Gemini 4 Argon: обзор новой нейросети от Google

Обзор Gemini 4 Argon от Google: миллион токенов на выходе, работа с кодом и документами, результаты тестов, стоимость API и ограничения нейросети.

Попросить нейросеть написать функцию — сравнительно простая задача. Поручить ей разобраться в чужом проекте, найти причину ошибки, внести изменения и проверить, не сломалось ли что-нибудь ещё, — совсем другая история. Здесь уже недостаточно убедительного первого ответа. Нужна способность долго работать, учитывать промежуточные результаты и не терять исходную цель.

Именно на такие сценарии Google нацеливает Gemini 4 Argon, представленную 30 сентября 2026 года. Компания делает акцент на разработке программного обеспечения, профессиональной аналитике и киберзащите. А самая заметная техническая характеристика модели — лимит выходных токенов, увеличенный до миллиона.

Но интерес к Argon не стоит сводить к размеру ответа или количеству побед над конкурентами. Гораздо важнее понять, какую работу ей потенциально можно поручить и сколько проверки останется человеку. Этот обзор опирается на опубликованные материалы, а не на собственные испытания модели.

Большой лимит генерации легко превратить в эффектный рекламный тезис: нейросеть способна выдать текст книжного объёма. Однако для большинства пользователей это сомнительное преимущество. Никому не нужен миллион токенов, если полезная мысль помещается в нескольких абзацах.

Практический смысл нововведения другой. Google увеличила предел выходных токенов с 64 тысяч до миллиона, чтобы дать модели больше пространства для продолжительного решения сложных задач. Компания связывает этот запас с глубоким анализом и генерацией в рамках одной последовательности работы.

Представим подготовку технического исследования. Нужно сопоставить исходные материалы, проверить несколько гипотез, разобрать противоречия и только после этого сформулировать вывод. В таком сценарии дополнительный запас может быть полезнее, чем возможность быстро написать длинную статью.

При этом лимит выхода нельзя путать с контекстным окном. Первый относится к генерируемым токенам, второе — к объёму информации, который модель способна учитывать. Объявленный миллион выходных токенов сам по себе не описывает все ограничения будущего публичного API.

И, конечно, длина не равна качеству. Нейросеть может подробно развивать ошибочную мысль. Поэтому расширенный лимит — техническая возможность, а не сертификат достоверности.

В опубликованных результатах особенно выделяются задачи, связанные с аналитикой и выполнением бизнес-процессов. На AutomationBench Argon получила 51,3% против 42,5% у Claude Opus 5.5. В финансовом тесте Vals Finance Agent v2 её результат составил 65,4%, тогда как ближайший показатель среди сравниваемых моделей — 58,9% у Claude Fable 5.1.

Эти цифры интересны не столько расстановкой мест, сколько направлением развития. Здесь оценивается уже не умение поддерживать разговор, а выполнение специализированной работы.

Потенциальная ценность такого помощника хорошо видна на обычных офисных задачах: сопоставить несколько отчётов, обнаружить расхождения, собрать аргументы для решения, подготовить черновик документа. Это сценарии, в которых результат можно проверить по исходным данным и понятным критериям.

Впрочем, было бы ошибкой прочитать результат AutomationBench как обещание автоматизировать половину работы любой компании. Бенчмарк проверяет определённый набор заданий в определённых условиях. Реальные документы могут оказаться менее структурированными, требования — противоречивыми, а нужные сведения — неполными.

Поэтому Argon выглядит прежде всего как кандидат для пилотного внедрения, а не как готовое основание передать нейросети целый отдел.

Разработчикам Argon тоже есть чем заинтересовать, но здесь особенно опасны общие формулировки вроде «лучшая модель для кода».

На DeepSWE v1.1, посвящённом длительным задачам разработки, Google указывает для Argon результат 77,9%. У Claude Opus 5.5 в той же сравнительной таблице — 74,2%. Однако на Terminal-Bench 4.0 положение меняется: Argon получает 57,4%, а Opus — 66,4%.

Получается, что преимущество в одном инженерном сценарии не переносится автоматически на другой. Для команды, которой нужен помощник в терминале, важны одни испытания. Для работы над крупными изменениями в проекте — другие.

