Пока индустрия спорит о том, чья модель умнее в чате, Google выпустила фронтир-модель и почти никому её не дала. Первыми доступ к Gemini 4 Argon получили киберзащитники, причём без киберограничений. Причина в цифрах из анонса: модель находит и закрывает уязвимости лучше предыдущего фронтира, и в одном из первых кейсов нашла критичную дыру в медицинском ПО, которое используют больницы по всему миру, там, где другие модели её пропустили.

Gemini 4 Argon это фронтир-модель Google для длинных агентных задач: от миграций кодовых баз на Rust до киберзащиты и юридической работы. Лимит генерации 1 миллион токенов за прогон, стартовая цена $2 за миллион входных токенов, а запуск поэтапный: сначала доверенные защитники, потом разработчики и все остальные.

Что объявил Google

Анонс вышел 30 сентября, и главное в нём даже не бенчмарки, а схема запуска. Argon разворачивается через программу Fairwind: доступ получают доверенные киберзащитники, а расширение идёт постепенно. Google участвует в добровольном процессе предрелизного доступа для фронтир-моделей, который ведёт правительство США, и дорабатывает защитные механизмы по фидбеку ранних тестеров.

Для остальных очередь такая: сначала платные клиенты API и подписчики Google AI Ultra, затем разработчики, компании и обычные пользователи. Формулировка «как можно скорее» точных дат не заменяет.

Один миллион токенов на выходе

Самый недооценённый пункт анонса это новый лимит генерации. Модель выдаёт до 1 миллиона токенов в одной траектории против 64 тысяч у предыдущего поколения, рост в шестнадцать раз. Это меняет класс задач: агент, который раньше обрывался посреди работы и терял контекст, теперь проходит её целиком.

Логика простая: когда у модели есть место глубоко подумать и сгенерировать сотни тысяч токенов за один прогон, задачи вроде миграции подсистемы или аудита большой кодовой базы решаются без ручной склейки двадцати итераций. Это лимит не для длинных ответов в чате, а для единиц работы.

Бенчмарки: где Argon действительно первый

Google перечисляет длинный список метрик. DeepSWE v1.1 измеряет реальные длинные задачи по разработке ПО, и здесь у Argon 77.9%, новый state of the art. Vals Index взвешивает экономический эффект по вкладу отраслей в ВВП США (финансы, код, право, налоги), и Argon лидирует и там, включая Vals Finance Agent v2 для многошаговых финансовых исследований и Harvey's Legal Agent Benchmark для юридической работы. На AutomationBench от Zapier, который меряет сквозное выполнение бизнес-функций, первое место с 51.3%. На LVBench по пониманию длинных видео 91.7%.

Что это значит по-человечески. 51.3% на AutomationBench звучит скромно ровно до момента, когда понимаешь, что бенчмарк проверяет сквозные бизнес-процессы, а не ответы на вопросы, и половина автоматизируемых сценариев это уже смена рынка труда для операционных ролей. 77.9% на DeepSWE это уровень, на котором агент закрывает боевые задачи по коду. Показательно, что почти все ключевые цифры здесь агентные: Google продаёт не собеседника, а исполнителя.

Оговорка, без которой разбор был бы рекламой: все цифры пока заявленные самой Google, доступ закрыт, независимо их никто не перепроверил. Смотреть на них стоит как на заявку, а не как на факт.

Как Argon уже работает внутри Google

Интереснее бенчмарков список внутренних проектов, где Google показывает не демо, а производственную работу.

Квантовые вычисления: Argon оптимизирует ресурсы квантовых субрутин (кубиты и гейты) и в одном из примеров побил опубликованный бейзлайн на 40% за считанные минуты.

Память: агенты Argon проанализировали телеметрию по всему флоту дата-центров Google, самостоятельно нашли и применили оптимизации. После раскатки освободилось больше 300 ТиБ памяти, ожидаемая экономия от 500 ТиБ до 1 ПиБ, то есть до миллиона гигабайт.

Rust: агенты переписывают кодовые базы C/C++ на Rust, от десятков тысяч строк в библиотеках вроде re2 и libgav1 до 800 тысяч строк ядра Fuchsia Zircon. Критичные системы проходят аудит, эмуляционное тестирование и ревью перед продакшеном.

Кейс libgav1 стоит отдельного абзаца. Агенты взяли существующий Rust-порт видеодекодера и заменили 32 тысячи строк SIMD-кода: прогоняли профилированные эксперименты, изучали вывод компилятора и писали безопасный Rust так, чтобы компилятор сам векторизовал код. Результат: memory-safe декодер в 2.7 раза быстрее прежнего Rust-порта при идентичном видео, вплотную к оптимизированному C++. Это уже не «помогает писать код», а самостоятельная оптимизация системного уровня.

Переписать ядро в 800 тысяч строк или заменить 32 тысячи строк SIMD-кода вручную это годы работы нескольких команд. Google не утверждает, что агенты заменяют инженеров, но показывает рабочую схему: люди ставят задачу и аудируют результат, агенты закрывают объём. Если схема масштабируется, экономика поддержки гигантских кодовых баз меняется.

Сложите это с лимитом в миллион выходных токенов, и стратегия читается: агенты, которые часами и сутками ведут длинные задачи в кодовых базах, дата-центрах и квантовых расчётах.

Киберзащита без ограничений

Отдельная часть анонса объясняет, почему первыми модель получили не бизнес-клиенты. Argon обучен находить, подтверждать и закрывать критичные уязвимости, и доверенным защитникам модель выдаётся без киберограничений: без специальных запретов, которые обычно стоят на публичных моделях, чтобы те не помогали с эксплойтами.

Первые результаты: команда Wiz уже применяет Argon в инициативе Scan for Good, которая бесплатно защищает критичную публичную инфраструктуру. В раннем кейсе модель нашла критичную уязвимость в медицинском ПО, используемом больницами по всему миру: риск утечки персональных данных, который пропустили предыдущие фронтир-модели. Это не абстрактный лидерборд, а найденная дыра в системе с данными пациентов.

На CWE-bench v1 по закрытию уязвимостей Argon делит первое место с результатом 68%, развивая результат 3.8 Flash Cyber на версии v0. На внутреннем бенчмарке Google модель нашла уязвимости в кодовых базах на 20 языках программирования, а на пентест-бенчмарке Wiz, где анализируются живые веб-системы без исходного кода, Argon обошёл 3.8 Flash Cyber по обнаружению поверхности атаки, идентификации уязвимостей и доказательствам концептов.

Что стоит за цифрой 68% на CWE-bench: модель закрывает примерно две трети типовых уязвимостей из корпуса теста, остальное остаётся человеку. В паре с находками на 20 языках программирования и кейсом Wiz это уже не лабораторный результат, а рабочий инструмент защитных команд.

Это ставка, а не маркетинг. Атаки с ИИ растут: в разборе сентябрьского отчёта Anthropic мы показывали, что от похищенного токена до вторжения у злоумышленников уходит около трёх часов. Логика Google: защитники должны получить фронтир-возможности раньше атакующих, даже если для этого придётся выпустить мощную кибер-модель узкому кругу проверенных людей.

Четыре контура защиты

Модель такого класса нельзя выпускать без тормозов, и анонс перечисляет четыре слоя защиты.

Защита от злонамеренного использования: Argon отказывает в помощи с кибератаками и угрозами CBRN (химическими, биологическими, радиологическими, ядерными), сохраняя легитимные двухцелевые задачи. Google усилил мониторинг внутренних активаций модели, а сами механизмы прошли проверку внутренними и внешними red teams с ручными и автоматизированными методами.

Устойчивость к prompt injection: Google называет Argon самой устойчивой своей моделью к косвенным prompt injection, где вредоносные инструкции прячут в контекст, который модель читает, и на бенчмарке Gray Swan по этому классу атак модель лидирует. Подготовка включала автоматизированный red teaming и adversarial-обучение.

Для агентов это критичный класс атак: они читают веб-страницы, документы и чужой код, и именно через эти каналы злоумышленники чаще всего пробуют перехватить управление.

