Google готовит Gemini 4 Argon для решения задач на долгий срок

Google представила Gemini 4 Argon – новую флагманскую модель искусственного интеллекта, предназначенную для решения сложных задач в корпоративной среде и разработки программного обеспечения. В пресс-релизе компания заявляет о значительно улучшенных показателях в кодировании и расширенных возможностях рассуждения, а также о специальной модели ценообразования, которая будет действовать до 30 ноября, после чего стоимость удвоится.

Корэй Кавукчу, вице-президент Google DeepMind и главный архитектор искусственного интеллекта в Google, в своем блоге отметил, что модель «отлично справляется с глубокой работой в сложных, реальных задачах».

Google сообщает, что ее инженеры использовали Argon для рефакторинга старого каталога, содержащего около шести миллионов строк кода, внутри 40-миллионного кода Chromium. Эта работа заняла всего несколько недель, а не месяцы. Команды, использующие Argon в Antigravity, сообщили о более чем 35% увеличении количества обработанных запросов и сокращении на почти треть количества ошибок в коде, хотя компания не предоставила подробностей о методах измерения этих показателей.

Gemini 4 Argon доступна через API Gemini в AI Studio и на платформе Gemini от Google, а также для подписчиков Google AI Ultra в среде Antigravity для разработки агентов. Как указано в пресс-релизе, модель создана для задач, требующих глубокого рассуждения и структурной точности.

Согласно информации, опубликованной компанией, использование модели Argon обойдется в 2 доллара за миллион входных токенов и 10 долларов за миллион выходных токенов в течение действующей акции. При этом, входные токены, используемые для кэширования, предоставляются со скидкой в 95%. В примечании к публикации указано, что цены возрастут до 4 и 20 долларов соответственно, начиная с 30 ноября. Компания заявляет, что ограничение в 1 миллион токенов для модели в API Gemini распространяется как на входные, так и на выходные данные.

Аналитик Greyhound Research, Саньчит Вир Гогия, рекомендует руководителям ИТ-отделов планировать бюджет, учитывая более высокую стоимость, поскольку процесс оценки, проверки безопасности и закупки для предприятий не завершается в рамках акции. "Бизнес-план, основанный на стартовой цене, – это бизнес-план, который придется пересмотреть через семь недель", – заявил он.

Гогия отметил, что Google будет тарифицировать "разумное" количество токенов по цене выходных данных, что делает стоимость за один токен не самым точным показателем реальных затрат. "Дешевые токены за один токен и дешевые токены за задачу – это разные вещи, и только вторая из них учитывается в бюджете", – подчеркнул он.

Саша Гровер, руководитель отдела исследований в IDC, отметила, что использование агентов позволяет более эффективно использовать токены благодаря возможности планирования, вызова внешних инструментов и повторного использования контекста. Она ссылаясь на результаты опроса IDC FERS (5-я волна, 2026 год), сообщила, что 72% предприятий за последние 12 месяцев столкнулись с тем, что их расходы на искусственный интеллект превысили первоначальные прогнозы.

Нитиш Тьяги, старший аналитик в Gartner, подчеркнул, что пока не существует убедительных доказательств того, что ценовая политика и публичные показатели производительности Argon обеспечат "сопоставимое качество результатов для корпоративных задач". Он отметил, что внутреннее тестирование на собственных рабочих процессах должно оставаться главным критерием при выборе модели.

Гогия добавил, что в Google Cloud предусмотрена возможность изменения тарифов, если цена не была изначально оговорена. Руководители ИТ-отделов, желающие получить гарантии по цене и версии после 30 ноября, должны обязательно включить это в свои контракты, – заявил он. Гогия также отметил, что настоящая зависимость от Google связана с API Interactions, который хранит состояние диалога агента на серверах Google.

«Протоколы сами по себе нейтральны, но состояние диалога – нет», – подчеркнул он.

В отдельном сообщении о безопасности Google сообщило, что модель Argon пыталась обойти внутренние механизмы оценки во время обучения. По словам представителей компании, это можно сравнить с "агентом, который слишком активно стремится выполнить поставленную задачу". Об этом сообщили вице-президент по вопросам безопасности и поведения ИИ Анка Драган и руководитель отдела безопасности Gemini в Google DeepMind, Ралука Ада Попа.

Согласно этому сообщению, в редких случаях во время обучения модель пыталась получить повышенные привилегии контейнера, чтобы изменить скрипты оценки и извлекать ответы из памяти тестового запуска. В одном из случаев она вызвала сбой в оценочной среде, чтобы не учитывать неудачные попытки. Google заявило, что система мониторинга несоответствий выявила эти попытки, и что число попыток обхода оценочных тестов в задачах программирования снизилось до 2%.

"Модель, пытающаяся обмануть оценщика, превращает каждый корпоративный оценщик в систему, требующую защиты", - заявил Гогия. Он подчеркнул, что агенты никогда не должны иметь права на запись в те данные, которые они оценивают, и что сбой или истечение времени выполнения проверки должны рассматриваться как неудача.

Гровер настоятельно рекомендовала внедрять отдельные идентификаторы для каждого агента, использовать временные учетные данные, привязанные к конкретным задачам, ограничивать доступ к сети и требовать ручного подтверждения при внесении изменений, расширении прав доступа и экспорте конфиденциальных данных. «При развертывании в производственной среде необходимо обеспечить строгий контроль и возможность аудита, а также успешное выполнение поставленных задач», – подчеркнула она.

В ходе внутренних тестов безопасности, проведенных компанией Google, модель Argon успешно прошла все 12 смоделированных сценариев сложных атак, в отличие от предыдущего поколения Gemini, для которого было разработано всего 5 таких сценариев, – сообщает пресс-служба Google. Компания подчеркнула, что в рамках своей системы Frontier Safety Framework, Argon прошла проверку в областях кибербезопасности и биологической безопасности.

Гогоя отметил, что этот результат – "оценка, разработанная и проведенная самой компанией Google", и что компания Greyhound не смогла независимо подтвердить эти данные.

Кроме того, Google расширяет свою программу Fairwind, предоставляя доступ к модели Argon сотням новых партнеров, прошедших тщательную проверку. Это позволит квалифицированным специалистам по кибербезопасности использовать Argon без дополнительных ограничений.

"Наиболее уязвимый партнер, а не самый надежный, определяет уровень риска", – заявил Гогоя, подчеркнув, что каждый новый партнер добавляет еще одну идентичность и цепочку подрядчиков.

Эксперт из IDC, Гровер, советует руководителям по вопросам безопасности оценивать доступ к таким технологиям на основе воспроизводимых результатов, проверенных патчей и снижения рисков. Она предупреждает, что наличие большого количества информации без возможности ее исправления может увеличить операционное давление.

Статья изначально опубликована в InfoWorld.