8 октября 2026Команда Сарнас

Gemini 4 Argon: флагманская модель Google с лимитом вывода в 1 млн токенов и доступом только для киберзащитников

Google выпустила свою самую мощную модель — Gemini 4 Argon, способную генерировать до миллиона токенов за раз и нацеленную на сложные задачи в кибербезопасности и программировании. Однако получить к ней доступ прямо сейчас смогут лишь избранные специалисты по защите информации, а всем остальным придётся ждать открытия API. Разбираем, чем Argon отличается от предшественников и почему Google решила ограничить круг пользователей.

30 сентября 2026 года Google анонсировала Gemini 4 Argon — фронтир-модель, которую компания называет своей самой мощной на сегодня и позиционирует как ответ конкурентам на уровне передовых моделей. Модель ориентирована на длительные многоэтапные задачи в программировании, корпоративной работе (юридической и финансовой) и кибербезопасности.

На старте доступ к ней получает только ограниченная группа специалистов по защите информационных систем в рамках программы Fairwind — сначала государственные пользователи и доверенные киберзащитники. Fairwind — спецпрограмма Google по кибербезопасности, анонсированная в сентябре 2026 года для защиты критической инфраструктуры и госструктур с помощью ИИ; доступ к ней получают доверенные тестировщики. Разработчики, корпоративные клиенты и обычные пользователи ждут: Google обещает открыть доступ «as soon as possible», начиная с платных клиентов API и подписчиков Google AI Ultra.

Что именно изменилось

Ключевое заявленное изменение по сравнению с предыдущими моделями Google — лимит вывода. У предшествующих моделей максимальный объём генерируемого ответа составлял 64 тыс. токенов, у Argon он вырос до 1 млн токенов, что Google называет отраслевым рекордом. По пересчёту это около 750 тысяч слов вместо 48 тысяч. Такой запас позволяет выполнять более длинные цепочки рассуждений и генерировать сотни тысяч токенов в рамках одного рабочего процесса, а сложную задачу решать за один заход, а не по кусочкам.

Модель описывается как система, которая изучает исходные файлы, составляет план, запускает нужные инструменты, проверяет промежуточный результат и исправляет собственные ошибки. В кибербезопасности она способна самостоятельно искать, проверять и исправлять уязвимости в программном обеспечении.

Технические характеристики Gemini 4 Argon (High): принимает на вход текст и изображения, на выходе — только текст. Контекстное окно — 1.0M токенов. Цена по API Google — $2.00 за 1M входных токенов и $10.00 за 1M выходных, для кэшированных промптов указана скидка 95% (это цена попадания в кэш; запись и хранение кэша тарифицируются отдельно).

Предыстория

До релиза Argon лучшая модель Google отставала от лидера индекса Artificial Analysis на 17 пунктов. Argon фактически является заменой так и не вышедшей Gemini 3.5 Pro.

В сравнениях фигурируют GPT-6 Astra, GPT-6.1 Sol, Claude Opus 5.5, Claude Fable 5.1 и xAI Grok 4.7. По одной публикации Argon опережает GPT-6 Astra, Claude Opus 5.5 и Claude Fable 5.1 в 12 тестах из 18, по другой — показывает лучший результат в 13 из 19 строк.

Почему это сделали

Google описывает Argon как модель, уже применяемую во внутренних рабочих процессах: тысячи сотрудников компании отмечают её сильные стороны в специализированных задачах программирования, проведении более глубоких исследований и качестве письма. Среди конкретных внутренних задач — оптимизация квантовых алгоритмов (ускорение подпрограмм, которые сдерживают важные приложения), повышение эффективности памяти (агенты Argon анализировали телеметрию профилирования по всему парку и применяли оптимизации памяти в дата-центрах Google) и крупномасштабная миграция кода (перевод кодовых баз C/C++ на Rust внутри Google). Инженеры используют модель для повседневных задач — от обычной отладки до крупномасштабных миграций и проектирования алгоритмов.

Отдельно Argon обучали быть высокоэффективным в кибербезопасности, чтобы лучше подготовить киберзащитников к новой эре кибератак.

Ограниченный доступ Google объясняет тем, что перед широким выпуском продолжает усиливать защитные механизмы по четырём направлениям. Первое — защита от вредоносного использования: модель спроектирована отклонять опасные запросы, чтобы не дать злоумышленникам применять её для кибератак и атак с химическими, биологическими, радиологическими и ядерными материалами, сохраняя при этом легальные научные исследования. Второе — защита от атак через косвенных промпт-инъекций. Третье — мониторинг рассогласования. Четвёртое — укрепление систем: песочницы изолируются и запечатываются перед началом высокорискового обучения или оценок.

