Путь Google к Gemini 4 Argon начался с промаха. В мае гендиректор Сундар Пичаи анонсировал крупный релиз модели на июнь, однако ожидаемая Gemini 3.5 Pro так и не вышла; вместо этого Google провела лето, выпуская более дешёвые модели Flash, пока OpenAI и Anthropic двигались вперёд.¹

В среду Google наконец представила Argon, назвав её передовой моделью для разработки программного обеспечения, корпоративной работы и киберзащиты. Компания утверждает, что внутренние команды использовали её для сложных задач программирования и исследований, а также сообщает, что Argon помогла высвободить более 300 тебибайт памяти в дата-центрах и перевести крупные кодовые базы с C/C++ на Rust.²

Доводы Google о производительности во многом опираются на бенчмарки: по её словам, Argon набрала 77,9% в DeepSWE v1.1 и возглавила Vals Index в задачах экономического анализа. Демис Хассабис усилил последнее заявление в X, сказав, что Gemini 4 Argon заняла «#1 место в Vals Index с результатом 68,9%».Demis Hassabis (demishassabis)³ Компания также заявляет, что модель может генерировать до 1 миллиона токенов — значительно больше, чем лимит в 64 000 токенов у предыдущих систем Gemini.²

Но запуск сопровождается заметной оговоркой: воспользоваться моделью почти никто не может. На первом этапе Google предоставляет Argon только проверенным государственным партнёрам и партнёрам в сфере кибербезопасности в рамках программы Fairwind, одновременно участвуя в добровольном процессе предпродажной проверки правительства США. Пичаи заявил, что модель оснащена «передовыми мерами защиты» и станет доступна пользователям «так скоро, как сможем, и настолько безопасно, насколько сможем».Sundar Pichai (sundarpichai)⁴

Эта осторожность — ответ Google на риски злоупотреблений, инъекций промптов и рассогласования. Компания заявляет, что отслеживает цепочку рассуждений модели и может остановить её, когда та выходит за установленные границы. Однако ограниченный запуск также откладывает самое важное испытание: сохранится ли преимущество Argon в бенчмарках при обычном использовании. Axios отметил, что, по сообщениям, анонимные сотрудники сочли внутреннюю производительность недостаточной — Google оспорила эти сведения — и предупредил, что модели можно обучить превосходно проходить тесты, не обеспечивая сопоставимого уровня в реальных условиях.¹

Пока Google вернула себе внимание публики, но не обязательно окончательный вердикт. Более широкая доступность обещана после дополнительного тестирования — сначала для платных клиентов API и подписчиков AI Ultra, — однако дата не названа.⁵