Google представила Gemini 4 Argon с фокусом на длинные рассуждения
M@ai_machinelearning_big_dataAI-инженер
3 недGoogle анонсировала Gemini 4 Argon — новую модель с поддержкой до 1 млн выходных токенов, предназначенную для сложных инженерных и аналитических задач.
Новый стандарт производительности ИИ в сложных инженерных задачах.
- Увеличение лимита выходных токенов до 1 млн позволяет ИИ решать задачи, требующие глубокого анализа огромных массивов кода.
- Модель демонстрирует способность к автономной оптимизации инфраструктуры и миграции сложных кодовых баз.
- Новые возможности в кибербезопасности позволяют автоматизировать поиск и исправление критических уязвимостей.
🔥 Google официально представила Gemini 4 Argon
Это новая frontier-модель компании для сложных многошаговых задач: программирования, финансового и юридического анализа, корпоративных workflow и кибербезопасности. (blog.google)
Главная особенность Argon — до 1 миллиона выходных токенов против 64K у предыдущего поколения. Google делает ставку на очень длинные траектории рассуждений, где модель может работать над одной задачей сотни тысяч токенов подряд. (blog.google)
Что показали внутри Google:
- 77,9% на DeepSWE v1.1 для сложных software engineering задач;
- первое место на AutomationBench с 51,3%;
- 91,7% на LVBench для понимания длинных видео;
- 68% на CWE-bench v1 по исправлению уязвимостей. (blog.google)
Но интереснее реальные кейсы. Агенты Argon помогали Google переносить крупные C/C++-кодовые базы на Rust, включая компоненты Fuchsia Zircon объёмом более 800 000 строк. В другом проекте модель переработала 32 000 строк SIMD-кода в Rust, а итоговая версия работала в 2,7 раза быстрее предыдущего Rust-порта. (blog.google)
Ещё один внутренний проект: несколько Argon-агентов нашли оптимизации памяти в инфраструктуре Google, которые после внедрения освободили более 300 TiB RAM, а потенциальная экономия оценивается в 500 TiB–1 PiB. (blog.google)
Отдельный фокус — кибербезопасность. Argon умеет самостоятельно искать, проверять и исправлять критические уязвимости. Первым доступ получают проверенные специалисты через программу Fairwind. (blog.google)
💰 Стартовая цена API:
$2 / 1M входных токенов
$10 / 1M выходных
Кэшированный input дешевле на 95%. После introductory-периода цена вырастет до $4 / $20. (blog.google)
Пока Gemini 4 Argon не запускают для всех: Google сначала тестирует модель с ограниченным кругом пользователей и усиливает защиту от prompt injection, злоупотреблений и нежелательного поведения агентов. Затем доступ начнут расширять на разработчиков, компании и пользователей, начиная с платных API-клиентов и Google AI Ultra.
https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/
Кратко (AI)
Google анонсировала модель Gemini 4 Argon, ориентированную на сложные многошаговые задачи, такие как программирование и кибербезопасность. Ключевой особенностью является поддержка до 1 миллиона выходных токенов, что позволяет модели выполнять длительные цепочки рассуждений. Модель уже показала высокую эффективность во внутренних проектах Google по миграции кода на Rust и оптимизации инфраструктуры.
Обсуждение
2миллион выходных токенов это уже не ответ, а агент, который часами сидит и работает над задачей, и кейс с 800к строк C/C++ на Rust показывает это не в бенчмарках, а на реальном проде. а то что агенты сами нашли оптимизации на 300+ TiB RAM вообще интересно - модель начинает лучше людей оптимизировать собственную инфраструктуру, и это только старт
миллион выходных токенов это просто длинный контекст, а не агент который внезапно научился сам решать прод-задачи. перенос 800к строк и экономия 300 TiB RAM звучит круто, но это внутренние кейсы гугла на их же данных и инфраструктуре. и вывод 'модель оптимизирует лучше людей' сделан из одного удачного прогона, без сравнения с обычным сеньором на той же задаче