Мониторинг отклонений: Google следит за цепочкой рассуждений и действиями модели и останавливает выполнение, если она выходит за границы задачи. Тот же контур наблюдает за тренировочными прогонами и шлёт алерты отдельной incident response команде. Деталь, которая говорит о зрелости подхода: Google осторожничает с тем, чтобы находки мониторинга не попадали обратно в обучение, иначе модель могла бы научиться обходить наблюдение. Плюс призыв к индустрии сохранять прозрачность рассуждений моделей, пока растут возможности.

Укрепление систем: песочницы, в которых тестируют и обучают такие модели, изолируются и запечатываются до начала высокорисковых работ. Google обещает делиться практиками безопасности агентов с партнёрами.

Сколько стоит Gemini 4 Argon

Цена здесь часть стратегии. Стартовая: $2 за миллион входных токенов и $10 за миллион выходных, кешированный вход дешевле на 95%. После интро-периода: $4 за миллион входных и $20 за миллион выходных.

Для агентных сценариев важна не только сумма, но и структура. Агент тратит сотни тысяч выходных токенов за прогон, а скидка 95% на кешированный вход делает повторяющийся контекст почти бесплатным: инструкции, документацию и большие фрагменты кода можно гонять из кеша.

Что это значит

Если отбросить маркетинг, анонс фиксирует три сдвига.

Поле переезжает из чата в агентов. Ключевые метрики Argon это длинные горизонты: миграции, аудит, закрытие уязвимостей. Сравнение по качеству диалога уходит на второй план.

Кибербезопасность становится первым рынком фронтир-возможностей. Google отдаёт самую сильную модель не туда, где больше денег, а туда, где больше ущерба от атак, и попутно обкатывает самую спорную функцию на проверенной аудитории.

Поэтапные запуски становятся нормой. Сначала защитники и тестеры, потом API, потом подписки. Это и безопасность, и управляемый дефицит, который растягивает ажиотаж.

Скептикам есть за что зацепиться. Закрытый доступ это не только безопасность, но и удобная позиция: заявленные цифры пока нельзя проверить снаружи, а сам ажиотаж вокруг закрытых дверей работает как маркетинг. Ответ на этот вопрос появится вместе с открытием API.

Часто задаваемые вопросы

Когда Gemini 4 Argon станет доступна всем?

Точных дат Google не называет. Сейчас модель у доверенных киберзащитников и тестеров. Следующие в очереди платные клиенты API и подписчики Google AI Ultra, затем разработчики, компании и потребители.

Сколько стоит Gemini 4 Argon?

Стартовая цена $2 за миллион входных токенов и $10 за миллион выходных, кешированный вход со скидкой 95%. После интро-периода цена вырастет до $4 и $20 за миллион токенов соответственно.

Почему модель сначала отдали киберзащитникам?

Сильнее всего Argon проявил себя в поиске и закрытии уязвимостей, а это самая чувствительная область: та же способность в чужих руках становится оружием. Поэтому доступ поэтапный, с участием правительства США, и первыми идут защитники.

Итог

Gemini 4 Argon это не апдейт чат-бота, а заявка Google на другой рынок: автономные агенты для кодовых баз, дата-центров и инфраструктуры плюс киберзащита, где модель уже приносит измеримую пользу. Конкретика говорит сама за себя: 1 миллион токенов на выходе, 77.9% на DeepSWE, 40% сверх бейзлайна в квантовых расчётах, 300 ТиБ освобождённой памяти и найденная уязвимость, которую пропустили все предыдущие фронтир-модели.

Осталось дождаться двух вещей: независимых проверок и открытия доступа. Пока это тщательно срежиссированная премьера для избранных, а не релиз для всех.

Если интересно, как меняется расстановка сил, посмотрите наши разборы: Opus 5.5 против GPT-6 Sol: реальные тесты вместо бенчмарков и Отчёт Anthropic об угрозах: 3 часа от токена до взлома. И напишите в комментариях, что интереснее лично вам: агенты, переписывающие кодовые базы, или ИИ-защитники уязвимостей?