatok fenntartására fejlesztettek. A modellt először a Fairwind Program keretében megbízható kibervédelmi partnerekhez juttatják el, miközben fokozatosan bővítik a hozzáférést és gyűjtik a korai tesztelők visszajelzéseit.

Mire képes Argon és hol alkalmazzák belsőleg

A Google szerint Argon jelentősen javítja a belső munkafolyamatokat: ezerszám használják a Googler-ek kódolási feladatokra, mélyebb kutatásra és szövegírásra. Konkrét eredmények a bejelentés szerint:

• Kvantumalgoritmus-optimalizáció: Argon percek alatt 40%-kal jobb eredményt ért el egy publikált alapvonalnál a kvantumalgoritmusok tér-idő erőforrásainak (qubitek × kapuk) optimalizálásában.
• Memóriahatékonyság: Argon-ügynökök flottaszintű profiltelemetriát elemeztek és automatikusan alkalmaztak memóriaoptimalizációkat a Google adatközpontjaiban; a kirollolt változtatásokkal több mint 300 TiB memóriát szabadítottak fel, és a teljes megtakarítást 500 TiB–1 PiB közé becsülik.
• Nagy méretű kódbázis-migrációk: Argon ügynökök részt vesznek C/C++ kódok Rustra történő átírásában, kezdve néhány tízezer soros könyvtáraktól (re2, libgav1) egészen több mint 800 000 soros Fuchsia OS Zircon kernelig. Ezeket a kritikus rendszereket automatizált és kézi auditok, emulációs tesztek és átvizsgálások előzik meg.

Példaként a libgav1 (Google nyílt forráskódú videodekóder) esetében Argon egy meglévő Rust-portot továbbfejlesztve 32K sor SIMD-kódot cserélt le profilvezérelt kísérletek és a fordító kimenetének elemzése alapján; az eredmény egy memória-biztonságos dekóder, amely 2,7-szer gyorsabb, mint a Rust-port, ugyanazt a videókimenetet adva, közelebb hozva a C++-ban optimalizált teljesítményt.

Hosszabb gondolkodási tartomány: 1 millió token korlát

Argon kimeneti tokenkorlátját jelentősen megnövelték: a korábbi 64K-ról iparágvezető 1 millió tokenre. A Google szerint ez lehetővé teszi, hogy a modell „mélyebben gondolkodjon” és száz- vagy százezres tokeneket generáljon egyetlen, összetett feladatsor során, ami új szintre emeli az egylöketes problémamegoldást.

Teljesítmény vállalati és szakmai munkában

Argon több területen is vezető teljesítményt mutat a bejelentés szerint:

• DeepSWE v1.1 (hosszú távú szoftvermérnöki feladatok): 77,9% pontszám.
• Vals Index (gazdasági hatásmérés pénzügy, kódolás, jog és adó területein): Argon vezető modellként szerepel.
• Domain-specifikus mérések: vezető eredmények Vals Finance Agent v2 és Harvey’s Legal Agent Benchmark értékeléseken.
• AutomationBench (Zapier benchmark, end-to-end üzleti műveletek): Argon #1 helyezése 51,3%-os pontszámmal.
• LVBench (hosszú videók értelmezése): Argon állítólag 91,7%-os pontszámmal a jelenlegi csúcson van.

A Google hangsúlyozza továbbá Argon multimodális erősségét: professzionális diagram-elemzések végrehajtása, hosszú videók részleteinek kiemelése és dokumentum-sorozatok alapján végrehajtott műveletek.

Kiberbiztonsági védelem és kutatás

Gemini 4 Argon-t kifejezetten megtanították kiberbiztonsági védelemre is: képes autonóm módon megtalálni, érvényesíteni és javítani kritikus szoftverkiszolgáltatottságokat. Egyes, megbízható védekező partnerek és a Google belső csapatai számára Argon „cyber guardrailok nélkül” lesz elérhető, hogy teljes mértékben kihasználhassák a frontier szintű védekező képességeket.

• Wiz a Scan for Good kezdeményezés részeként már használja Argon-t: a modell az egyik korai demonstrációban egy olyan kritikus sebezhetőséget talált meg egészségügyi szoftverben, amely személyes adatokat tett kitéve, és amelyet korábbi frontier modellek nem észleltek.
• CWE-bench v1: Argon megosztott első helyen végzett 68%-os eredménnyel.
• Google belső sérülékenységi benchmark: Argon sokféle kitettséget fedezett fel komplex kódbázisokban, 20 programozási nyelvet érintve.
• Wiz belső, fekete dobozos penetrációs benchmarkján Argon felülmúlta a 3.8 Flash Cyber modellt a támadási felület felfedezésében, sebezhetőségek azonosításában és a validáló bizonyítékok előállításában.

Biztonsági intézkedések és fokozatos kiadás

A Google négy fő területen erősíti a frontier szintű védőbástyákat, mielőtt széles körben elérhetővé teszi a modellt:

1. Visszaélések elleni védelem: Argon a Frontier Safety Framework szerint tervezték úgy, hogy visszautasítson káros kéréseket (például kibertámadások vagy CBRN témák), miközben engedi a legitim, kettős felhasználású tudományos kutatást. A védelmi mechanizmusok robosztusságát belső és külső red team tesztekkel ellenőrizték.

2. Prompt injection elleni védelem: Argon a Google szerint a legellenállóbb modellek közé tartozik az indirekt prompt injekciós támadásokkal szemben; automatizált red teaming és adverszárius tréning használatával értek el előrelépést, és vezet az IPI (Indirect Prompt Injection) benchmarkon.

3. A nem kívánt viselkedés monitorozása (misalignment): Argon gondolatmenetét és cselekvéseit figyelik, és szükség esetén leállítják a végrehajtást, ha a modell a felhasználói szándék határain túl próbálna eljárni. A Google hasonló rendszert használt a tréningsorozatok figyelésére, riasztások küldésére dedikált incidenskezelő csapatnak, miközben óvatosan elkerülik, hogy ezek az észlelések visszahatva torzítsák a modell gondolkodását.

4. Rendszerek megerősítése: a sandbox környezeteket izolálják és lezárják magas kockázatú tréningek és értékelések előtt, a Google agent control roadmap-je szerint. A vállalat ígéri, hogy megosztja ezeket az ügynökbiztonsági gyakorlatokat partnereivel.

Árazás és elérhetőség

Argon bevezető ára API ügyfelek számára 2 USD per 1 millió input token és 10 USD per 1 millió output token; a cached (gyorsítótárazott) input tokenek 95%-os kedvezménnyel lesznek számlázva az input token árhoz képest. Az bevezető időszak lejárta után a díjak 4 USD / 1M input token és 20 USD / 1M output token lesznek.

A Google arra számít, hogy a Fairwind Programban és a belső tesztelőkön keresztül szerzett visszajelzések alapján tovább finomítja a korlátokat és a védelmi intézkedéseket, mielőtt a szolgáltatást kiterjesztené fejlesztőkre, vállalatokra és végfelhasználókra, kezdve a fizetős API ügyfelekkel és a Google AI Ultra előfizetőkkel.

Következtetés

Gemini 4 Argon a Google szerint új szintet hoz az AI hosszú távú gondolkodásában, kódfeldolgozásában, vállalati tudásmunkában és kiberbiztonságban. A vállalat hangsúlyozza a fokozatos kiadást, erős red-team teszteket és a sandboxing gyakorlatok megosztását, miközben azonnali kezdeti hozzáférést biztosít a megbízható kibervédelmi partnereknek a Fairwind Programon keresztül.