Google открыл доступ к Gemini 4 Argon

Содержание страницы

• Что такое Gemini 4 Argon и для чего он нужен
• Как работает модель: миллион токенов и три уровня рассуждения
• Где доступен Gemini 4 Argon
• Доступ к Gemini 4 Argon в России
• Сколько стоит Gemini 4 Argon
• Бенчмарки: сравнение с GPT-6 Astra и Claude
• Кому пригодится Gemini 4 Argon
• Первые впечатления и отзывы
• Что впечатлило: автономность и длинные задачи
• Что разочаровало: буксует в реальном коде
• Реакция сообщества
• Вывод
• Показать ещё (7)

Новый флагман от Google я, признаюсь, очень ждал. Почти год рабочей лошадкой для длинных текстов у меня оставалась Gemini 3.1 Pro: редактура рукописей, сверка версий, работа с источниками на сотни страниц. Весной Google пообещал Gemini 3.5 Pro, но до осени выходили только облегченные Flash. И вот 30 сентября компания показала Gemini 4 Argon, правда, для начала только узкому кругу кибербезопасников. Обещания звучали заманчиво: миллион токенов в одной сессии, более точное следование инструкциям, кардинальное расширение агентных возможностей.

Вчера вечером Google, наконец, открыл модель платным подписчикам и разработчикам. Я тотчас отложил все дела и сел тестировать. Делюсь первыми впечатлениями, а заодно разбираю, каков новый флагман в бенчмарках, сколько стоит подписка и как пользоваться моделью Аргон 4 в России.

Что такое Gemini 4 Argon и для чего он нужен

Gemini 4 Argon — новая флагманская модель Google DeepMind и первая в поколении Gemini 4. Название выбивается из привычной схемы Pro и Flash. Фактически Argon занял место так и не вышедшей 3.5 Pro, а по словам представителей Google, он крупнее всех прежних Pro-моделей компании.

Google позиционирует Gemini Argon как модель для «глубокой работы» — долгих многошаговых задач в программировании, финансах, юриспруденции, кибербезопасности и науке.

Если коротко, модель из инструмента для ответов на вопросы в полноценного автономного исполнителя, способного вести длительные проекты. Ключевой скачок произошел за счет резкого увеличения контекстного окна и лимита выходных токенов — до 1 миллиона. Это дало модели возможность «думать» и планировать на сотни тысяч токенов в рамках одного запуска, не разбивая сложную задачу на множество мелких запросов.

В результате агенты Argon теперь способны в течение многих часов автономно анализировать код, тестировать гипотезы и исправлять ошибки, работая над задачей до ее полного завершения. Ему можно поручать работу, которую раньше приходилось дробить на десятки запросов: разобрать папку разрозненных документов, переписать модуль кода, свести воедино отчетность за несколько лет.

Внутри самой Google агенты Argon уже показали себя на этапе тестирования в задачах, раньше требовавших огромных усилий команд разработчиков:

• Рефакторинг и миграция кода: Argon за несколько недель помог команде Chrome разделить 6 млн строк устаревшего кода, завершив архитектурный рефакторинг, который занял бы месяцы. Другие агенты занимаются переводом кода с C/C++ на более безопасный Rust, в том числе для ядра Fuchsia Zircon (более 800 000 строк).
• Оптимизация инфраструктуры: Автономные агенты проанализировали телеметрию дата-центров Google и применили оптимизации памяти, освободив более 300 ТБ, с прогнозом до 1 ПБ экономии.
• Кибербезопасность: В партнерстве с компанией Wiz Argon обнаружил и помог исправить критическую уязвимость в медицинском ПО, которую пропустили предыдущие модели.

Для управления этими агентами Google делает ставку на платформу Antigravity, где команды могут использовать слэш-команды вроде /goal, чтобы ставить долгосрочные цели. Кроме того, Argon глубоко интегрирован в Google Cloud и экосистему Gemini Enterprise Agent Platform, что позволяет встраивать таких автономных агентов в корпоративные рабочие процессы с сохранением контроля и безопасности.

Как работает модель: миллион токенов и три уровня рассуждения

Еще немного о длине контекстного окна — это тот случай, когда количество переходит в качество. Прежние модели Gemini выдавали до 64 тысяч токенов за раз, а у Argon единый лимит около миллиона токенов делится между запросом, рассуждением и ответом. Это сотни тысяч слов в одной сессии, поэтому большую задачу модель может довести до конца, не теряя нить. В API за один синхронный вызов Argon возвращает до 65 тысяч токенов, а более длинные ответы собираются в фоновом режиме по специальному протоколу продолжения.

На вход Argon принимает текст, изображения, видео, аудио и PDF, а отвечает только текстом. В API глубину рассуждения можно выбрать из трех уровней — низкого, среднего и высокого. Чем глубже модель думает, тем дороже запрос и тем быстрее тает квота в подписке.

В приложении Gemini появился переключатель между чатом и задачей. В режиме задачи модель продолжает работать, даже когда вы отошли от компьютера. В версии для macOS к нему подключен агентный режим Antigravity для работы с кодом.

