ข้อมูลจำเพาะทาง技术ของ Gemini 4 Argon
| ข้อมูลจำเพาะ | Gemini 4 Argon |
|---|---|
| ผู้ให้บริการ | Google DeepMind |
| ตระกูลโมเดล | Gemini 4 |
| รหัสโมเดล | gemini-4-argon |
| ประเภทโมเดล | โมเดลการให้เหตุผลแบบมัลติโหมดระดับแนวหน้า |
| โฟกัสหลัก | เวิร์กโฟลว์ที่ซับซ้อน, การเขียนโค้ดแบบเอเจนต์, งานความรู้ระดับองค์กร, ความปลอดภัยไซเบอร์ |
| ความสามารถแบบมัลติโหมด | Google อธิบายความเข้าใจแบบมัลติโหมด; หน้าสาธารณะของโมเดลยังไม่ได้ให้สคีมาของรูปแบบ API อย่างครบถ้วน |
| ผลลัพธ์สูงสุด | สูงสุด 1,000,000 โทเค็น, ตามรายชื่อ API ของบุคคลที่สามในปัจจุบัน; ไม่ควรสับสนกับหน้าต่างบริบทของอินพุต |
| หน้าต่างบริบทของอินพุต | ยังไม่ได้เผยแพร่อย่างชัดเจนโดย Google บนหน้าสาธารณะของโมเดลในปัจจุบัน |
| ความพร้อมใช้งานของ API สาธารณะ | การเข้าถึงแบบจำกัด/ก่อนวางจำหน่าย; Google ยังไม่ได้ประกาศกำหนดการเปิดให้ใช้งานสาธารณะทั่วไป |
Gemini 4 Argon คืออะไร?
Gemini 4 Argon เป็นโมเดลเรือธงที่เป็นแกนหลักของเจเนอเรชัน Gemini 4 ของ Google โดย Google อธิบายว่าได้รับการออกแบบมาเพื่อประสิทธิภาพระดับแนวหน้าบนภาระงานที่ซับซ้อน รวมถึงวิศวกรรมซอฟต์แวร์ งานความรู้ขององค์กร และการป้องกันด้านความปลอดภัยไซเบอร์ ชุดการประเมินที่เผยแพร่ครอบคลุมงานความรู้ การเขียนโค้ดแบบเอเจนต์ วิทยาศาสตร์และคณิตศาสตร์ การใช้งานคอมพิวเตอร์ ความเข้าใจแบบมัลติโหมด งานบริบทยาว และความปลอดภัยไซเบอร์
การวางตำแหน่งของ Argon เน้นที่เวิร์กโฟลว์อย่างเด่นชัด ไม่ได้จำกัดเฉพาะการถามตอบเชิงสนทนา Google เน้นความสามารถในการคงงานระยะยาวหลายขั้นตอน และทำงานครอบคลุมเวิร์กโฟลว์วิศวกรรมซอฟต์แวร์และองค์กรที่ซับซ้อน
คุณสมบัติหลักของ Gemini 4 Argon
- การให้เหตุผลสำหรับเวิร์กโฟลว์ที่ซับซ้อน: ออกแบบมาสำหรับงานระยะยาวหลายขั้นตอนที่ต้องใช้การให้เหตุผลต่อเนื่อง มากกว่าคำตอบสั้นๆ ครั้งเดียว
- การเขียนโค้ดแบบเอเจนต์: Google รายงานผลลัพธ์ที่แข็งแกร่งบน DeepSWE v1.1, Vibe Code Bench และการประเมินด้านการเขียนโค้ดอื่นๆ
- งานความรู้ระดับองค์กร: การประเมินที่เผยแพร่ครอบคลุมงานด้านการเงินและตัวแทนทางกฎหมาย รวมถึงระบบอัตโนมัติทางธุรกิจแบบครบวงจร
- ความเข้าใจแบบมัลติโหมด: Google รายงานผลลัพธ์ที่แข็งแกร่งบน Chartography และ LVBench ครอบคลุมความเข้าใจแบบมัลติโหมดและวิดีโอแบบยาว
- ประสิทธิภาพในบริบทยาว: รายงานผล GraphWalks ทั้งช่วงสูงสุด 128K และช่วง 256K ถึง 1M โทเค็น
- การป้องกันด้านความปลอดภัยไซเบอร์: Google จัดวาง Argon สำหรับการป้องกันไซเบอร์โดยเฉพาะ และรายงานผล CWE-bench v1 สำหรับการแก้ไขช่องโหว่
ผลการทดสอบตามเกณฑ์ชี้วัดของ Gemini 4 Argon
Google DeepMind รายงานผลลัพธ์ดังต่อไปนี้บนหน้าการประเมิน Gemini 4 Argon ในปัจจุบัน ผลเหล่านี้เผยแพร่โดยผู้จำหน่ายและควรเปรียบเทียบเฉพาะภายในระเบียบวิธีของเกณฑ์ชี้วัดที่ระบุไว้เท่านั้น [1]
| เกณฑ์ชี้วัด | หมวดหมู่ | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|---|
| Vals Index | งานความรู้ | 68.9% | 63.1% | 65.8% | 67.0% |
| AutomationBench | งานความรู้ | 51.3% | 41.4% | 31.4% | 42.5% |
| Vals Finance Agent v2 | งานความรู้ | 65.4% | 53.5% | 58.9% | 58.6% |
| Harvey's Legal Agent Benchmark | งานความรู้ | 19.6% | 5.4% | 6.7% | 3.8% |