Похожая система мониторинга обучающих прогонов отправляла оповещения специальной команде реагирования на инциденты. Результаты мониторинга намеренно не возвращают в обучение, чтобы модель не научилась скрывать свои рассуждения.

Google планирует выпустить версию Argon без киберзащитных ограничений (guardrails) для доверенных защитников и внутренних команд, чтобы они могли использовать её полные возможности.

Что это меняет на практике

Argon встраивается в рабочие процессы как долго работающий инженерный агент: он сохраняет длинную траекторию работы — анализирует код, запускает тесты, меняет реализацию, проверяет результат и повторяет цикл без постоянного сброса задачи. Рутину можно отдавать агентам, оставив себе роль проверяющего; изменения проходят автоматические и ручные проверки, эмуляцию и обычное ревью.

Модель закрывает сценарий переписывания легаси: агенты переносят код на Rust — от десятков тысяч строк в re2 и libgav1 до 800 тысяч с лишним в ядре Zircon операционной системы Fuchsia. В libgav1 Rust-порт стал в 2,7 раза быстрее при идентичном видео на выходе. Агенты Argon также нашли оптимизации памяти в инфраструктуре Google, которые после внедрения освободили более 300 TiB RAM.

По заявленным результатам Argon лучше всего показывает себя в «знаниевой» работе с документами и длинными текстами: на Vals Index — 68,9% против 67% у Opus 5.5, на AutomationBench — 51,3% против 42,5% у Opus 5.5 и 31,4% у Fable 5.1, на Vals Finance Agent v2 — 65,4% против 58,9% у ближайшего конкурента, на Harvey’s Legal Agent Benchmark — 19,6% против 6,7% у Fable 5.1.

В длинном контексте на GraphWalks до 128 тысяч токенов Argon почти безупречна (99,7%), а от 256 тысяч до миллиона держит 84,2% против 71,8% у Astra; на LVBench — 91,7% против 87,5% у Astra.

В кодинге результаты смешанные: Argon выигрывает DeepSWE v1.1 (77,9%) и Vibe Code Bench (91,9%), но уступает на FrontierSWE v2 (55% против 65,5% у Astra) и Terminal-Bench 4.0 (57,4% против 66,4% у Opus 5.5). В киберзащите на CWE-bench v1 у Argon, Astra и Grok 4.7 по 68%, у Opus 5.5 — 67%, у Fable 5.1 — 58%; на внутреннем тесте Google по поиску уязвимостей — 85,8%, на тесте Wiz по «чёрному ящику» — 70,9%.

По цене за токен Argon в 2,5 раза дешевле GPT-6 Astra, но токенов на задачу тратит в 2,3 раза больше, поэтому по полной цене задача выходит дороже; дешевле он только на промо, срок которого не назвали.

Ограничения и открытые вопросы

Расхождение между бенчмарк и реальной работой признают и обозреватели: по данным Bloomberg, модель «слабо кодит и слабо делает фронтенд, а двое собеседников считают, что её натаскали на тесты» (Google это отрицает). Публичные замеры показывают, что когда приложения Argon проверяет робот, модель вторая из 106, а когда сайты сравнивают живые люди в WebDev Arena — восьмая. В Code Arena Argon лишь #8 в WebDev с 1679, тогда как GPT-6.1 Sol — #3 в WebDev с 1759. В независимом индексе Artificial Analysis Argon получает 53 балла, как и GPT-6 Astra (53), немного опережая GPT-6.1 Sol (52), и делит лишь третье место за Claude Opus 5.5 и Sonnet 5.5.

Внутри Google фиксируют недовольство: исследователи указывают на раздутую бюрократию, которая стремится внедрить ИИ во все продукты компании, а последовательной стратегии вредит постоянная смена задач и приоритетов. Компания потеряла ряд ведущих исследователей в области ИИ, а глава DeepMind Демис Хассабис уступил своё место Кораю Кавукчуоглу.

Сроки расширения доступа не сообщены: попробовать Argon пока нельзя, доступ есть только у специалистов по кибербезопасности из программы Fairwind. Открытым остаётся и вопрос цены: на старте использование стоит $2 за 1 млн входных и $10 за 1 млн выходных токенов, после вводного периода тарифы вырастут до $4 и $20 соответственно.

Отдельно отмечается, что всё, что известно об Argon, — это тесты, которые выбрала Google, независимые замеры и слова анонимных сотрудников: нет ни одного разработчика, который неделю писал бы с моделью код.