Gemini 4 Argon

4 Argon · Rodzina: Gemini

Frontierowy multimodalny model Google (rodzina Gemini 4) do rozumowania, kodowania, zadań agentowych i nauki; limit 1 mln tokenów, dostępny przez Gemini API.

✓ Aktywny✓ Publiczny dostępLLMModel multimodalnyModel rozumowaniaModel używający narzędzi📁 Gemini

Okno kontekstowe

tokenów

Data premiery

13 października 2026

🏢GoogleProducent 🔬Google DeepMindLab badawczy

Dostęp:APIHostedWdrożenie:☁ Cloud

Przegląd

Gemini 4 Argon to frontierowy model AI opracowany przez Google (Google DeepMind), zaprezentowany 13 października 2026 r. jako pierwszy model rodziny Gemini 4. Łączy zaawansowane rozumowanie, głęboką percepcję wizualną, rozszerzoną wiedzę dziedzinową i zdolności agentowe, kierowany do złożonych, wieloetapowych zadań w kodowaniu, finansach, prawie, cyberbezpieczeństwie i nauce.

Model oferuje ujednolicony limit 1 mln tokenów wejścia-wyjścia przez Gemini API. Jest dostępny globalnie dla deweloperów i firm przez API (AI Studio, Android Studio), w Google Antigravity oraz w aplikacji Gemini i trybie AI w wyszukiwarce dla subskrybentów Google AI Ultra i Pro. Wagi modelu nie są publicznie dostępne (model zamknięty).

W obszarze robotyki Argon osiąga 87% w benchmarku Embodied Reasoning (ERQA) i wspiera potok „Video-to-Sim-to-Real” — w wewnętrznym teście na podstawie nagrania wideo wygenerował kod sterowania, który przeniesiono na humanoida Apollo firmy Apptronik. Zajmuje też 1. miejsce w indeksie Vals, mierzącym wydajność modeli w sektorach finansów, kodowania, prawa i podatków.

Klasyfikacja

LLMModel multimodalnyModel rozumowaniaModel używający narzędzi

Rodzina: Gemini

Dostęp i wdrożenie

APIHostowane

Chmura

Wagi: Zamknięte

Kluczowe parametry

📏 Kontekst: 1M

✓ Narzędzia

📥 Wejście: tekst, obraz, dokumenty, wideo

Robotyka

Spatial reasoningEmbodied task planning3D scene reconstructionSpatial prediction

Specyfikacja techniczna

Okno kontekstowe

tokenów

Funkcje:✓ Używanie narzędzi

Modalności

⬇ Wejście (Input)

textimagedocumentsvideo

⬆ Wyjście (Output)

textcode

Możliwości i zastosowania

Natywne możliwości modelu

Rozumowanie

Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.

Kategoria: reasoning

Zaawansowane rozumowanie

Zdolność do wieloetapowego, ustrukturyzowanego rozumowania: analiza problemów, planowanie kroków, wnioskowanie na podstawie hipotez. Modele reasoning-first (np. GPT-5.1 Thinking) dedykują część inferencji na łańcuchy myślowe zanim udzielą odpowiedzi.

Kategoria: reasoning

Rozumowanie wieloetapowe

Prowadzenie wieloetapowego toku rozumowania w długich, złożonych zadaniach.

Kategoria: reasoning

Programowanie

Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.

Kategoria: coding

Kodowanie agentowe

Wielogodzinne, wieloetapowe zadania programistyczne wykonywane samodzielnie przez model: klonowanie repozytorium, uruchamianie testów, iteracja poprawek, integracja z narzędziami CLI. Charakterystyczne dla wariantów Codex (GPT-5.1-Codex-Mini, Codex-Max).

Kategoria: coding

Zdolności agentowe

Zdolność modelu do autonomicznego planowania i wykonywania wieloetapowych zadań poprzez sekwencyjne użycie narzędzi, utrzymywanie kontekstu i adaptację do wyników pośrednich.

Kategoria: planning

Długi kontekst

Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.

Kategoria: language

Rozumienie multimodalne

Zdolność modelu do łączenia i interpretowania informacji z więcej niż jednej modalności, np. tekstu i obrazu.

Kategoria: multimodal

Rozumienie obrazu

Analiza i interpretacja treści obrazów.

Kategoria: vision

Cyberbezpieczeństwo

Zdolność modelu do zadań z zakresu bezpieczeństwa komputerowego: analizy podatności, generowania exploitów proof-of-concept, łatania luk i odpowiadania na pytania z cyberbezpieczeństwa.

Kategoria: other

Wykrywanie podatności

Zdolność do identyfikowania i analizowania luk bezpieczeństwa w kodzie źródłowym i oprogramowaniu.

Kategoria: coding

Użycie narzędzi

Zdolność modelu do wywoływania zewnętrznych funkcji, API i narzędzi w trakcie rozmowy: kalkulator, wyszukiwarka, edytor kodu, baza danych. Model decyduje kiedy i jak użyć narzędzia oraz interpretuje jego wynik.

Kategoria: planning

Rozumowanie matematyczne

Zdolność modelu do rozwiązywania zadań matematycznych wymagających wieloetapowego rozumowania — równania, dowody, kombinatoryka, geometria, rachunek różniczkowy, zadania konkursowe.

Kategoria: reasoning

Modelowanie finansowe

Budowa modeli finansowych: DCF, wyceny firm, analiza scenariuszowa, prognozy budżetów, arkusze P&L, modele cap table. Wymaga precyzyjnego rozumowania numerycznego i znajomości konwencji księgowych.

Kategoria: reasoning

Rekonstrukcja 3D

Odtwarzanie geometrii 3D sceny (chmury punktów, siatki, geometria wielowidokowa) na podstawie obrazów.

Kategoria: vision

Wieloetapowe wykonywanie projektów

Zdolność samodzielnego prowadzenia wielogodzinnych, wielokrokowych projektów: dekomponowanie zadania, planowanie sekwencji działań, iteracyjne dostarczanie wyników, korekta na podstawie feedbacku. Kluczowa dla agentów enterprise i knowledge work.

Kategoria: planning

Robotyka

Spatial reasoningEmbodied task planning3D scene reconstructionSpatial prediction