| DeepSWE v1.1 | การเขียนโค้ดแบบเอเจนต์ | 77.9% | 74.1% | 67.4% | 74.2% |
| FrontierSWE v2 | การเขียนโค้ดแบบเอเจนต์ | 55.0% | 65.5% | 56.3% | 62.3% |
| Vibe Code Bench | การเขียนโค้ดแบบเอเจนต์ | 91.9% | 89.6% | 90.3% | 90.3% |
| Terminal-bench 4.0 | การเขียนโค้ดแบบเอเจนต์ | 57.4% | 58.2% | 57.9% | 66.4% |
| Terminal-Bench Science 0.1 | วิทยาศาสตร์และคณิตศาสตร์ | 57.6% | 68.1% | 52.6% | 63.3% |
| LABBench | วิทยาศาสตร์และคณิตศาสตร์ | 88.8% | 85.4% | 68.6% | 73.1% |
| RiemannBench | วิทยาศาสตร์และคณิตศาสตร์ | 76.0% | 72.0% | 65.6% | 69.6% |
| GraphWalks, up to 128K | บริบทยาว | 99.7% | 98.7% | 91.4% | 90.6% |
| GraphWalks, 256K–1M | บริบทยาว | 84.2% | 71.8% | 65.0% | 66.8% |
| Chartography | ความเข้าใจแบบมัลติโหมด | 71.6% | 71.0% | 46.2% | 66.3% |
| LVBench | ความเข้าใจแบบมัลติโหมด | 91.7% | 87.5% | 79.7% | 83.7% |
| CWE-bench v1 | ความปลอดภัยไซเบอร์ | 68.0% | 68.0% | 58.0% | 67.0% |
ผลลัพธ์แสดงให้เห็นว่าประสิทธิภาพของ Argon แตกต่างกันไปตามงาน: นำหน้าการเปรียบเทียบที่อ้างถึงในหลายการประเมินด้านงานความรู้ การเขียนโค้ด วิทยาศาสตร์ บริบทยาว และมัลติโหมด ขณะที่โมเดลอื่นได้คะแนนสูงกว่าในเกณฑ์ชี้วัดเฉพาะด้านการเขียนโค้ด วิทยาศาสตร์ หรือการใช้งานคอมพิวเตอร์ ไม่ควรถูกรวมเป็นการจัดอันดับโดยรวมเพียงรายการเดียว
Gemini 4 Argon เทียบกับ GPT-6 Astra และ Claude Fable 5.1
| ด้าน | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 |
|---|---|---|---|
| งานความรู้ | ผลลัพธ์ที่เผยแพร่แข็งแกร่งครอบคลุม Vals, AutomationBench, การเงิน และการประเมินตัวแทนทางกฎหมาย | แข็งแกร่งบนชุดการประเมินเดียวกัน | แข็งแกร่งในหลายการประเมินงานความรู้ |
| การเขียนโค้ดแบบเอเจนต์ | 77.9% บน DeepSWE v1.1; 91.9% บน Vibe Code Bench | 74.1% บน DeepSWE v1.1; 89.6% บน Vibe Code Bench | 67.4% บน DeepSWE v1.1; 90.3% บน Vibe Code Bench |
| บริบทยาว | 99.7% บน GraphWalks สูงสุด 128K; 84.2% ช่วง 256K–1M | 98.7% และ 71.8% ตามลำดับ | 91.4% และ 65.0% ตามลำดับ |
| ความเข้าใจแบบมัลติโหมด | 71.6% Chartography; 91.7% LVBench | 71.0%; 87.5% | 46.2%; 79.7% |
| ความปลอดภัยไซเบอร์ | 68.0% บน CWE-bench v1 | 68.0% | 58.0% |
การเปรียบเทียบนี้ขึ้นอยู่กับเกณฑ์ชี้วัดเฉพาะ ตัวอย่างเช่น GPT-6 Astra ได้คะแนนสูงกว่า Argon บน FrontierSWE v2 และ Terminal-Bench Science 0.1 ขณะที่ Argon ได้คะแนนสูงกว่าบน DeepSWE v1.1, Vibe Code Bench, GraphWalks 256K–1M และ LVBench
กรณีการใช้งานที่เป็นตัวอย่าง
- วิศวกรรมซอฟต์แวร์ระดับคลังเก็บโค้ด — การเขียนโค้ดระยะยาว การปรับโครงสร้าง การดีบัก และการพัฒนาแบบเอเจนต์
- เวิร์กโฟลว์งานความรู้ระดับองค์กร — การวิจัยกฎหมาย การวิเคราะห์ทางการเงิน และระบบอัตโนมัติกระบวนการทางธุรกิจ
- การป้องกันความปลอดภัยไซเบอร์ — การค้นหา การยืนยันความถูกต้อง และการแก้ไขช่องโหว่ในสภาพแวดล้อมที่ควบคุมได้
- เวิร์กโฟลว์ทางวิทยาศาสตร์และคณิตศาสตร์ — งานที่สะท้อนโดย LABBench, RiemannBench และการประเมินที่เน้นด้านวิทยาศาสตร์
- การวิเคราะห์วิดีโอแบบยาวและมัลติโหมด — ภาระงานที่ต้องตีความข้อมูลเชิงภาพและเชิงเวลา
- เอเจนต์บริบทยาว — แอปพลิเคชันที่ต้องคงข้อมูลตลอดเส้นทางงานที่มีขนาดใหญ่มาก