Кратко: 30 сентября 2026 года Google DeepMind анонсировала Gemini 4 Argon, свою новую фронтирную модель и старт серии Gemini 4. Она обеспечивает передовые результаты в программной инженерии с длинным горизонтом (77.9% на DeepSWE v1.1), корпоративной интеллектуальной работе (лидирует в Vals Index с 68.9%) и оборонительной кибербезопасности. Ключевые обновления включают ведущий в отрасли лимит вывода 1 млн токенов (вместо 64K).
Ключевые выводы
- Gemini 4 Argon — самая мощная на сегодня модель Google, оптимизированная для сложных многошаговых рабочих процессов в кодинге, юридической/финансовой работе знаний и киберзащите.
- Argon спроектирован для поддержания рассуждений на протяжении длинных, многошаговых рабочих процессов, а не для обычного короткого чата. Google делает акцент на реальной программной инженерии, работе в праве и финансах, мультимодальном понимании и оборонительной кибербезопасности.
- Google увеличила максимальный вывод с предыдущих 64K токенов до 1 млн токенов. Google ещё не опубликовала полную публичную спецификацию Gemini API для входного контекста Argon, модальностей, поведения конечных точек или лимитов скорости.
- В сравнительной таблице Google Argon набирает 68.9% на Vals Index, 77.9% на DeepSWE v1.1, 91.7% на LVBench и 68% на CWE-bench v1. Он не лидирует во всем: GPT-6 Astra выигрывает FrontierSWE v2 и Terminal-Bench Science, а Claude Opus 5.5 лидирует в Terminal-Bench 4.0 и PostTrainBench.
- Вступительная цена API от Google — $2 за 1 млн входных токенов и $10 за 1 млн выходных токенов. После вступительного периода цены повышаются до $4 и $20 соответственно. Стоимость кэшированного ввода заявлена на 95% ниже соответствующей цены за входные токены.
- Публичный каталог CometAPI указал
gemini-4-argonкак доступную, а не ожидающую, 1 октября 2026 года.
Google вновь заняла лидирующие позиции в гонке фронтирного ИИ с запуском Gemini 4 Argon. Анонсированный 30 сентября 2026 года, этот модельный релиз ознаменовал начало эры Gemini 4 и был прямо представлен как «следующая эра фронтирного интеллекта» от Google. Он нацелен на самые сложные реальные задачи: устойчивое агентное кодирование, высокорисковую корпоративную работу знаний (право, финансы, налоги) и оборонительную кибербезопасность.
В отличие от прежних постепенных обновлений, Argon представляет собой фундаментальный сдвиг в глубине возможностей благодаря резко увеличенной длине вывода и специализированной подготовке под задачи с длинным горизонтом. Тысячи сотрудников Google уже используют его для производственной инженерной работы, а внешний доступ начинается точечно через проверенных партнёров по кибербезопасности.
Что такое Gemini 4 Argon?
Gemini 4 Argon — новейшая фронтирная большая языковая модель Google DeepMind и первый релиз в семействе Gemini 4. Она специально разработана для поддержания глубоких рассуждений в рамках сложных, многошаговых, долгих по горизонту рабочих процессов, с которыми предыдущие модели с трудом справлялись в одном проходе.
По словам Google, Argon «обеспечивает фронтирную производительность в сложных рабочих процессах реальной программной инженерии, корпоративной интеллектуальной работе вроде права и финансов, а также в оборонительной кибербезопасности». Она опирается на уроки отложенных или отменённых усилий Gemini 3.5 Pro в начале 2026 года и последующей концентрации на серии Gemini 3.8 Flash.
Модель делает упор на агентные возможности — автономное планирование, использование инструментов, генерацию и правку кода, обнаружение и исправление уязвимостей, мультидокументный анализ и понимание длинных видео — с усиленными системами безопасности для фронтирного уровня мощности.
Внутри компании Argon уже даёт измеримый эффект в масштабах Google:
- Команды квантовых вычислений использовали её для оптимизации ресурсов пространства-времени (кубиты × вентили), превзойдя опубликованные базовые показатели на 40% за считанные минуты.
- Команды агентов проанализировали телеметрию всего парка и автономно применили оптимизации памяти, высвободив более 300 TiB памяти по дата-центрам (с оценочными общими сбережениями от 500 TiB до 1 PiB).
- Идут масштабные миграции кода с C/C++ на Rust, включая десятки тысяч строк в базовых библиотеках (re2, libgav1) и более 800,000 строк в ядре Fuchsia Zircon. Один из примечательных результатов: декодер видео с безопасной работой с памятью (libgav1), который после оптимизации, направляемой профилированием, работает в 2.7× быстрее, чем предыдущий порт на Rust.
Эти реальные развёртывания подчеркивают, что Argon — не просто чемпион бенчмарков, а практический множитель продуктивности для сложных инженерных организаций.
