Gemini 4 Argon: Wyniki Frontier, limit 1M tokenów i brak publicznego identyfikatora modelu

Gemini 4 Argon to pierwszy model Gemini 4 od Google i jak dotąd najsilniejszy. Niezależni testerzy oceniają go na równi z GPT-6 Astra, prowadzi w Indeksie Vals w zakresie finansów, prawa i pracy podatkowej, a także może generować do 1M tokenów w jednej odpowiedzi. W trakcie promocji startowej kosztuje również mniej za token niż Astra.

Haczyk tkwi w dostępie. Od 13 października 2026 roku Argon jest udostępniany tylko obrońcom cybernetycznym w programie Fairwind Google. Google nie opublikowało identyfikatora modelu, nie znajduje się on na liście modeli API Gemini, a także nie jest jeszcze dostępny na AIHubMix. Ten post omawia, co się zmieniło, gdzie Argon wygrywa, a gdzie nie, oraz kto powinien zacząć planować jego wdrożenie.

Krótka wersja

• Argon zastępuje Gemini 3.1 Pro Preview na szczycie oferty Google. Jest to pierwszy nowy model powyżej poziomu Flash od ponad siedmiu miesięcy.
• W Indeksie Sztucznej Analizy Inteligencji uzyskuje wynik 53, taki sam jak GPT-6 Astra przy maksymalnym rozumowaniu i 23 punkty powyżej Gemini 3.1 Pro Preview.
• Ma najniższy wskaźnik halucynacji spośród wszystkich modeli z najwyższymi wynikami w teście Sztucznej Analizy (15%), ale odpowiada na mniej z tych pytań poprawnie niż Astra.
• Ustępuje Claude Opus 5.5 i GPT-6 Astra w zadaniach związanych z kodowaniem i użyciem komputerów.
• Cena wprowadzająca: 2 USD za wejście i 10 USD za wyjście na milion tokenów, wzrastająca do 4 USD i 20 USD. Google nie ogłosiło, kiedy kończy się promocja.
• Kto może go używać dzisiaj: członkowie Fairwind. Płatni klienci API i subskrybenci Google AI Ultra będą następni, ale nie ma jeszcze daty.

Co się zmieniło w porównaniu do Gemini 3.1 Pro Preview

Post startowy Google przedstawia Argon jako model do pracy "długoterminowej": rzeczywiste inżynieria oprogramowania, prace wiedzy w przedsiębiorstwie, takie jak prawo i finanse, oraz obronę cybernetyczną. Największą konkretną zmianą jest sufit wyjściowy.

Ceny 3.1 Pro Preview dotyczą zapytań do 200k tokenów (4 USD / 18 USD powyżej tej wartości). Argon nie opublikował jeszcze poziomu cenowego dla długiego kontekstu.

Limit wyjścia 1M tokenów. Wcześniejsze modele Gemini zatrzymywały się na 64K tokenów wyjściowych. Argon może kontynuować do 1M, korzystając z nowej funkcji API Gemini o nazwie Long Decode Continuation, która wstrzymuje długą odpowiedź i wznawia ją w kolejnych wywołaniach, aby nie doszło do przekroczenia limitu czasu. Przykłady Google pokazują, dlaczego to ma znaczenie: jego agenci używali Argon do migracji z C i C++ do Rust, w tym ponad 800K linii jądra Fuchsia Zircon, a w jednej bibliotece zastąpili 32K linii kodu SIMD bezpiecznym Rustem, który działa 2,7 razy szybciej niż wcześniejszy port Rust. To są zadania, w których limit 64K zmuszał do ręcznego dzielenia pracy.

Nowy schemat nazewnictwa. Nie ma etykiety Pro ani Flash, tylko numer generacji i kodowa nazwa. Google planowało wcześniej model Gemini 3.5 Pro w 2026 roku, ale zrezygnowało z niego.

Ograniczone wprowadzenie. Argon został wytrenowany specjalnie do pracy defensywnej w cyberprzestrzeni, a Google twierdzi, że może "autonomicznie znajdować, weryfikować i łatać krytyczne luki w oprogramowaniu." Członkowie Fairwind oraz wewnętrzne zespoły Google otrzymują wersję bez zabezpieczeń cybernetycznych. Szerokie wydanie będzie odrzucać szkodliwe zapytania dotyczące cybernetyki, chemii, biologii, radiologii i broni jądrowej.

