1 октября 2026 г.
Gemini 4 Argon: Google показал флагман, но попробовать его пока нельзя
Gemini 4 Argon - новый флагман Google для сложного кода, аналитики и поиска уязвимостей. Его анонсировали 30 сентября 2026 года, но обычный пользователь пока не может открыть модель в Gemini или вызвать её по публичному API: доступ есть у отобранных специалистов по кибербезопасности. Обещанная стартовая цена выглядит выгодно, но переключать рабочие процессы на Argon сегодня рано.
Разница между «анонсировали» и «можно использовать» здесь решает всё. Я полез смотреть не только презентационные графики Google, но и независимые замеры: они показывают сильную модель, однако совсем не универсального победителя. Плюс мелкий шрифт в цене меняет картину сильнее, чем кажется по заголовкам.
Что именно анонсировал Google
Argon - модель семейства Gemini 4, заточенная под длинные задачи: пройти большой репозиторий, разобрать пачку документов, несколько раз проверить промежуточный результат. Google называет кодинг, юридическую и финансовую работу и защиту от кибератак. Это закрытая облачная модель, скачать веса и запустить на своей видеокарте нельзя.
В анонсе есть инженерная деталь, которая мне интереснее очередного «побили тест». Google говорит о потолке вывода в миллион токенов против 64 тысяч у предыдущих моделей. Речь именно о максимуме выходного текста, а не об обещании бесплатно прогнать миллион токенов контекста. Для долгой агентной сессии это означает больше пространства на промежуточные шаги. Но большое окно само по себе не гарантирует, что агент закончит задачу без зацикливания или удержит все требования.
Внутри Google модель уже применяли к оптимизации памяти дата-центров и миграции кода. По данным компании, внедрённые изменения освободили более 300 TiB памяти; дальнейшую экономию от 500 TiB до 1 PiB она пока оценивает как потенциальную. Есть кейс видеодекодера libgav1: агенты переработали 32 тысячи строк SIMD-кода на Rust, а итоговая реализация стала в 2,7 раза быстрее прежней Rust-версии при идентичном видеовыводе. Это внутренние кейсы Google, не инструкция «попроси Argon и получи ускорение 2,7 раза».
Почему модель показали, но не дали скачать и попробовать
Сейчас Argon доступен группе проверенных специалистов по киберзащите через программу Fairwind и внутренним командам Google. Компания отдельно говорит о предварительных проверках безопасности и взаимодействии с американскими властями до широкого выпуска. Следующие в очереди - платные клиенты API и подписчики Google AI Ultra; конкретной даты для них и остальных пользователей в анонсе нет.
То есть фраза «Gemini 4 уже вышел» без уточнения вводит в заблуждение. У тебя может быть платный Gemini, рабочий API-ключ или Google AI Studio, но это не подтверждает наличие доступа к Argon. Сначала проверь официальный список доступных моделей в своём аккаунте. Не подставляй придуманное имя модели в продакшен и не покупай подписку только по обещанию будущего доступа.
Google привязала первый этап к киберзащите неспроста. По её сообщению, партнёр Wiz с помощью Argon нашёл серьёзную уязвимость в медицинском ПО. Но деталей для независимого воспроизведения Google не привела: оценивать именно этот случай приходится со слов компании. Отдельные партнёры получат доступ без части стандартных ограничений на кибертемы; это не означает, что такой же режим достанется каждому пользователю API.
Цена: акция и прайс после неё - две разные истории
Google обещает на вводный период $2 за миллион входных токенов и $10 за миллион выходных. Кэшированный ввод будет со скидкой 95% относительно обычного ввода. В сноске написано другое: после окончания вводного периода цена вырастет до $4 за вход и $20 за выход. Дату окончания акции компания не назвала.
Для разработчика главное здесь - не разница в пару долларов в прайс-листе, а стоимость законченной задачи. Агент может многократно читать контекст, звать инструменты и возвращаться к тем же файлам. Дешёвый миллион токенов ничего не обещает, если одна модель на задачу делает вдвое больше запросов, чем другая. Скидка на кэш помогает, когда повторяющаяся часть запроса действительно попадает в кэш; это не автоматическая скидка на все входные токены.
Есть и занятное расхождение источников. Независимый оценщик Vals на странице модели указывает $4/$20 и замеряет стоимость задач при этих ставках. Это совпадает с ценой Google после акции, а не с заявленным вводным прайсом $2/$10. Не склеивай экспериментальную стоимость оценщика с рекламной ценой: по итоговому чеку у реального пользователя пока вообще нечего сверять - публичный доступ ещё не начался.