Доступность Gemini 4 Argon по состоянию на 1 октября
Google применяет намеренно поэтапный подход к релизу из-за продвинутых возможностей модели. Сейчас она развёртывается для группы доверенных защитников кибербезопасности через Fairwind Program (в которой участвуют более 650 организаций, включая крупные компании безопасности). Google также участвует в добровольном процессе досрочного доступа к модели со стороны правительства США. Более широкий доступ для разработчиков, предприятий и потребителей — начиная с платных клиентов API и подписчиков Google AI Ultra — ожидается «как можно скорее» после дополнительной отладки ограничителей на основе ранней обратной связи.
Ключевые возможности Gemini 4 Argon
1. Долгий горизонт рассуждений с выводом до 1 млн токенов
По словам Google, максимальный вывод Argon составляет 1 млн токенов, против 64,000 токенов в предыдущем поколении. Это потолок генерации, а не рекомендация делать каждый ответ огромным. Он даёт модели пространство для длительных траекторий рассуждений, генерации кода для нескольких файлов, детальных исследований или продолжительной работы агента без необходимости отправлять новый запрос каждые несколько шагов.
2. Реальная программная инженерия
Показатель Argon в 77.9% на DeepSWE v1.1 — самый высокий в таблице сравнения Google. DeepSWE фокусируется на программной инженерии с длинным горизонтом, что лучше соответствует автономным кодирующим агентам, чем короткие тесты автодополнения кода. Модель также достигает 91.9% на Vibe Code Bench.
Картина не однозначная. GPT-6 Astra набирает 65.5% на FrontierSWE v2 против 55.0% у Argon, а Claude Opus 5.5 — 66.4% на Terminal-Bench 4.0 против 57.4% у Argon. Поэтому покупателям следует отдельно тестировать редактирование репозиториев, работу в shell, отладку и миграции, а не полагаться на один «кодовый» показатель.
3. Корпоративная интеллектуальная работа
Google сообщает о 68.9% у Argon на Vals Index, который взвешивает финансы, кодинг, право и налоги по вкладу в ВВП США. Он также лидирует среди сравниваемых моделей на Vals Finance Agent v2, Harvey's Legal Agent Benchmark и AutomationBench.
Эти оценки делают Argon особенно актуальным для рабочих процессов, насыщенных исследованиями: due diligence, ревизия контрактов, финансовый анализ, налоговые исследования и междокументный синтез. Они не отменяют необходимость проверки источников или профессионального ревью. Лидерство в бенчмарке показывает результат в рамках конкретного стенда и не означает пригодность для несупервизируемых юридических или финансовых решений.
4. Мультимодальное понимание и длительные видео
Argon набирает 71.6% на Chartography и 91.7% на LVBench, немного опережая GPT-6 Astra в понимании диаграмм и более заметно — в понимании длинных видео. Google также описывает рабочие процессы, в которых Argon интерпретирует последовательность документов и действует на основе результата.
Эта комбинация полезна, когда одного текста недостаточно: анализ графиков финансовых результатов вместе с отчётностью, извлечение доказательств из часов видео, просмотр скриншотов продукта с текстовыми требованиями или согласование данных из PDF и визуальных отчётов.
5. Оборонительная кибербезопасность
Google обучила Argon обнаруживать, подтверждать и патчить критические уязвимости. На CWE-bench v1 Argon и GPT-6 Astra оба набирают 68%, тогда как Claude Opus 5.5 — 67%. По словам Google, Argon также превосходит Gemini 3.8 Flash Cyber во внутренних оценках по обнаружению уязвимостей и тестах на проникновение «чёрного ящика».
Первоначальный доступ отражает риск. Доверенные защитники кибербезопасности могут использовать модель через Fairwind Program, и Google сообщает, что Wiz применяла Argon в инициативе Scan for Good для выявления критической уязвимости, затрагивающей ПО в здравоохранении. Ограниченное распространение даёт Google время собрать доказательную базу перед более широким раскрытием продвинутых кибервозможностей.
6. Уровень галлюцинаций снизился до 10%.
У Gemini 4 Argon необычайно низкий уровень галлюцинаций на Artificial Analysis. 15%. Arena сообщает об «оценке инструментальных галлюцинаций 0.10% +/- 0.48%» для Gemini 4 Argon High, по сравнению с «0.16% +/- 0.09%» у Gemini 3.8 Flash High. Точечная оценка ниже, что указывает на улучшение. Однако интервалы неопределённости существенно перекрываются, и у Argon интервал значительно шире.
