V kostce:

  • Gemini 4 Argon nabízí 1 milion výstupních tokenů, průmyslový rekord oproti 64 tisícům.
  • Model dosáhl 77,9 % na benchmarku DeepSWE a vede na 13 z 19 testů.
  • Google uvolnilo 300 TiB paměti a migruje 800 tisíc řádků C/C++ do Rustu.

Google DeepMind 29. září 2026 oznámil Gemini 4 Argon, první model generace Gemini 4 určený pro dlouhodobé softwarové inženýrství, firemní znalostní práci v právu a financích a kybernetickou obranu. Největší technickou změnou je limit výstupu: Argon dokáže vygenerovat až 1 milion tokenů v jedné odpovědi, což je průmyslový rekord oproti předchozím 64 tisícům u modelů Gemini i u konkurenčních modelů jako GPT-6 Astra nebo Claude Opus 5.5, které umožňují 128 tisíc tokenů. Model je v první fázi dostupný pouze státním uživatelům a důvěryhodným obranným expertům v programu Fairwind; Google slibuje rozšíření přístupu vývojářům, podnikům a spotřebitelům co nejdříve po doladění ochranných mechanismů.

Cenová struktura je již veřejná. Úvodní nabídka činí 2 USD za 1 milion vstupních tokenů a 10 USD za 1 milion výstupních tokenů, což představuje 50 % slevu oproti standardním 4 a 20 USD. Cachované vstupní tokeny získávají 95 % slevu. Podle Google interní nasazení Argonu uvolnilo více než 300 TiB paměti v datových centrech, s odhadem celkových úspor 500 TiB až 1 PiB. Agenti také nahrazují 32 tisíc řádků SIMD kódu v videovém dekodéru libgav1 bezpečným Rustem, což zrychlilo dekodér 2,7‑násobně se zachovaným výstupem. Probíhá migrace více než 800 tisíc řádků C/C++ jádra Fuchsia Zircon do Rustu, která prochází rigorózním auditem a testováním.

V benchmarcích Argon vede na 13 z 19 publikovaných testů proti GPT-6 Astra a Claude Opus 5.5. Na DeepSWE v1.1 dosáhl 77,9 % (Opus 5.5 74,2 %, Astra 74,1 %), na Vals Index obsadil první místo se 68,9 % a na AutomationBench‑AA dosáhl 77,5 %. Na Harvey Legal Agent Benchmark dosáhl 19,6 % oproti 5,4 % Astrie. Ztrácí na FrontierSWE v2 (55,0 % vs 65,5 % Astrie), Terminal‑Bench 4.0 (57,4 % vs 66,4 % Opus 5.5) a OSWorld‑2.0 (69,2 % vs 72,6 % Astrie). Artificial Analysis uvádí Intelligence Index 53 bodů, shodně s Astrie, při 60 % nákladů na úkol za slevovanou cenu. Argon průměrně generuje 62 tisíc výstupních tokenů na úkol proti 27 tisícům Astrie. Halucinace na AA‑Omniscience činí 15 % oproti 51 % Astrie, ale přesnost je nižší: 50 % vs 63 %.

V kybernetické obraně byl Argon trénován k autonomnímu hledání, validaci a opravě kritických zranitelností. Na CWE‑bench v1 dosáhl 68 % a sdílí první místo. Společnost Wiz již používá Argon v iniciativě Scan for Good a nalezla kritickou zranitelnost v zdravotnickém softwaru, kterou předchozí modely přehlédly. Před širším vydáním Google posiluje ochrany v čtyřech oblastech: zneužití pro kybernetické a CBRN rizika, odolnost nepřímé prompt injection (Argon vede Gray Swan IPI benchmark), monitorování neodpovídajícího řetězení myšlenek a akcí, a izované sandboxy pro rizikové tréninky a evaluace. Interně Argon pomohl kvantovým výzkumníkům překonat publikovanou základnu o 40 % v optimalizaci prostorově‑časových zdrojů.

Co to znamená: Pro firmy implementující AI znamená 1M tokenový výstup možnost řešit rozsáhlé refaktoringy, migrace a generování dlouhých reportů v jednom kroku bez řetězení volání. Slevovaná cena 2/10 USD za milion tokenů a 95 % sleva na cachované vstupy snižuje náklady na dlouhé kontexty. Fáze Fairwind a posilování guardrailů naznačuje, že široká dostupnost pro podniky bude záviset na výsledcích bezpečnostních auditů a vládních procesů, což by mělo být zohledněno v plánování nasazení.

Zdroje: