Google выкатила Gemini 4 Argon: формально топ, но внутри Google сами сомневаются
Google выкатила нового флагмана — Gemini 4 Argon. По бумагам это монстр, который бьёт и Claude Opus 5.5, и GPT-6 Astra. Но есть нюанс: Bloomberg пишет, что часть сотрудников Google сомневается в реальных возможностях модели .
Что по цифрам:
- DeepSWE v1.1 — тест на реальные задачи разработки: 77.9%. Это выше, чем у Claude Opus 5.5 (74.2%) и GPT-6 Astra (74.1%) .
- CWE-bench v1 (поиск уязвимостей): 68%, делит первое место .
- LVBench (понимание длинных видео): 91.7% .
- AutomationBench (Zapier, бизнес-процессы): 51.3%, первое место .
Что по фишкам:
- 1 миллион выходных токенов — это в 15 раз больше, чем у предыдущего поколения (64K). Модель может «думать» и генерировать сотни тысяч токенов в одном проходе, не разбивая задачу на части .
- Цена на входе: $2 за миллион входных токенов и $10 за миллион выходных. После промо-периода — $4 и $20. Кэшированные входные токены — скидка 95% .
- Кибербезопасность: Argon находят, проверяют и патчат уязвимости автономно. Уже нашли критическую дыру в медицинском ПО, которую пропустили предыдущие модели .
Но есть тревожный сигнал от Bloomberg:Сотрудники Google, у которых есть доступ, говорят: на бенчмарках Argon хорош, но в реальной работе — хуже. Модель «испытывает трудности с некоторыми задачами кодинга». Один источник внутри компании заявил, что результаты бенчмарков не всегда отражают реальную производительность . Google официально ответила Bloomberg, что «неточной было бы говорить, что Gemini 4 уступает в кодинге», и что внутри «большой консенсус» о frontier-уровне модели. Но сам факт утечки сомнений — уже звоночек.
Доступ пока закрытый:
- Сначала — только доверенные киберзащитники через Fairwind Program .
- Потом — платные пользователи API и подписчики Google AI Ultra .
- Бесплатная версия Gemini — когда-то позже, точных сроков нет.
Итог: Argon — это заявка Google на лидерство в агентном кодинге и кибербезе. По бумагам он бьёт конкурентов, по цене агрессивен, по возможностям (1M токенов вывода) — реально шаг вперёд. Но если внутренние голоса говорят о разрыве между бенчмарками и реальностью, стоит дождаться широкого релиза и независимых тестов.