A Gemini 4 Argon modell ma globálisan elérhetővé vált fejlesztők és vállalati ügyfelek számára a Gemini API-n és az AI Studioban, továbbá elérhető a Google AI Ultra előfizetőknek a Google Antigravity felületén, valamint a Google AI Ultra és Pro előfizetőknek a Gemini alkalmazásban és az AI Mode in Search szolgáltatásban.
Argon célja a „mélyfeladatok” megoldása: komplex, valós világbeli problémák több lépéses megközelítést igénylő területein — beleértve a kódolást, pénzügyet, jogi munkát, kiberbiztonságot és tudományos kutatást. Google szerint Argon a többlépéses feladatok pontosságában és mélységében vezet más korszakbeli modellekhez képest, és a Vals Index rangsorában az első helyet érte el. A modell induló ára bevezető időszakban 2 USD per 1M input token és 10 USD per 1M output token; a gyorsítótárazott (cached) input tokenekre 95% kedvezmény érvényes.
Mire használják már Argont belső és külső csapatok?
Google belső csapata, külső vállalatok és kutatók már több területen jelentős eredményeket értek el Argonnal:
- Nagy kódbázisok refaktorálása és optimalizálása
- Vállalati munkafolyamatok javítása jogi, pénzügyi és tudományos területeken
- Kritikus kiberbiztonsági sebezhetőségek feltárása és javítása
- Előrelépések támogatása kvantumszámítás, nukleáris fúzió és élettudományok terén
Konkrét belső példák és mérőszámok:
- Kódfejlesztés: a Google mérnökei szerint Argon Az Antigravity környezetben több mint 35%-kal növelte az „agentic” kódbeadások számát, miközben a kód visszavonások arányát közel egyharmaddal csökkentette.
- Chrome: Argon segített elkülöníteni a core weboldalkezelést egy hozzávetőleg 6 millió soros örökölt mappától a Chromium 40 millió soros kódbázisában, és több száz fájlon átívelő architekturális refaktorálást gyorsított le hetekre redukálva hónapokat.
- ADK (Agent Development Kit): Argon autonóm éjszakai futtatása után a google/adk-python változtatások 40%-kal csökkentették a memóriaalapú munkamenet-előkészítési időt hosszú munkamenetekben, és 21%-kal gyorsították a hideg importokat.
- xTB (kvantumkémiai csomag): a kutatók Argonnal 2,3× gyorsabb molekulaszerkezet-előrejelzést és 1,8× gyorsabb konformer-keresést értek el; a változtatások bekerültek az xTB hivatalos GitHub-tárába.
- Gemma modellek gyorsítása: vLLM használatával Az Argonnal végzett optimalizáció 2,85× end-to-end inference gyorsulást hozott A100-on Gemma 4 E2B esetén (~37 900-ról több mint 108 000 token/s throughput), 100% tokenparitással és minőségveszteség nélkül.
- 3D vizualizációk és játékprototípusok: Argon képes többügynökös vizuális kritikakörökre épülő önálló 3D modellezésre (Blender), textúrázásra (Nano Banana), fizikára és webre exportálásra (Three.js), például pagoda-modell és asztali versenyjáték generálására.
Üzleti és szakmai munkafolyamatok átalakítása
Argon a Google szerint erősebb érvelési képességet, fejlettebb multimodális dokumentumértelmezést és pontosabb írást ad jogi, pénzügyi és tudományos munkákhoz. Példák:
- Nagy mennyiségű, különböző forrásból származó adat (például ~50 GB LiDAR, GIS, CAD és archív anyagok) egyesítése 3D rekonstrukciókhoz, tágítható digitális örökségi helyszínek előállításához.
- Gemini App: Argon dokumentumokat strukturált ügyfélajánlatokká alakít és automatikus munkafolyamatot hoz létre beérkező megkeresések kezelésére.
- Isomorphic Labs: Argon gyorsan szintetizál összetett PDF-eket és szabadalmakat; folyamatokat, amelyek korábban hetekig tartottak, órákra csökkentette.
Tudományos és kutatói hatások
Argont kutatók többször használják tudományos áttörések felgyorsítására:
- Kvantumszámítás: Argon optimalizált hardverkernelt hozott létre az AlphaQubit hibajavító dekóderhez, közel megduplázva az inference-throughputot; egy másik Argon-implementáció Leanben egy kvantum alrutin esetén több mint 100×-os spacetime költségcsökkenést mutatott a publikált CORDIC-alaphoz képest.
- Nukleáris fúzió: Google és a University of Maryland Professor Matt Landreman együtt felfedeztek egy szélesebb osztályt Grad-féle sejtés ellenpéldéiből, amely segíti a stellarator szimulációk validálását.
- Ritka betegségek: Gamow Labs privát értékeléseiben Argon a RareBench-en 57%-kal, a LabBench-en 52,2%-kal teljesített, és egy esetben olyan kromoszóma-átcsoportosítást azonosított, amelyet a rutin szoftver évekig figyelmen kívül hagyott.
