Оглавление

Компания Google 1 октября официально выпустила новую модель искусственного интеллекта под названием Gemini 4 Argon. Вопреки ожиданиям индустрии, новинка не стала прямым «убийцей» GPT-6, а продемонстрировала смещение фокуса разработчиков в сторону специализированных задач. Как сообщает издание vocal.media, модель показывает выдающиеся результаты в юриспруденции и финансах, но по-прежнему уступает конкурентам в написании программного кода с нуля.

Название Argon, отсылающее к 18-му элементу таблицы Менделеева, намекает на новую стратегию именования продуктов DeepMind. После нескольких лет метаний между завышенными ожиданиями и работой над ошибками, Google, похоже, перешла к более осторожному и прагматичному позиционированию своих технологий, делая ставку на качество обработки длинных контекстов и мультимодальность.

Превосходство в интеллектуальном труде

Согласно результатам тестирования, Argon значительно опережает конкурентов в специфических нишах. В бенчмарке для юридических агентов Harvey модель набрала 19,6%, в то время как GPT-6 Astra показала лишь 5,4%. Аналогичный разрыв наблюдается в финансовом секторе: тест Vals v2 принес Argon 65,4% против 53,5% у флагмана OpenAI.

Особого внимания заслуживает работа с огромными массивами данных. На тесте GraphWalks, проверяющем контекстное окно от 256 тысяч до 1 миллиона токенов, модель достигла показателя 84,2%. При этом уровень галлюцинаций у Argon зафиксирован на отметке 15%, что выглядит крайне выигрышно на фоне 51% у GPT-6 Astra.

Слабые стороны и ценовая политика

Ситуация с программированием выглядит иначе. В тесте FrontierSWE v2 Argon набрал 55,0%, пропустив вперед и GPT-6 Astra, и Claude Opus 5.5. Внутренние источники в Google также выражают скепсис относительно реальной продуктивности модели при написании кода, отмечая разрыв между синтетическими тестами и повседневной практикой разработчиков.

Технологический скачок Argon выглядит впечатляюще лишь до момента анализа стоимости владения. Модель склонна к избыточным рассуждениям, генерируя в среднем 62 000 токенов на задачу там, где конкурентам хватает 27 000. Это классический пример инженерного триумфа, который рискует разбиться о прагматизм корпоративных бюджетов, когда закончится период промо-цен. Google создала отличный инструмент для чтения, но так и не научила его экономить слова.

На старте API Argon предлагается со значительной скидкой: 2 доллара за миллион входных токенов и 10 долларов за миллион выходных. Однако стандартная цена, которая вступит в силу позже, будет вдвое выше. Учитывая высокую плотность генерации — Argon использует в 2,3 раза больше токенов на одну задачу, чем Astra, — экономическая выгода от использования новой модели может быстро сойти на нет.

Технологические особенности обучения

Исследователь Google DeepMind Тяньфу Фу пояснил, что прогресс Gemini 4 во многом обусловлен масштабированием обучения с подкреплением (RL). В стек технологий был добавлен метод RSI (Rejection Sampling Iteration), слухи о котором циркулировали в среде разработчиков последние месяцы. Это позволило расширить не только контекстное окно, но и лимит вывода. Обратной стороной медали остается «сжигание» токенов, что напрямую влияет на итоговую стоимость эксплуатации системы для конечного бизнеса.

На данный момент доступ к модели ограничен программой Fairwind для доверенных тестеров. В дальнейшем приоритет получат платные пользователи API и подписчики Google AI Ultra. Для Google этот релиз — попытка закрепиться в высшей лиге, предложив рынку не универсальный комбайн, а мощный инструмент для юристов, аналитиков и исследователей.