Google представила Gemini 4 Argon — фронтирную модель для кода, юридической и финансовой работы и киберзащиты

Поэтапный запуск вместо широкого релиза

Google объявила новую фронтирную модель Gemini 4 Argon и сразу ограничила круг получателей: первыми её получают доверенные киберзащитники в рамках программы Fairwind. Модель построена так, чтобы удерживать глубокое рассуждение в сложных длинных задачах, и, по словам компании, уже меняет то, как Google работает и строит.

Такой осторожный порядок компания объясняет уровнем возможностей: безопасный выпуск фронтирных моделей требует поэтапного подхода. Google участвует в добровольном процессе доступа к моделям до релиза на стороне правительства США, постепенно расширяет круг пользователей и обещает продолжать итерации по предохранителям, прежде чем открыть Argon для разработчиков, предприятий и потребителей.

Запуск начинается с вводной цены — 2 доллара за миллион входных токенов и 10 долларов за миллион выходных, при этом кэшированные входные токены стоят на 95% дешевле входных. После окончания вводного периода цена составит 4 доллара за миллион входных токенов и 20 долларов за миллион выходных.

Что Argon уже делает внутри Google

Модель уже используется во внутренних процессах компании: тысячи сотрудников Google отмечают её сильные стороны в специализированных задачах по коду, в более глубоких исследованиях и в качестве письма.

В квантовых вычислениях Argon помогает исследователям оптимизировать ресурсы пространства-времени — кубиты, умноженные на гейты, — для подпрограмм, которые ограничивают важные приложения. В одном из примеров модель обошла опубликованный базовый результат на 40% за считаные минуты.

Отдельная команда агентов на Argon проанализировала телеметрию профилирования всего парка машин, самостоятельно нашла и применила оптимизации памяти в дата-центрах Google, освободив более 300 ТиБ памяти после раскатки, а общая оценка экономии — от 500 ТиБ до 1 ПиБ.

Заметная часть работы — миграции и оптимизации больших кодовых баз: агенты Argon переносят код C и C++ на Rust внутри Google, масштабируясь от десятков тысяч строк в ключевых библиотеках вроде re2 и libgav1 до более чем 800 тыс. строк для ядра Zircon операционной системы Fuchsia. Из-за критичности многих из этих систем такие крупные переписывания проходят строгий автоматический и ручной аудит, эмуляционное тестирование и ревью, прежде чем попасть в продакшен.

Для libgav1 — открытого декодера видео от Google — агенты Argon взяли существующий порт на Rust и заменили 32 тыс. строк SIMD-кода, прогнав множество раундов профилируемых экспериментов и изучив вывод компилятора, чтобы тот автоматически векторизовал безопасный Rust. Результат — безопасный по памяти видеодекодер, который работает в 2,7 раза быстрее порта на Rust при идентичном видеовыходе и приближается к оптимизированному C++.

Ставка на длинный вывод

Чтобы поддерживать более длинные и сложные сценарии, Google существенно расширила лимит вывода модели — до отраслевого уровня в 1 млн токенов против прежних 64 тыс. Когда у модели есть запас, чтобы долго думать и генерировать сотни тысяч токенов в одной траектории, рассуждение получает дополнительную глубину и позволяет решать трудные задачи за один проход.

Код и корпоративные задачи

Инженеры Google используют Argon в ежедневной работе — от обычной отладки до крупных миграций кодовых баз и проектирования алгоритмов. Модель устанавливает новый рекорд на DeepSWE v1.1 — 77,9%; этот бенчмарк измеряет работу модели в реальных длинных задачах программной инженерии.

За пределами кода Argon лидирует в Vals Index, который измеряет экономический эффект в финансах, программировании, юридической работе и налогах, взвешивая каждый сектор по его вкладу в ВВП США. Схожие результаты компания заявляет и в предметных оценках: Vals Finance Agent v2 для многошаговых финансовых исследований и Legal Agent Benchmark от Harvey для юридического поиска и составления документов.

