Google представила Gemini 4 Argon: новую frontier-модель для сложных рабочих задач

Что произошло

Google представила Gemini 4 Argon — новую frontier-модель для сложных многошаговых задач. Компания позиционирует её как рабочий инструмент для разработки, финансов, права, кибербезопасности и научных исследований.

Argon уже доступна глобально: разработчикам и компаниям — через API в Google AI Studio и Gemini platform, а подписчикам Google AI Ultra и Pro — в приложении Gemini и AI Mode в Search. Модель также интегрирована в Google Antigravity.

По заявлению Google, стартовая цена составляет $2 за миллион входных токенов и $10 за миллион выходных; кэшированные входные токены предлагаются со скидкой 95%.

В качестве примеров компания приводит применение модели для крупных рефакторингов, оптимизации производительности и поиска критических уязвимостей. Внутри Google использование Argon в Antigravity, по данным компании, помогло увеличить число агентных кодовых изменений более чем на 35% и сократить откаты кода примерно на треть.

Почему это важно

Рынок всё заметнее смещается от демонстраций «умного чата» к моделям, которые могут доводить до результата длинные рабочие цепочки: разбираться в кодовой базе, использовать инструменты, проверять гипотезы и работать с предметным контекстом. Gemini 4 Argon выходит именно в этой логике.

Для команд важен не только рост качества, но и экономика: при работе с агентами объём контекста и число вызовов быстро растут. Поэтому цена, кэширование и доступ через API становятся частью конкуренции наравне с бенчмарками.

Заявления Google о преимуществах модели следует воспринимать как данные самого разработчика: реальные результаты будут зависеть от задач, настроек агентного контура и качества проверки итогов человеком. Но сам релиз подтверждает, что ведущие лаборатории всё активнее упаковывают frontier-модели в инструменты для практической работы.

Что дальше

Ближайший тест для Gemini 4 Argon — независимые оценки в программировании, анализе документов и работе с инструментами, а также опыт первых команд в продакшене. Стоит следить и за тем, как быстро возможности модели появятся в продуктах Google за пределами API.

Пользователям важно сохранять базовую дисциплину: поручать ИИ черновую и исследовательскую работу, но проверять код, расчёты, юридические выводы и действия в реальных системах. Чем автономнее становится модель, тем ценнее контроль на финальном шаге.

Источник: официальный анонс Google.