Google DeepMind udostępniło 13 października Gemini 4 Argon globalnie. W niezależnym rankingu Vals Index model prowadzi z wynikiem 68,90%, a cena wprowadzająca to 2 dolary za milion tokenów wejściowych.
Najważniejsze w skrócie
- Cena wprowadzająca: 2 dolary (ok. 7 zł) za milion tokenów wejściowych, 10 dolarów za milion wyjściowych, cache taniej o 95%
- Vals Index z 13 października: 68,90% dla Argona wobec 67,04% dla Claude Sonnet 5.5 i 63,13% dla GPT-6 Astra
- W Google Antigravity zgłoszenia kodu przez agenty wzrosły o ponad 35%, a wycofania spadły o blisko trzecią część
- Refaktor Chrome objął setki plików w bazie Chromium
- Gemma 4 E2B: 2,85× szybsza inferencja na A100 przez vLLM, z 37 900 do ponad 108 000 tokenów na sekundę
Benchmark, który mierzy pracę, nie zagadki
Model jest dostępny globalnie przez API w Google AI Studio, w Google Antigravity dla subskrybentów AI Ultra oraz w aplikacji Gemini i trybie AI w wyszukiwarce.
Ranking Vals AI mierzy wyniki w sektorach o znaczeniu ekonomicznym — finansach, kodowaniu, podatkach i pracy prawniczej. Dlatego Vals Index mierzy pracę, a nie zagadki akademickie.
| Model | Wynik Vals Index |
|---|---|
| Gemini 4 Argon | 68,90% |
| Claude Sonnet 5.5 | 67,04% |
| Wonder Full | 64,57% |
| GPT-6 Astra | 63,13% |
| MiMo V2.6 Pro | 55,20% |
Przewaga nad najbliższym rywalem, Claude Sonnet 5.5, to mniej niż dwa punkty, a GPT-6 Astra traci niemal sześć punktów. O realnej wygranej decyduje więc konkretne zadanie, nie pozycja w tabeli.
Cennik wprowadzający, za milion tokenów:
Co Argon zrobił w kodzie Google'a
Zespół Chrome rozdzielił z pomocą modelu obsługę stron od 6 mln linii starych funkcji przeglądarki w 40-milionowej bazie Chromium. Google DeepMind podaje, że refaktor objął setki plików i skrócił miesiące pracy do tygodni, a żywe strony będą się przenosić między kartami i panelami bez przeładowania.
Materiał Google DeepMind o utrzymaniu wielkiej bazy kodu Chromium modelem Gemini 4 — ten sam refaktor, o którym pisze firmowy blog.
W Agent Development Kit model pracował przez noc i obciął czas przygotowania sesji w pamięci o 40%, a zimne importy o 21%. Przy Gemmie 4 E2B osiągnął 2,85× przyspieszenie inferencji na A100 przez vLLM, przy pełnej zgodności tokenów.
Nauka i cyberbezpieczeństwo
Argon przetłumaczył wewnętrzną wersję dekodera korekcji błędów kwantowych AlphaQubit na jedno zoptymalizowane jądro sprzętowe, niemal podwajając przepustowość. Jego implementacja funkcji arcsin, formalnie zweryfikowana w Lean, obniża koszt spacetime?koszt spacetime: Miara zużycia zasobów w obliczeniach kwantowych: liczba kubitów pomnożona przez czas działania układu. Im niższa, tym taniej wykonać dany podprogram. ponad stukrotnie wobec publikowanego baseline'u CORDIC.
W Gamow Labs model wskazał rearanżację chromosomową pomijaną przez rutynowe oprogramowanie i uzyskał 57% na RareBench oraz 52,2% na LabBench. Wiz używa go w darmowej inicjatywie Scan for Good.
Dlaczego to ważne?
Większość ogłoszeń o nowym modelu opiera się na benchmarkach akademickich. Tutaj Google pokazuje refaktor Chromium, przyspieszenie własnego frameworka i optymalizację dekodera kwantowego. Problem jest w weryfikacji: wszystkie te liczby pochodzą od właściciela modelu, a niezależnie potwierdzony jest tylko wynik w Vals Index.
Co dalej?
- Rozszerzenie dostępu na setki partnerów programu Fairwind startuje razem z premierą
- Isomorphic Labs używa modelu do syntezy PDF-ów i patentów w pracach nad lekami
- Ceny 2 i 10 dolarów za milion tokenów mają charakter wprowadzający