На AutomationBench от Zapier, измеряющем сквозное выполнение задач по ключевым бизнес-функциям, Argon занимает первое место с результатом 51,3%. Модель также сильна там, где для работы со знанием нужно визуальное понимание: она ведёт профессиональный анализ графиков, распознаёт детали длинных видео и действует по серии документов. На LVBench, который измеряет понимание длинного видео, Argon показывает лучший результат — 91,7%.

Киберзащита как отдельное направление

Google отдельно подготовила Argon для киберзащиты: модель способна автономно находить, проверять и закрывать критичные уязвимости в ПО. Доверенным защитникам и собственным внутренним командам Google отдаст Argon без киберпредохранителей, чтобы они могли использовать весь фронтирный потенциал модели в защите.

Компания Wiz уже применяет Argon в инициативе Scan for Good — программе, которая бесплатно защищает критичную публичную инфраструктуру, находя и устраняя рискованные уязвимости и открытые воздействия. В ранней демонстрации модель обнаружила критичную уязвимость, раскрывавшую чувствительную персональную информацию в медицинском ПО, которое используют больницы по всему миру, — серьёзный риск, пропущенный предыдущими фронтирными моделями.

На CWE-bench v1, оценивающем умение модели устранять уязвимости, Argon делит первое место с лучшим результатом 68%, продолжая результат 3.8 Flash Cyber на CWE-bench v0. По обнаружению уязвимостей Argon демонстрирует заметный скачок относительно 3.8 Flash Cyber: на внутреннем комплексном бенчмарке Google модель нашла широкий набор проблем в сложных кодовых базах на 20 языках программирования, а на внутреннем бенчмарке чёрного ящика от Wiz, где нужно анализировать живые веб-системы без исходного кода, превзошла 3.8 Flash Cyber в поиске поверхности атаки, выявлении уязвимостей и подготовке доказательств концепции.

Предохранители до широкого релиза

Перед широким выпуском Google продолжает усиливать предохранители по четырём направлениям. Чтобы не допустить использования Argon для кибератак и атак с химическим, биологическим, радиологическим и ядерным компонентом, модель спроектирована отказывать на вредные запросы, сохраняя при этом легитимные исследования двойного назначения, — в соответствии с Frontier Safety Framework компании. Устойчивость предохранителей проверяли внутренние и внешние red team, сочетая ручные и автоматические методы атак.

Argon также назван самой устойчивой моделью Google к косвенным prompt-инъекциям, когда вредоносные инструкции или контекст пытаются перехватить управление поведением модели. За счёт автоматического red teaming и состязательного обучения Gemini 4 Argon лидирует по устойчивости к prompt-инъекциям в бенчмарке Indirect Prompt Injection (IPI) от Gray Swan.

Для контроля смещения Google разворачивает механизмы, которые следят за цепочкой рассуждений и действиями Argon и при необходимости останавливают выполнение. Похожая система следила за обучающими прогонами и отправляла оповещения отдельной команде реагирования на инциденты; компания приняла меры, чтобы находки не попадали обратно в обучение и не формировали у модели рассуждение в обход мониторинга. Google призывает отрасль сохранять прозрачность рассуждений в этот момент роста возможностей, чтобы мысли модели оставались полезными для выявления и диагностики смещения.

Отдельно компания укрепляет системы: безопасное тестирование всё более способных моделей требует защищённых сред, которые поспевают за самими моделями. В рамках дорожной карты контроля агентов Google изолирует и запечатывает песочницы до начала высокорискового обучения или оценок и обещает делиться этими практиками с партнёрами.

Кому и когда

Google описывает Argon как модель с фронтирными возможностями в коде, работе со знанием, киберзащите и творческом письме — напарника для разработчиков, профессионалов и предприятий в самых трудных задачах. Компания благодарит первую группу киберзащитников и доверенных тестировщиков, чьи оценки и обратная связь помогут укрепить систему перед релизом для разработчиков, предприятий и потребителей, начиная с платных пользователей API и подписчиков Google AI Ultra.