Google представила Gemini 4 Argon — модель для длинных задач, разработки и кибербезопасности

Модель для задач, которые не укладываются в один запрос

Gemini 4 Argon создавалась с расчётом на так называемые long-horizon workflows — задачи, где модели недостаточно сгенерировать отдельный фрагмент кода или ответить на вопрос. Она должна последовательно выполнять множество действий, анализировать промежуточный результат и продолжать работу в течение длительного времени.

Для этого Google значительно увеличила максимальный объём ответа модели: с 64 тысяч до 1 миллиона токенов за одну траекторию выполнения. По задумке компании, такой запас позволяет модели дольше рассуждать и выполнять крупные задачи без необходимости постоянно разбивать их на отдельные небольшие запросы.

Google уже использует Argon внутри компании. Один из наиболее показательных примеров — миграция крупных кодовых баз с C и C++ на Rust. Агентов на базе Argon применяют как для библиотек размером в десятки тысяч строк, так и для компонентов значительно большего масштаба — вплоть до более чем 800 тысяч строк кода ядра Zircon в операционной системе Fuchsia. Результаты таких миграций при этом проходят обычное автоматическое и ручное тестирование и code review перед использованием в production.

Ещё один внутренний эксперимент связан с оптимизацией памяти в инфраструктуре Google. Группа AI-агентов анализировала данные профилирования датацентров и искала возможности уменьшить потребление памяти. По утверждению Google, уже внедрённые изменения освободили более 300 TiB, а потенциальный суммарный эффект оценивается компанией в диапазоне от 500 TiB до 1 PiB.

Разработка превращается в задачу для автономных агентов

Argon ориентирована не только на генерацию кода. Google позиционирует её как модель, способную работать с полноценными инженерными процессами: искать ошибки, анализировать большие проекты, проводить оптимизации и выполнять продолжительные миграции.

На DeepSWE v1.1 — тесте, ориентированном на реальные продолжительные задачи программной инженерии, — Google заявляет результат 77,9%. Однако, как и с любыми benchmark-результатами производителя, реальную полезность модели можно будет полноценно оценить после появления широкого доступа и независимых тестов.

Само направление при этом важнее отдельных процентов. AI-инструменты постепенно переходят от схемы «разработчик задаёт вопрос — модель отвечает» к более автономному процессу:

разработчик формулирует задачу → агент изучает проект → изменяет несколько частей системы → запускает проверки → анализирует результат → исправляет ошибки.

Такая модель работы потенциально позволяет передавать AI уже не отдельные операции вроде написания функции или теста, а законченные блоки инженерной работы.

Но одновременно растёт цена ошибки. Чем больше действий агент способен выполнить самостоятельно, тем важнее изоляция окружения, ограничение прав, журналирование действий и обязательная проверка результата человеком перед внесением изменений в критичные системы.

Особое внимание Google уделила кибербезопасности

Одно из основных направлений Gemini 4 Argon — defensive cybersecurity.

Google утверждает, что модель способна самостоятельно находить, проверять и исправлять критические уязвимости программного обеспечения. В тестах компании Argon анализировала сложные кодовые базы на 20 языках программирования, а также работала с системами без исходного кода в рамках black-box testing.

В раннем использовании модель также помогла обнаружить критическую уязвимость в медицинском программном обеспечении, которая могла раскрывать чувствительные персональные данные. По данным Google, предыдущие frontier-модели эту проблему не обнаружили.

Именно возможности в области cybersecurity стали одной из причин осторожного запуска Argon.

Сейчас Google не предоставляет модель всем желающим. Первым доступ получают проверенные специалисты по безопасности в рамках программы Fairwind. Для этой категории пользователей компания планирует предоставлять возможности модели без части cyber-ограничений, чтобы специалисты могли использовать её для полноценного поиска и устранения уязвимостей.

Google одновременно усиливает sandbox-окружения для тестирования подобных агентов и постепенно расширяет доступ, собирая обратную связь перед публичным запуском.

Когда Gemini 4 Argon станет доступна разработчикам

На момент анонса 30 сентября Gemini 4 Argon не является общедоступной моделью. Сначала её получают участники программы Fairwind и другие доверенные тестировщики.

Google планирует затем открыть доступ разработчикам, корпоративным клиентам и обычным пользователям. Расширение должно начаться с платных клиентов API и подписчиков Google AI Ultra, однако конкретной даты широкого запуска компания пока не назвала.

Также уже объявлены будущие цены API. На первоначальном этапе Google планирует брать $2 за миллион входных токенов и $10 за миллион выходных. После окончания вводного периода базовая стоимость должна увеличиться до $4 и $20 соответственно. Для кэшированных входных токенов заявлена скидка 95% относительно стандартной цены input.

Gemini 4 Argon показывает направление, в котором сейчас движутся крупнейшие AI-разработчики: модель становится не столько генератором текста или кода, сколько средой выполнения продолжительных интеллектуальных задач.

Особенно заметно это в программировании. Если подобные системы смогут достаточно надёжно работать с крупными репозиториями, запускать инструменты и самостоятельно проходить через циклы «изменение — проверка — исправление», основной сценарий использования AI в разработке постепенно сместится от autocomplete и чата к управлению автономными инженерными агентами.