Google prezentuje Gemini 4 Argon: nową erę inteligencji granicznej

Koncern Google oficjalnie zaprezentował Gemini 4 Argon, swój najnowszy model graniczny stworzony z myślą o realizacji wieloetapowych, złożonych zadań wymagających głębokiego rozumowania. Za ogłoszeniem stoi Koray Kavukcuoglu, wiceprezes Google DeepMind i główny architekt AI w firmie. Architektura ta reprezentuje zasadniczy zwrot w kierunku autonomicznych procesów inżynieryjnych, zaawansowanej analityki prawnej i finansowej oraz defensywnego cyberbezpieczeństwa. Podczas gdy w segmencie interakcji multimodalnych w czasie rzeczywistym Google rozwijało model Gemini 3.8 Live, nowo zaprezentowany wariant Argon kładzie nacisk na długofalowe, wieloetapowe rozumowanie i bezpośrednie rozwiązywanie problemów w środowiskach produkcyjnych.

Okno wyjściowe na poziomie 1 miliona tokenów i możliwości inżynieryjne

Fundamentalną innowacją techniczną wprowadzoną w Gemini 4 Argon jest radykalne zwiększenie limitu generowanych danych. Pułap tokenów wyjściowych podniesiono do 1M tokenów, co stanowi szesnastokrotny wzrost względem dotychczasowego ograniczenia wynoszącego 64K tokenów. Taka rezerwa pozwala modelowi na generowanie setek tysięcy tokenów w ramach pojedynczej trajektorii analitycznej, umożliwiając domykanie skomplikowanych ciągów logicznych bez konieczności dzielenia zadań na drobne zapytania pośrednie.

Możliwości te przełożyły się bezpośrednio na rezultaty w branżowych testach porównawczych. W sprawdzianie DeepSWE v1.1, weryfikującym rozwiązywanie rzeczywistych problemów programistycznych w złożonych bazach kodu, Gemini 4 Argon ustanowił nowy rekord z wynikiem 77.9%. Model zajął również pierwsze miejsce na wskaźniku Vals Index, oceniającym wpływ ekonomiczny sztucznej inteligencji na sektory finansów, podatków, prawa i oprogramowania z wagami odpowiadającymi ich udziałowi w PKB Stanów Zjednoczonych. Liderem okazał się także w dedykowanych testach Vals Finance Agent v2 oraz Harvey’s Legal Agent Benchmark. Z kolei w ewaluacji AutomationBench przygotowanej przez platformę Zapier osiągnął wynik 51.3%, a w multimodalnym teście analizy długich nagrań wideo LVBench uzyskał 91.7%. Zdolność do autonomicznego manipulowania plikami i wywoływania procedur wspiera dalszy rozwój ekosystemu Connected Apps, pozwalając agentom operować na złożonych narzędziach firm trzecich.

Praktyczne testy w Google: od optymalizacji kwantowych po jądro Zircon

Przed publiczną zapowiedzią Gemini 4 Argon został wdrożony do wewnętrznych procesów technologicznych Google. Zespoły badawcze wykorzystały model do optymalizacji zasobów czasoprzestrzennych (iloczyn kubitów i bramek logicznych) w podprogramach komputerów kwantowych. W jednym z udokumentowanych przypadków model poprawił dotychczasowy opublikowany rekord bazowy o 40% w zaledwie kilka minut.

Kolejnym obszarem weryfikacji była telemetria centrów danych. Agenci działający w oparciu o model Argon przeanalizowali profile zużycia zasobów we flocie serwerowej Google i wprowadzili modyfikacje w zarządzaniu pamięcią operacyjną. Bezpośrednio po wdrożeniu poprawek odzyskano ponad 300 TiB pamięci RAM, a łączne oszacowania wskazują na potencjał redukcji od 500 TiB do 1 PiB.

Model odegrał również kluczową rolę w strategicznych migracjach kodu z języków C i C++ do zapewniającego bezpieczeństwo pamięci języka Rust. Zakres prac objął m.in. biblioteki re2 oraz libgav1, a także jądro Zircon w systemie operacyjnym Fuchsia OS, liczące ponad 800K+ linii kodu. W przypadku dekodera wideo libgav1 agenci Argon zastąpili 32K linii kodu zoptymalizowanego pod kątem wektoryzacji SIMD nowym kodem w języku Rust. Wykorzystując iteracyjne eksperymenty kierowane profilem wykonania i analizując kod wynikowy generowany przez kompilator, model wytworzył bezpieczny kod Rust, który kompiluje się do postaci automatycznie zwektoryzowanej. W efekcie uzyskano dekoder działający 2,7x szybciej niż pierwotny port w Rust, oferujący wydajność zbliżoną do zoptymalizowanego C++ przy zachowaniu identycznego obrazu wyjściowego.

Defensywne cyberbezpieczeństwo i partnerstwo w ramach Fairwind Program

W obszarze bezpieczeństwa cyfrowego Google przyjęło specyficzną strategię dystrybucji. Model Gemini 4 Argon udostępniono wąskiej grupie zaufanych obrońców za pośrednictwem programu Fairwind Program. W tym środowisku wyłączono standardowe blokady cybernetyczne, co umożliwia specjalistom pełne wykorzystanie modelu do wykrywania podatności, analizy wektorów ataków oraz generowania łatek.

Jednym z głównych partnerów weryfikujących model została firma Wiz w ramach charytatywnej inicjatywy Scan for Good, ukierunkowanej na ochronę infrastruktury publicznej. Wykorzystując model Argon, zidentyfikowano krytyczną lukę w oprogramowaniu medycznym używanym w szpitalach na całym świecie, która narażała na wyciek wrażliwe dane pacjentów — zagrożenie to pozostało wcześniej niewykryte przez inne wiodące modele. Na benchmarku naprawy błędów CWE-bench v1 Gemini 4 Argon uzyskał wynik 68%, dzieląc pierwsze miejsce w zestawieniu. Podczas wewnętrznych testów penetracyjnych typu black-box w Wiz model przewyższył wyspecjalizowaną jednostkę 3.8 Flash Cyber w zadaniach mapowania powierzchni ataku i tworzenia dowodów koncepcji (proof-of-concept), wykazując równocześnie skuteczność w analizie kodu napisanego w 20 językach programowania.

Cztery filary bezpieczeństwa modeli granicznych i cennik wdrożeniowy

Szerokie wdrożenie modelu poprzedzają procedury ochronne skupione w czterech obszarach. W ramach Frontier Safety Framework model zaprogramowano tak, by odrzucał próby wykorzystania go do ataków cybernetycznych oraz tworzenia broni chemicznej, biologicznej, radiologicznej i nuklearnej (CBRN), przy jednoczesnym zachowaniu wsparcia dla legalnych badań naukowych podwójnego zastosowania. W teście odporności na manipulację kontekstem Gray Swan’s Indirect Prompt Injection (IPI) Argon zajął pozycję lidera.

W celu zapobiegania rozbieżności celów wdrożono stały monitoring łańcucha myśli oraz podejmowanych akcji. Co istotne, incydenty wykrywane podczas fazy treningowej nie były bezpośrednio wprowadzane do pętli uczenia, co zapobiegło zjawisku maskowania intencji przez sieć. Infrastrukturę uzupełnia izolowanie środowisk testowych w piaskownicach zgodnie z wytycznymi agent control roadmap.

Dostęp do modelu Gemini 4 Argon podlega dobrowolnemu procesowi ewaluacji przedwdrożeniowej prowadzonemu we współpracy z rządem USA. W kolejnym etapie model trafi do programistów korzystających z komercyjnego API oraz subskrybentów usługi Google AI Ultra. Wraz z zapowiedzią przedstawiono strukturę opłat za przetwarzanie tokenów.

Dane: Google

W okresie promocyjnym przetwarzanie buforowanych tokenów wejściowych objęto rabatem w wysokości 95% względem stawki bazowej. Ustalony poziom cenowy oraz rozszerzone okno generowania pozycjonują Gemini 4 Argon jako narzędzie przeznaczone do najbardziej kapitałochłonnych i wymagających procesów obliczeniowych w enterprise.