Результаты бенчмарков Gemini 4 Argon
Следующие показатели взяты из сравнительной таблицы Google DeepMind. Google ссылается на отдельный документ по методике и отмечает, что результаты — pass@1, если не указано иное. Рассматривайте это как данные от вендора и валидируйте на частных нагрузках.
| Бенчмарк | Тип задания | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 | Лидер |
|---|---|---|---|---|---|
| Vals Index | Интеллектуальная работа, взвешенная по ВВП | 68.9% | 63.1% | 67.0% | Argon |
| AutomationBench | Сквозная автоматизация бизнеса | 51.3% | 41.4% | 42.5% | Argon |
| Vals Finance Agent v2 | Многошаговые финансовые исследования | 65.4% | 53.5% | 58.6% | Argon |
| Harvey Legal Agent | Юридические исследования и подготовка документов | 19.6% | 5.4% | 3.8% | Argon |
| DeepSWE v1.1 | Программная инженерия с долгим горизонтом | 77.9% | 74.1% | 74.2% | Argon |
| FrontierSWE v2 | Агентное кодирование | 55.0% | 65.5% | 62.3% | Astra |
| Terminal-Bench 4.0 | Агентная работа в терминале | 57.4% | 58.2% | 66.4% | Opus |
| Terminal-Bench Science 0.1 | Научные и математические агенты | 57.6% | 68.1% | 63.3% | Astra |
| GraphWalks, 256K-1M | Обход графов в длинном контексте, F1 | 84.2% | 71.8% | 66.8% | Argon |
| Agent's Last Exam | Использование компьютера | 39.5% | 34.2% | 38.2% | Argon |
| OSWorld 2.0 offline subset | Использование компьютера, частичный счёт | 69.2% | 72.6% | Not reported | Astra |
| Chartography | Понимание диаграмм | 71.6% | 71.0% | 66.3% | Argon |
| LVBench | Понимание длительных видео | 91.7% | 87.5% | 83.7% | Argon |
| CWE-bench v1 | Устранение уязвимостей | 68.0% | 68.0% | 67.0% | Ничья |
Как интерпретировать результаты
Самое ясное преимущество Argon — широта охвата в профессиональной интеллектуальной работе, длинном контексте, анализе диаграмм и длинных видео. Его 19.6% в юридическом агентном бенчмарке более чем втрое превышают 5.4% Astra, хотя все три абсолютные оценки показывают, что бенчмарк остаётся сложным. Argon также лидирует в AutomationBench с преимуществом 8.8 процентных пункта над Opus 5.5.
Кодинг требует более тонкого вывода. Argon лидирует на DeepSWE и Vibe Code Bench, но Astra лидирует на FrontierSWE, а Opus — на Terminal-Bench 4.0. В научно-ориентированной терминальной работе Astra опережает Argon на 10.5 пункта. Правильный заголовок — не «Argon выигрывает каждый бенчмарк», а то, что Argon исключительно силён в длинных корпоративных рабочих процессах, тогда как конкуренты сохраняют важные преимущества в отдельных задачах.
Доказательная база по бенчмаркам сильная, но не всеобъемлющая. GPT-6 Astra остаётся впереди в ряде показателей по науке, кодингу и использованию компьютера, а Claude Opus 5.5 лидирует в важных тестах терминала и ML-инжиниринга. Независимые данные столь же неоднозначны: Artificial Analysis ставит Argon на 8-е место из 223 моделей в его классе сравнения, а Arena помещает Gemini 4 Argon High на 8-е из 46 агентных моделей, одновременно отводя ему первое место по управляемости. Самое большое преимущество Argon — сочетание долгого горизонта рассуждений, производительности в корпоративных доменах и мультимодальной глубины при агрессивно заявленной цене.
Доступен ли Gemini 4 Argon?
На момент анонса (30 сентября 2026 года) и последующего освещения — нет, не для широкой публики или обычных разработчиков. Доступ ограничен:
- Доверенными участниками Fairwind Program (защитники кибербезопасности, государственные органы, критические инфраструктурные партнёры).
- Внутренними командами Google.
- Участниками добровольного процесса досрочного доступа к моделям правительства США.
Google заявляет, что расширит доступ «как можно скорее» после сбора обратной связи и итерации ограничителей, начиная с платных клиентов API и подписчиков Google AI Ultra, а затем — для более широкой аудитории разработчиков, предприятий и потребителей. Фиксированной публичной даты не названо
Цены API Gemini 4 Argon
Вступительная цена от Google — $2 за 1 млн входных токенов и $10 за 1 млн выходных токенов. После вступительного периода — $4 за вход и $20 за выход. Кэшированный ввод оценивается со скидкой 95% к применимой ставке за вход, что подразумевает $0.10 за 1 млн в период введения и $0.20 после, если политика будет применена буквально.
Цена привлекательна по сравнению с другими премиальными фронтирными моделями, но стоимость за токен — это не стоимость завершённой задачи. Модель, которая генерирует сотни тысяч выходных токенов или делает много вызовов инструментов, всё равно может сформировать большой счёт. Устанавливайте лимиты вывода, контролируйте циклы инструментов и измеряйте стоимость за принятый результат.