Co pozostało bez zmian. Wyjście to nadal tylko tekst. Wejścia obejmują tekst, obrazy i wideo (Sztuczna Analiza wymienia również mowę). Testerzy zewnętrzni zgłaszają okno kontekstowe 1M tokenów; post startowy Google nie podaje limitu wejścia. [TBD: oficjalne okno kontekstowe]

Jak wypada w porównaniu z GPT-6 Astra, Claude Opus 5.5 i Fable 5.1

Tabela poniżej pochodzi z tabeli benchmarków Google DeepMind. Google uruchomiło Argon na najwyższym ustawieniu myślenia i głównie korzystało z samodzielnie zgłaszanych lub publicznych wyników konkurencji, więc traktuj to jako dane dostawcy. Sztuczna Analiza oraz Vals AI opublikowały niezależne wyniki, cytowane po tabeli.

OSWorld-2.0 to offline podzbiór, częściowy wynik. GraphWalks to F1. Pełna tabela zawiera 19 wierszy; Argon prowadzi lub jest na równi w 14 z nich.

Trzy wzorce wyróżniają się:

• Praca wiedzy to obszar, w którym różnica jest najszersza. W benchmarku agenta prawnego Harvey'a Argon uzyskuje 19,6% w porównaniu do maksymalnie 6,7% dla innych. W przypadku Agenta Finansowego v2 przewaga wynosi ponad sześć punktów.
• Bardzo długie wejścia są stabilne. W GraphWalks między 256k a 1M tokenów Argon utrzymuje 84,2%, podczas gdy inni spadają do około 65–72%.
• Kodowanie jest mieszane. Argon prowadzi w DeepSWE, ale ustępuje w FrontierSWE (Astra) i Terminal-bench 4.0 (Opus 5.5).

Niezależne wyniki w dużej mierze się zgadzają. Sztuczna Analiza ocenia Argon (wysoko) na 53 w swoim Indeksie Inteligencji, na równi z GPT-6 Astra (maks.) i jeden punkt przed GPT-6.1 Sol (maks.). Jego wynik w Terminal Bench 4 wynosi 57%, za Claude Sonnet 5.5, Claude Opus 5.5 i GPT-6 Astra. Vals klasyfikuje Argon jako pierwszy z modeli w swoim indeksie, z najlepszym wynikiem w Agencie Finansowym v2, i wymienia użycie komputerów (CUA-bench) jako słaby punkt.

Wymiana związana z "niską halucynacją"

Test Omniscience Sztucznej Analizy zadaje trudne pytania faktograficzne i karze za pewne błędne odpowiedzi. Wskaźnik halucynacji Argona wynosi 15%, co jest najniższym wynikiem spośród wszystkich modeli osiągających 45 lub więcej w indeksie; wskaźnik GPT-6 Astra wynosi 51%. Jednak dokładność Argona w tych samych pytaniach wynosi 50%, w porównaniu do 63% dla Astra. Argon osiąga niski wskaźnik halucynacji, odmawiając odpowiedzi, gdy nie jest pewny, a nie przez posiadanie większej wiedzy.

Dla przeglądów prawnych i finansowych to często właściwa wymiana: odmowa jest łatwa do zauważenia i skierowania do osoby lub innego modelu, podczas gdy pewna błędna liczba może umknąć recenzentowi. To się opłaca tylko wtedy, gdy Twoja aplikacja ma miejsce, aby skierować pytania, na które Argon odmawia odpowiedzi.

Gdzie Argon nie jest najlepszym wyborem

• Agenci kodowania z dużą ilością terminali. W tabeli Google Opus 5.5 ma 66,4% w Terminal-bench 4.0 w porównaniu do 57,4% Argona, a przebieg Sztucznej Analizy zgadza się z tym porządkiem.
• Użycie komputera. Astra prowadzi w OSWorld-2.0, a Vals klasyfikuje Argona na siódmym miejscu z ośmiu w CUA-bench.
• Pytania, które muszą mieć odpowiedź za każdym razem. 50% dokładności Omniscience oznacza wiele odpowiedzi "Nie jestem pewny" w przypadku trudnych faktów.
• Prace wrażliwe na opóźnienia. Argon średnio generował około 62k tokenów wyjściowych na zadanie Sztucznej Analizy, w porównaniu do około 27k dla Astra. Google nie opublikowało danych o prędkości. [TBD: prędkość wyjścia i czas do pierwszego tokena]
• Wszystko, co musi być dostarczone w tym kwartale. Nie możesz go jeszcze używać.

Kto powinien przejść, poczekać lub zostać

"Planuj na Argon" oznacza: prototypuj przepływ pracy na Gemini 3.8 Flash lub 3.1 Pro Preview już dziś, budżetuj według standardowej ceny Argona i zamień identyfikator modelu, gdy dostęp zostanie otwarty.