Где доступен Gemini 4 Argon

Google открыл модель сразу на нескольких площадках, но набор инструментов зависит от тарифа.

• Приложение Gemini в браузере, на смартфонах и macOS, а также ИИ-режим Поиска — для подписчиков Google AI Pro и Ultra.
• Агентная среда Antigravity, Google AI Studio и Android Studio — только для подписчиков Ultra.
• Gemini API и облачная платформа Google — для разработчиков на платном тарифе с оплатой по факту.
• Gemini для бизнеса — для компаний.

Бесплатного доступа к Argon нет, а раскатка идет постепенно, поэтому часть подписчиков увидела модель в списке не сразу. Помимо Argon, в меню остаются Gemini 3.1 Pro, 3.8 Flash и 3.5 Flash-Lite.

Доступ к Gemini 4 Argon в России

Официально Россия не входит в список стран, где работает Gemini. С российского IP сервис сообщает о недоступности в регионе, а подписку Google нельзя оплатить картой российского банка. Прямой путь требует VPN, аккаунта с зарубежным регионом и иностранной карты или посредника для оплаты. Схема рабочая, но возни с ней немало.

Проще пользоваться моделью через российские агрегаторы нейросетей, которые работают без VPN и принимают оплату в рублях. Одним из первых Argon подключил GPTunnel: по промокоду AIMARKETCAP10 вы получите скидку 10% на пополнение баланса. Argon уже появился и в Fichi.ai. По промокоду FICHI-5C3B452B новым пользователям дают скидку 15%. Учтите только, что агрегаторы работают через API, так что фирменных инструментов Google вроде Antigravity там нет.

Сколько стоит Gemini 4 Argon

Для обычных пользователей Argon входит в подписку, начиная с Pro, а разработчики платят за токены. Основные варианты я свел в таблицу.

Лимиты в подписках считаются не в запросах, а в общей квоте, которая обновляется каждые пять часов в пределах недельного потолка. В API кэшированные входные токены обходятся на 95% дешевле, а пакетная обработка стоит вдвое меньше. На вводных тарифах Argon заметно экономнее конкурентов: по подсчетам Arena, задача на нем обходится на треть дешевле, чем на GPT-6.1 Sol, и на 70% дешевле, чем на Claude Opus 5.5.

Бенчмарки: сравнение с GPT-6 Astra и Claude

Всем, конечно, интересно, как обстоят дела с количеством «попугаев», и кто теперь главный босс в качалке. Независимые тесты пока только начались, но сам Google уже сравнил Argon с GPT-6 Astra, Claude Opus 5.5 и Claude Fable 5.1 по 18 тестам. Счет получился в пользу «Аргона», вот ведь сюрприз. Модель лидирует в 12-ти номинациях, делит первое место еще в одной и уступает в пяти.

Сильнее всего Argon выглядит в работе с документами: в юридическом бенчмарке Harvey Legal Agent у него 19,6% против 6,7% у ближайшего конкурента, в финансовом Vals Finance Agent v2 — 65,4% против 58,9%. На длинном контексте от 256 тысяч до миллиона токенов модель удерживает 84,2% против 71,8% у Astra.

Где Argon впереди: документы, финансы и длинный контекст. Данные Google

В программировании картина пестрее. В DeepSWE, где модель доводит до конца длинные задачи из реальной разработки, Argon поставил рекорд с результатом 77,9%. Зато в работе с терминалом его обходит Claude Opus 5.5, а в сложной разработке FrontierSWE v2 и управлении компьютером OSWorld-2.0 впереди GPT-6 Astra.

Программирование: рекорд в DeepSWE и отставание в терминальных задачах. Данные Google

Отдельно Google подчеркивает устойчивость к промпт-инъекциям — вредным инструкциям, спрятанным в письмах и на веб-страницах. В тесте Gray Swan такие атаки на Argon срабатывают лишь в 0,7% случаев против 1% у моделей Claude и 8,5% у GPT-6 Astra. Для агента, которому вы доверяете почту или файлы, это важнее любого рейтинга.

Держите в уме, что все цифры приводит сам Google, часть результатов он посчитал самостоятельно, а в нескольких тестах отрыв не превышает двух пунктов, то есть укладывается в погрешность.

Первый независимый замер Artificial Analysis дал Argon 53 балла в индексе интеллекта — всего-навсего восьмое место среди 216 моделей. Что-то подсказывает, что нового «царя горы» мы пока не увидим.

Кому пригодится Gemini 4 Argon

На коротких вопросах разница с предыдущими моделями почти незаметна, зато на объемных задачах она бросается в глаза. Попробовать Argon в первую очередь стоит тем, кто работает с большими массивами данных.