- Enzimtervezés: Argon órák alatt gyűjtött adatokat, hangolta modelleket és javasolt ötször új enzimdesignt a 4MU-acetate célmolekulához; laborvizsgálatok megerősítették a katalitikus aktivitást.
A Google bejelentette, hogy 10 000 kutatónak kínálja az Antigravity legmagasabb használati szintjét hat hónapra díjmentesen (folyamatos beszállítással), jogosultság és kapacitás függvényében; a jelentkezés nyitva áll.
Robotika és „Video-to-Sim-to-Real” munkafolyamatok
Argon fejlett vizuális és fizikai érvelése, valamint autonóm kódgenerálása új munkafolyamatokat tesz lehetővé robotikában. Az Embodied Reasoning (ERQA) benchmarkon Argon 87%-os eredményt ért el, amellyel a Google szerint megelőzte a többi frontier modellt.
Egy belső tesztben Argon egy cornhole-játékot bemutató videóból generált szimulációt, számolta ki a szükséges testmozgás koordinátáit, majd átültette az elkészült vezérlőkódot Apptronik Apollo humanoidjára, amely a valóságban egymás után hét bedobást ért el sikeresen.
Kiberbiztonság és Fairwind Program
Argon már a Fairwind Program résztvevőinél is használatban van: a Wiz például a "Scan for Good" kezdeményezésben alkalmazta a modellt kritikus infrastruktúrák védelmére. Google szerint Argon segített egy kormányzati együttműködésben egy olyan hibát feltárni és javítani, amely érzékeny adatok és infrastruktúra kockáztatott volna, továbbá segített egészségügyi rendszerek esetén egy fájlfeltöltési hibát megtalálni és orvosolni, amely több százezer beteg adatát veszélyeztette volna.
Biztonság, visszaélésszabályozás és felügyelet
Google kiemeli, hogy Argon fejlesztése során kiterjedt biztonsági és felügyeleti rétegeket alkalmaztak:
- Visszaélések és jailbreak elleni védelem: a Frontier Safety Framework és külső red teaming alapján a modell robusztussága nőtt — például a külső bio red teaming kevesebb mint 1%-ban tudott feloldani bio al-feladatokat. Egy ellenőrző, ellenálló adatkészleten a veszélyes kérések teljesülésének aránya közel kétszeres csökkenést mutatott a korábbi Gemini modellekhez képest.
- Ügynök-alignment és valós idejű monitorozás: Argont úgy tanították, hogy tiszteletben tartsa a rendszerhatárokat, őszintén jelezzen negatív eredményeket és emberi megerősítést kérjen visszafordíthatatlan lépések előtt. A Google szerint a shortcut kísérletek aránya olyan benchmarkokon, ahol a modellnek nincs ösztönzése visszatartani magát, mindössze 2%-ra esett.
- Prompt-injekció elleni védelem: Argon a Gray Swan Indirect Prompt Injection benchmarkon vezet, az adaptív támadási próbálkozások sikerességét 15 adaptív támadás esetén 0,7%-ra csökkentette.
További részletek és a technikai biztonsági megoldások a Gemini 4 Argon Model Card alatt találhatók.
Hozzáférés és díjszabás
Argon ma indul globálisan, és a következő hozzáférési lehetőségek érhetők el:
- Fejlesztők: Gemini API fizetős rétegén keresztül, valamint Google AI Ultra előfizetőknek Antigravity, AI Studio és Android Studio felületeken.
- Vállalatok: Gemini for business, API és Google Antigravity felületeken.
- Mindennapi felhasználók: a Gemini alkalmazásban és AI Mode in Search-ben Google AI Ultra vagy Pro előfizetéssel.
- Tudósok és kutatók: lehetőség 6 hónapos, ingyenes hozzáférésre az Antigravity legmagasabb használati szintjére; a jelentkezés nyitva áll.
- Kibervédelmi csapatok: a Fairwind Programra jelentkezhetnek, hogy Argonhoz guardrail nélküli hozzáférést kapjanak folyamatosan.
A bevezető időszak után, amely 2026. november 30-án jár le, az árak változnak: 4 USD per 1M input token és 20 USD per 1M output token lesz érvényes a nyilvános hozzáférésre szánt Argon modellre.
Összefoglalás
A Gemini 4 Argon a Google szerint a mély, többlépéses, multimodális és vállalati feladatokra optimalizált modellje, amely magas tokenlimitet (1M unified input-output) és számos valós felhasználási példát kínál a szoftverfejlesztéstől a kiberbiztonságon és robotikán át a kvantum- és fúziós kutatásokig. A Google kiemeli a modell teljesítménybeli vezetését bizonyos benchmarkokon, a konkrét produktivitási és sebességjavulásokat, valamint a többrétegű biztonsági és felügyeleti megoldásokat a visszaélések és nem kívánt viselkedés ellen.