Если бы я оценивал переход для своего агента, заранее собрал бы счёт за типовую задачу на текущей модели: сколько входных и выходных токенов, какая доля закэширована, сколько итераций до принятого результата. После открытия Argon прогнал бы те же задачи с одинаковым лимитом времени и денег. И только тогда сравнивал «дешевле».
Бенчмарки: где сильный результат, а где слабое место
По версии Google, Argon набрал 77,9% на DeepSWE v1.1 - тесте длинных инженерных задач. В AutomationBench от Zapier компания приводит 51,3%, в LVBench для длинного видео - 91,7%, в CWE-bench v1 по исправлению уязвимостей - 68%. Это результаты разных задач и методик; складывать проценты в один «уровень интеллекта» бессмысленно.
Теперь внешний взгляд. Vals действительно поставил Argon на первое место в собственном сводном индексе: 68,90% против 67,04% у Claude Sonnet 5.5 и 66,97% у Claude Opus 5.5. Но в их же Terminal-Bench 4.0 Argon пятый из 42 с результатом 57,58%, а на тесте управления компьютером CUA-bench - седьмой из восьми, 4,83%. Цифра 68,90% - агрегат нескольких областей, а не гарантия, что именно твой кодинг-агент или экранный помощник станет лучше.
Ещё нюанс: Google заявляет потолок вывода в миллион токенов, а Vals проводил свои замеры с настройкой максимума 262 144 токена и высоким уровнем рассуждений. Отдельного независимого теста обещанного миллионного вывода в этом рейтинге нет.
Поэтому заголовок Reddit «Google решила проблему галлюцинаций» я бы даже не рассматривал как факт. Ни тесты Google, ни данные Vals не доказывают отсутствие ошибок. Умение мигрировать код и умение честно сказать «не знаю» - разные проверки. Про ловушки лидербордов я уже писал; здесь они особенно заметны, потому что обычные разработчики пока не могут провести свой контрольный прогон.
Почему Google начинает с киберзащиты
Сильная модель, которая умеет искать ошибки безопасности, полезна защитнику и злоумышленнику. Google предлагает ранний доступ тем, кто помогает защищать инфраструктуру, а параллельно дорабатывает отказы на вредные запросы, защиту от промпт-инъекций, мониторинг поведения агента и песочницы. Компания описывает слежение за действиями и ходом рассуждений с возможностью остановить выполнение при опасном отклонении.
Тут легко сделать неверный вывод: «раз модель умная, её ограничения уже надёжны». Исследования и собственные тесты поставщика - признаки работы над риском, но не гарантия защиты в твоём конкретном пайплайне. Если агент читает чужие файлы и ходит в сеть, права доступа, журнал действий и подтверждение рискованных шагов нужны независимо от имени модели. Побеги из песочницы Codex хорошо показывают, почему одного слоя защиты мало.
Для небольшой команды это звучит прозаично: пока Google проверяет Argon, не строй под него архитектуру и не жди чудесного исправления текущих дыр. Проверь свой агентный контур на более скучных вещах: где лежат ключи, кто может запускать команды, можно ли откатить результат. Это можно сделать сегодня без доступа к флагману.
Как попробовать, когда доступ действительно появится
Первое - открой список моделей в своём Google AI Studio или в документации Gemini API и проверь точный идентификатор. В анонсе нет обещания, что любой публичный ключ уже работает с Argon; команды вызова с выдуманным ID я сюда сознательно не вставляю. Для подписки отдельно проверь фактическое появление модели в интерфейсе, а не баннер «скоро».
Второе - выбери несколько своих реальных задач: миграция одного модуля, разбор документов с проверяемыми ответами, поиск конкретного класса ошибок в тестовом репозитории. Сохрани вход, ожидаемый результат, лимит запросов и время работы. Прогоняй Argon и текущую модель в одинаковой обвязке, иначе сравнишь инструменты, а не модели. Правки пусть проходят тесты и ревью человеком: красивый ответ на бенчмарке не починит твой репозиторий автоматически.
Третье - смотри не только на «получилось», но и на счёт, задержку, количество повторных запусков и ложные находки. Для киберзадач не проверяй модель на чужих системах без разрешения. Если скорость и качество на твоих данных сходятся с обещанием Google, тогда у Argon появится повод занять место в рабочем стеке. Пока это сильный анонс с хорошими ранними цифрами и закрытой дверью для большинства.