Более предметный пример Google приводит из собственной практики. Агенты на базе Argon оптимизировали Rust-версию видеодекодера libgav1, добившись, по сообщению компании, ускорения в 2,7 раза относительно существовавшего Rust-порта при идентичном видеорезультате. Это не означает ускорение в 2,7 раза относительно оптимизированной реализации на C++.

Ценность этого примера — в характере работы: эксперименты, анализ результатов компиляции и последовательная оптимизация. Но Google также подчёркивает, что масштабные изменения проходят автоматические и ручные проверки перед внедрением.

Именно так подобные инструменты и стоит оценивать: не по количеству написанных строк, а по качеству изменений после тестирования и ревью.

Сравнительные таблицы создают ощущение точности. У одной модели показатель выше — значит, она лучше. На практике между числом и пользовательским опытом находится немало условий.

В методике Google указано, что результаты собраны из разных источников. Часть испытаний компания проводила самостоятельно, часть данных взята из публичных рейтингов и материалов разработчиков других моделей. Например, результат Argon на DeepSWE рассчитан Google, а оценки конкурентов получены из внешних источников.

Это не обесценивает сравнение, но ограничивает выводы. На итог влияют инструменты агента, настройки рассуждения, ограничения времени и особенности среды.

Пользователю полезнее задать собственный вопрос: справляется ли модель с типичной задачей лучше нынешнего решения? Причём «лучше» должно включать не только правильность ответа, но и время выполнения, стоимость, количество повторных попыток и объём ручной доработки.

На старте доступ к Argon получили проверенные специалисты по киберзащите через программу Fairwind. Google заявляет, что модель способна самостоятельно находить, проверять и исправлять критические программные уязвимости.

Выбор этой области понятен: защита систем требует анализа большого количества деталей и проверки предположений. Но чем больше действий способен выполнять агент, тем важнее контролировать его полномочия.

Отдельный риск — инструкции, спрятанные во внешних материалах. Например, помощник читает документ и принимает содержащуюся в нём команду за указание пользователя. Такие атаки называют непрямыми промпт-инъекциями.

Google сообщает о повышенной устойчивости Argon к подобным воздействиям, а также о мониторинге действий и усилении изоляции рабочих сред.

Однако устойчивость модели и безопасность всей системы — не одно и то же. Даже сильному помощнику не следует автоматически выдавать доступ ко всем данным и право на необратимые действия. Ограниченные разрешения, журналирование и подтверждение критических операций остаются необходимыми.

Google объявила вводные тарифы: 2 доллара за миллион входных токенов и 10 долларов за миллион выходных. После вводного периода предусмотрены ставки 4 и 20 долларов соответственно. 2

Для ориентира: обработка 100 тысяч входных и генерация 10 тысяч выходных токенов по вводным ставкам обойдутся в 30 центов, если считать только эти две составляющие и не учитывать кеширование.

Но агентная задача может потребовать нескольких обращений к модели, дополнительных проверок и повторных попыток. Поэтому низкая цена отдельного запроса ещё не гарантирует экономию.

Правильная единица сравнения — стоимость проверенного результата. Если дешёвый ответ приходится долго исправлять, выгода исчезает. Если более затратный процесс сокращает часы ручной работы, он может оказаться оправданным.

С доступностью тоже важно не путать планы и фактический запуск. В официальном анонсе Google назвала платных клиентов API и подписчиков Google AI Ultra следующими группами для расширения доступа, но конкретной даты не указала.

Gemini 4 Argon интересна попыткой сделать нейросеть полезнее в продолжительной профессиональной работе. Опубликованные результаты дают основания присмотреться к ней для аналитики, отдельных задач разработки и киберзащиты. При этом они не подтверждают универсального превосходства во всех сценариях.

Главный вопрос к Argon — не «сколько текста она выдаст?» и даже не «сколько тестов выиграет?». Важнее другое: сколько полезной работы останется после того, как человек проверит её результат.

Именно здесь проходит граница между впечатляющей демонстрацией и инструментом, который действительно стоит внедрять.