В официальном сообщении Gemini 4 Argon названа frontier-моделью, то есть моделью переднего уровня возможностей по оценке самой компании. Google описывает ее как инструмент для реальных рабочих процессов: программирования, работы с корпоративными знаниями, юридических и финансовых задач, налоговой работы и защиты от киберугроз. Главный акцент сделан не на одном коротком ответе, а на длинных задачах, где нужно удерживать цель, рассуждать в несколько шагов и последовательно выполнять работу. Внутри Google Argon уже используется в рабочих процессах, а сотрудники отмечают сильные стороны в специализированных задачах по коду, более глубоком исследовании и качестве письма. Эти формулировки не означают открытый доступ для всех: релиз описан как постепенный, с обратной связью от ранних тестировщиков и доработкой ограничений безопасности.

Контекст и работа с памятью

Самое заметное числовое изменение касается предела вывода. Google пишет, что для поддержки более длинных и сложных сценариев лимит выходных токенов значительно расширен до 1M токенов, тогда как предыдущий предел составлял 64K токенов. Токен можно понимать как небольшой фрагмент текста, из которых модель строит вход и ответ. В данном случае речь идет именно о выводе: модель получает больше места, чтобы вести рассуждение и генерировать очень длинную последовательность в одном проходе. По словам Google, это помогает решать трудные задачи за одну траекторию, когда требуется глубокое рассуждение. Важно не переносить этот предел на любые другие характеристики: источник подтверждает лимит вывода до одного миллиона токенов, но не дает отдельных сведений о полном размере входного контекста, региональной доступности или лицензии.

Что умеет модель

Для программирования Google приводит примеры повседневной отладки, крупных миграций кодовой базы и проектирования алгоритмов. Также указано, что модель показывает 77,9% на DeepSWE v1.1, тесте для длинных задач реальной разработки ПО. За пределами кода Argon описана как модель для экономически значимой офисной работы: финансы, право, налоги и другие бизнес-функции. В источнике сказано о лидерстве на Vals Index, Vals Finance Agent v2 и Harvey’s Legal Agent Benchmark, а на AutomationBench, где оценивается сквозное выполнение задач по ключевым бизнес-функциям, заявлено первое место со score 51,3%. Эти результаты стоит читать как измерения в указанных тестах, а не как универсальное обещание лучшего результата в любой компании или задаче.

Мультимодальность и обучение

Argon также описана как сильная там, где работа со знаниями требует визуального понимания. В официальном материале перечислены профессиональный анализ графиков, поиск деталей в длинных видео и действия на основе серии документов. На LVBench, тесте понимания длинного видео, Google указывает результат 91,7% и называет его state of the art. Мультимодальность здесь означает, что модель может учитывать не только обычный текст, но и визуальную информацию в рабочих материалах. В то же время источник не описывает отдельную процедуру обучения, не раскрывает данные обучения и не подтверждает генерацию изображений или видео как основной результат этой версии. Поэтому корректнее говорить о понимании визуальных материалов в составе рабочих процессов, а не о полноценном инструменте создания медиа.

Источники

Вопросы и ответы

Как сейчас получить доступ к Gemini 4 Argon?

Подтвержденный доступ описан только для набора доверенных специалистов по киберзащите через Fairwind Program. Google пишет о постепенном расширении для разработчиков, предприятий и потребителей, но без точных сроков и условий.