• Юристам и финансистам — для анализа договоров, судебной практики и отчетности, где модель показала лучшие результаты.
• Разработчикам больших проектов — для рефакторинга, поиска ошибок и оптимизации. Внутри Google Argon помог команде Chrome за несколько недель вместо месяцев отделить около 6 млн строк устаревшего кода.
• Аналитикам и исследователям, которым нужно свести воедино сотни страниц источников.
• Авторам и редакторам — для сверки рукописей, поиска противоречий между версиями и правки в заданном стиле.

Длинный контекст и понимание видео открывают и менее очевидные применения. Вот несколько идей, которые стоит проверить на своих задачах.

• Разобрать запись многочасового совещания или вебинара и сверить принятые решения с протоколом.
• Проверить переписку и коммерческое предложение на расхождения в сроках и требованиях.
• Собрать презентацию для клиента из папки разрозненных заметок, писем и таблиц.
• Превратить фото рабочего стола в браузерную мини-игру — такой пример Google показал в AI Studio.

Первые впечатления и отзывы

Первое, что заметил лично я, — манера письма. Argon отвечает прямее и плотнее, чем 3.1 Pro: меньше оговорок, вводных конструкций и вежливой воды, а просьбу писать без штампов соблюдает аккуратнее предшественника. На длинной рукописи модель не теряет нить и уверенно возвращается к деталям из начала текста. Огорчил расход лимитов: несколько тяжелых запросов на тарифе Pro ощутимо съедают квоту.

Коллеги из отдела разработки поделились своими отзывами. Они оказались довольно полярными: от восторга по поводу автономности в длинных задачах до резкой критики за реальную производительность в кодинге.

Что впечатлило: автономность и длинные задачи

Бросается в глаза способность модели работать над задачами без постоянного контроля.

• Читает, прежде чем писать: в интеграциях вроде Devin Argon ведет себя как вдумчивый инженер. Перед написанием кода изучает репозиторий, проверяет историю git на предмет конвенций и даже рецензирует собственный diff перед завершением.
• Марафонские сессии: пожалуй, самое яркое впечатление. Argon запустили на всю ночь для оптимизации большой бэкэндовой базы (около 100 000 строк кода). Агент проработал 7 часов и выполнил 11 493 юнит-теста — это просто вау.
• Масштабный рефакторинг: особенно силен Argon в рефакторинге бэкенда и системного кода, в частности на Python, C/C++ и PHP.

Что разочаровало: буксует в реальном коде

Есть, увы, и несколько примеров разрыва между бенчмарками и реальностью.

• Слабость в терминале и на десктопе: в задачах, требующих управления терминалом (Terminal-bench 4.0) или компьютером (OSWorld-2.0), Argon оказался слабее Opus 5.5 и GPT-6 Astra. Если ваш рабочий процесс завязан на командной строке или десктопных приложениях, опыт может быть хуже, чем у альтернатив.
• Проблемы с фронтендом: у Argon серьезные трудности с работой над GUI и UX. Сгенерированные им интерфейсы и слайды порой выглядят тесными и шаблонными.

Реакция сообщества

В мире ранние отзывы в целом сдержанно-положительные. Разработчики, получившие доступ через API, хвалят ясность мышления и узнаваемый стиль, авторы первых обзоров отмечают упорство модели в многочасовых задачах. Скептики называют Argon перехваленным и считают, что как флагман он не дотягивает до заявленного уровня и уступает конкурентам в основных задачах.

По сообщениям Bloomberg, похожего мнения придерживается и часть сотрудников Google: вне бенчмарков, особенно в коде, модель кажется им слабее.

Вывод

Еще весной казалось, что Google вышел из гонки флагманов и отсиживается на легких Flash-моделях. С появлением Gemini 4 Argon компания возвращается в высшую лигу — не абсолютным чемпионом, но достойным внимания игроком. Для тех, кто уже давно работает с Gemini напрямую или в Antigravity — однозначно праздник. Для приверженцев других моделей — повод присмотреться: возможно, на ваших специфических задачах он окажется эффективнее. Лично я присматриваюсь.

Часто задаваемые вопросы

Что такое Gemini 4 Argon?

Это новая флагманская модель Google и первая в семействе Gemini 4. Она рассчитана на сложные многошаговые задачи с большим объемом данных.

Можно ли пользоваться Gemini 4 Argon бесплатно?

Нет, модель доступна только по подписке Google AI Pro или Ultra и через платный API.

Сколько стоит подписка с Argon?

Google AI Pro стоит 19,99 $ в месяц, Ultra — от 99,99 $. В API вводная цена составляет 2 $ за миллион входных и 10 $ за миллион выходных токенов.

Как получить доступ к Gemini Argon в России?

Официально Gemini в России не работает, поэтому проще всего воспользоваться российским агрегатором с оплатой в рублях, например GPTunnel.

Чем Argon лучше GPT-6 Astra и Claude Opus 5.5?

По данным Google, он сильнее в работе с документами, финансами, правом и длинным контекстом, но уступает в терминальных задачах и сложной разработке.

Какой контекст у Gemini 4 Argon?

Около миллиона токенов, общих для запроса, рассуждения и ответа.