Как получить доступ к API Gemini 4 Argon через CometAPI
Как только Google откроет более широкий доступ к API, платформы, агрегирующие фронтирные модели, станут самым быстрым и часто самым экономичным способом для разработчиков экспериментировать и переходить в прод.
CometAPI предоставляет унифицированную, совместимую с OpenAI конечную точку к 500+ моделям от OpenAI, Anthropic, Google и других. Это означает, что вы можете переключаться между моделями Gemini, вариантами GPT-6 и моделями Claude, меняя только параметр model — без управления несколькими аккаунтами, биллингом или SDK.
Рекомендуемые шаги по подготовке и доступу через CometAPI:
- Зарегистрируйтесь на cometapi.com и сгенерируйте API-ключ в дашборде (начинается с
sk-). - Используйте базовый URL
https://api.cometapi.com/v1. - Вызывайте модели с помощью стандартного OpenAI SDK или в нативном формате Gemini.
CometAPI уже поддерживает семейство Gemini (включая предыдущие Pro и Flash) с конкурентными ценами, бесплатными пробными кредитами и бесшовным переключением. Регулярно проверяйте страницу моделей CometAPI на предмет доступности Gemini 4 Argon. Такой подход позволяет избежать трения онбординга в Google Cloud и легко проводить A/B-тестирование против Claude Opus 5.5 или GPT-6 Astra в одном кодовой базе.
Gemini 4 Argon против GPT-6 Astra и Claude Opus 5.5
| Категория | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Провайдер | OpenAI | Anthropic | |
| Статус выпуска на 1 октября 2026 года | Ограниченный rollout для доверенных тестеров; более широкий доступ ожидается | Активная модель API | Актуальная последняя модель; релиз 22 сентября 2026 |
| Лучшие сценарии | Длинноконтекстная работа знаний, мультимодальный анализ, оборонная киберзащита, большие выводы | Сложные рассуждения, наука, использование компьютера, широкая экосистема инструментов | Долгоживущие агентные сценарии кодинга и работы знаний |
| Контекст ввода | Ещё не опубликован как финальная публичная спецификация API | 1,050,000 tokens | 1,000,000 tokens |
| Максимальный вывод | 1,000,000 tokens | 128,000 tokens | 128,000 синхронно; 300,000 Batch beta |
| Входы и выходы | Заявлены мультимодальные возможности; подробная публичная матрица API ожидается | Текст и изображения на вход; текст на выход | Текст и изображения на вход; текст на выход |
| Управление рассуждением | Долгий горизонт рассуждений; публичные параметры API ожидаются | От низкого до максимального уровня усилий рассуждения | Адаптивное мышление всегда включено; усилие по умолчанию среднее |
| Стандартная цена за 1 млн токенов | Вступит.: $2 вход / $10 выход; далее $4 / $20 | $10 вход / $50 выход | $4 вход / $20 выход |
| Ключевые победы в таблице Google | Vals, AutomationBench, DeepSWE, длинный контекст, LVBench | FrontierSWE, научная работа в терминале, подмножество OSWorld | Terminal-Bench 4.0, PostTrainBench |
| Основная оговорка | Широкая доступность API и полные спецификации всё ещё разворачиваются | Наивысшая заявленная цена из трёх | Не лидирует в таблице знаний Google; адаптивное мышление нельзя отключить |
Какая модель лучше?
Выбирайте Gemini 4 Argon, когда доминируют длинноконтекстная работа знаний, мультимодальные доказательства, оборонительная кибербезопасность или необычно большие генерируемые артефакты. Выбирайте GPT-6 Astra, когда нужна зрелая поверхность инструментов OpenAI, сильные результаты научных агентов или её конкретные сильные стороны в использовании компьютера. Выбирайте Claude Opus 5.5 для нативных для Claude агентных сценариев кодинга и терминальных рабочих процессов, особенно если её поведение уже хорошо показывает себя в вашем стенде оценки.
Для большинства компаний лучшая стратегия — не постоянный выбор одной модели. Маршрутизируйте типовые запросы на более дешевую модель, оцените Argon, Astra и Opus на сложном «хвосте» и держите запасной вариант. CometAPI полезен здесь, поскольку один слой интеграции упрощает кросс-модельное тестирование и контролируемую маршрутизацию.
Заключение
Gemini 4 Argon отмечает самое сильное возвращение Google на абсолютный фронтир, возвращая лидерство по ряду критически важных для предприятий и долгосрочных бенчмарков и вводя практические новшества — такие как вывод в 1 млн токенов и агрессивные вступительные цены. Её поэтапный, ориентированный на безопасность релиз отдаёт приоритет ответственному развёртыванию мощных возможностей киберзащиты.