Przygotowanie na AIHubMix

Argon ma stronę modelu na AIHubMix pod identyfikatorem gemini-4-argon, ale jest oznaczony jako wkrótce dostępny i nie ma jeszcze ceny. [TBD: data dostępności AIHubMix]

Możesz teraz zbudować przepływ pracy na modelach Gemini, które AIHubMix już obsługuje, takich jak Gemini 3.8 Flash, i zachować identyfikator modelu w konfiguracji. Punkt końcowy zgodny z OpenAI działa z standardowym SDK OpenAI; przewodnik AIHubMix Gemini obejmuje również natywne SDK Google.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

# AIHubMix wymienia Argon jako gemini-4-argon (wkrótce dostępny). Prototypuj na
# Gemini 3.8 Flash, a następnie ustaw ARGON_MODEL_ID=gemini-4-argon, gdy się otworzy.
MODEL = os.environ.get("ARGON_MODEL_ID", "gemini-3.8-flash")

resp = client.chat.completions.create(
    model=MODEL,
    reasoning_effort="high",
    messages=[
        {"role": "user", "content": "Wymień klauzule dotyczące rozwiązania w poniższym kontrakcie. Powiedz, jeśli nie jesteś pewny żadnej z nich.\n\n<tekst kontraktu>"},
    ],
)
print(resp.choices[0].message.content)

Na zgodnej z OpenAI trasie, reasoning_effort odpowiada ustawieniom myślenia Gemini. Jakie wartości Argon akceptuje, nie zostało jeszcze udokumentowane. [TBD: poziomy rozumowania Argona na AIHubMix]

Gdy Argon otworzy się na AIHubMix, jego cena i obsługiwane parametry będą widoczne na stronie modelu.

FAQ

Czy mogę używać Gemini 4 Argon przez API dzisiaj?
Tylko jeśli Twoja organizacja jest w programie Fairwind Google. Płatni klienci API i subskrybenci Google AI Ultra są następni w kolejce, ale Google nie podało daty.

Jaki jest identyfikator modelu Gemini 4 Argon?
Google nie opublikowało takiego. Na AIHubMix Argon jest wymieniony jako gemini-4-argon na stronie modelu oznaczonej jako wkrótce dostępna. Wywołanie tego identyfikatora przez API Google zwróciło błąd 404 1 października.

Czy Gemini 4 Argon jest lepszy od GPT-6 Astra?
W indeksie Sztucznej Analizy są na równi. Argon prowadzi w pracy wiedzy, długim pozyskiwaniu kontekstu i rozumieniu wideo; Astra prowadzi w FrontierSWE, zadaniach naukowych w terminalu i użyciu komputerów.

Czy Gemini 4 Argon jest dobry do kodowania?
Jest silny w DeepSWE i Vibe Code Bench, ale Claude Opus 5.5 i GPT-6 Astra nadal prowadzą w kodowaniu z dużą ilością terminali.

Co oznacza limit wyjścia 1M tokenów w praktyce?
Jedno zadanie może wygenerować znacznie więcej niż stary limit 64K, na przykład dużą migrację kodu lub długi raport. Google twierdzi, że to polega na Long Decode Continuation, która wstrzymuje i wznawia długie odpowiedzi w kolejnych wywołaniach.

Dlaczego wskaźnik halucynacji jest niski, ale dokładność wynosi tylko 50%?
Argon częściej odmawia odpowiedzi, gdy nie jest pewny. To obniża pewne błędne odpowiedzi, ale także zmniejsza odsetek pytań, na które odpowiada poprawnie.

Kiedy Gemini 4 Argon będzie dostępny na AIHubMix?
Nie ma jeszcze daty. Jego strona modelu AIHubMix jest już dostępna, ale oznaczona jako wkrótce dostępna. Buduj na Gemini 3.8 Flash lub 3.1 Pro Preview przez AIHubMix już teraz i zamień identyfikator modelu, gdy Argon się otworzy.

Czytaj dalej: seria Gemini 4 Argon

• Cena startowa 2 USD / 10 USD wydaje się tania, dopóki nie policzysz tokenów na zadanie. Mierzony koszt na zadanie jest tutaj: Cennik Gemini 4 Argon: Tani za token, ale nie za zadanie

Źródła

• Gemini 4 Argon: nasza następna era inteligencji granicznej (Google)
• Modele i benchmarki Gemini (Google DeepMind)
• Gemini 4 Argon: Google wraca jako jedno z trzech najlepszych laboratoriów w osiągniętej inteligencji (Sztuczna Analiza)
• Benchmarki, koszty i możliwości Gemini 4 Argon (Vals AI)
• Gemini 4 Argon na AIHubMix (AIHubMix)