Gemini 4 Argon вышла из закрытого теста: лимит до 1 млн токенов и новые результаты
Google открыла публичный доступ к Gemini 4 Argon — новой флагманской модели, которую компания позиционирует как инструмент для «глубокой работы». В первую очередь речь идёт о программировании, финансовом анализе, юриспруденции, кибербезопасности и научных задачах.
Модель представили 30 сентября, однако на первом этапе её тестировали только доверенные участники программы Fairwind. Теперь Gemini 4 Argon доступна через Gemini API, а также подписчикам Google AI Pro и Ultra.
Общий лимит в миллион токенов
Ключевое изменение связано с контекстом модели. Для Gemini 4 Argon заявлен единый бюджет в 1 млн токенов, который распределяется между входными данными и ответом. Ранее Google говорила о лимите в 1 млн токенов на вывод, но после релиза уточнила, что речь идёт о суммарном ограничении.
Для сравнения, у Claude Opus 5.5 заявлен контекст на 1 млн токенов и отдельный лимит ответа в 128 тысяч токенов. Поэтому прямое сопоставление этих показателей зависит от того, как именно модель использует входные и выходные данные.
Результаты тестирования
В Artificial Analysis Intelligence Index Gemini 4 Argon набрала 53 балла. Это сопоставимо с показателем GPT-6 Astra и заметно выше медианного результата сравниваемых моделей, который составил 27 баллов. При этом Google отмечает, что тестирование проводилось 30 сентября, а показатели релизной версии могут отличаться.
В индексе Vals, оценивающем работу с финансовыми, юридическими, налоговыми и кодинг-задачами, модель заняла первое место. В тесте ERQA на физическое и пространственное мышление Argon получила 87%. В бенчмарке Gray Swan успешными оказались 0,7% адаптивных попыток промпт-инъекций, а в кодинг-тестах доля попыток обойти ограничения составила 2% — это лучший результат среди моделей Gemini.
Применение в разработке и науке
Google приводит несколько примеров практического использования Argon внутри своих проектов. В Chrome модель помогла отделить около 6 млн строк устаревшего кода браузерных функций от остальной части Chromium, включающей примерно 40 млн строк. По оценке компании, рефакторинг сотен файлов занял недели вместо месяцев.
В Google ADK модель за одну ночь обнаружила оптимизации, которые сократили время подготовки сессии в памяти на 40%, а холодный импорт ускорили на 21%. В проекте xTB предсказание молекулярных структур стало быстрее в 2,3 раза, а поиск конформеров — в 1,8 раза. Для Gemma 4 E2B через vLLM на ускорителе A100 заявлено увеличение скорости инференса с примерно 37,9 до более чем 108 тысяч токенов в секунду без потери качества.
Робототехника и автономная работа
Одним из сценариев проверки Gemini 4 Argon стала робототехника. Модель проанализировала видео игры в корнхол, восстановила структуру пространства, рассчитала движения всего тела и самостоятельно написала код симуляции. После переноса системы на гуманоидного робота Apollo от Apptronik машина забила семь бросков подряд.
В другом эксперименте Argon построила симуляцию по одной фотографии стола и сгенерировала более 4500 эпизодов для обучения. Это увеличило успешность выполнения задачи реальным роботом с 56% до 75%, а среднее время выполнения сократилось с 35 до 24 секунд.
В приложении Gemini появился режим переключения из чата в задачу: модель может продолжать работу, пока пользователь отошёл от компьютера. Кроме того, Antigravity теперь встроен в приложение Gemini для macOS. В Google подчёркивают, что Argon станет только началом семейства Gemini 4, в котором позднее появятся другие модели.
