Gemini 4 Argon: что умеет модель и кому доступна

Gemini 4 Argon стоит оценивать по двум отдельным вопросам: подходит ли модель для вашей задачи и доступна ли она в нужном продукте. Название подписки само по себе ещё не отвечает на оба. Ниже — разбор официальных материалов Google, карта заявленного доступа и небольшой сценарий самостоятельной проверки.

Проверено 18 октября 2026 года. Редакция не запускала Argon и не измеряла качество её ответов. Возможности и ограничения модели описаны по первоисточникам; практический пример ниже — инструкция для читателя, а не отчёт о нашем тесте.

Что такое Gemini 4 Argon

По карточке модели Google DeepMind, Argon принимает текст, изображения, аудио и видео, а выдаёт текст. Мультимодальность здесь означает возможность разбирать разные типы входных данных. Из неё не следует, что сама модель генерирует готовые картинки, звук или видео.

Для выбора способа работы полезно разделить три вещи:

• Модель — Gemini 4 Argon: система, которая обрабатывает запрос.
• Продукт — приложение Gemini, среда Antigravity или API: место, где вы работаете с моделью и доступными инструментами.
• Условия доступа — подписка, оплачиваемое использование API и ограничения конкретного аккаунта.

Поэтому фраза «у меня есть Gemini» недостаточна для сравнения результатов. Нужно знать, где выполнялась задача, какая модель была выбрана и какие инструменты ей дали. Ответ в чате и изменение проекта агентом — разные сценарии, даже если в них используется одна модель.

Что произошло 30 сентября и 13 октября

30 сентября 2026 года Google анонсировала Argon и начала ограниченное предоставление модели доверенным специалистам по киберзащите через Fairwind Program. Компания отдельно описала поэтапный подход к дальнейшему выпуску.

13 октября Google объявила расширение доступа. Ниже разобраны условия именно этого обновления. Таким образом, 30 сентября — дата первоначального анонса, а 13 октября — следующий этап доступности. Это не новый запуск 18 октября.

Какие возможности заявляет Google

В сентябрьском анонсе основной акцент сделан на длинных многошаговых задачах: программировании, работе с профессиональными материалами и киберзащите. В качестве ориентиров Google приводит 77,9% на DeepSWE v1.1 для инженерных задач, 51,3% на AutomationBench для бизнес-автоматизации и 91,7% на LVBench для понимания длинных видео. Это результаты, сообщённые производителем, а не независимые замеры GPT Insider. Источник показателей.

Практический вывод редакции: перед тестом нужно сформулировать проверяемый результат. Для кода это могут быть сохранённые тесты и понятный diff; для документа — верно извлечённые факты и ссылки на их расположение; для автоматизации — корректный результат каждого шага и отсутствие лишних действий. Процент на бенчмарке не заменяет ни одну из этих проверок.

Не стоит переносить показатель одной категории на другую. Результат инженерного теста ничего сам по себе не говорит о точности русского пересказа вашего договора. А способность разобрать видео не означает, что любой продукт разрешит загрузить нужный файл целиком.

Официальные тесты Argon и условия измерений

У Google есть не только рекламные примеры, но и документ с методикой оценки Gemini 4 Argon. Он позволяет уточнить происхождение уже приведённых чисел:

• DeepSWE v1.1 — 77,9%. Google рассчитала результат самостоятельно, используя агентную среду mini-swe.
• AutomationBench — 51,3%. Google указывает закрытый набор заданий и официальный публичный рейтинг Zapier как источник. Это не обозначено как собственный расчёт Google.
• LVBench — 91,7%. Результат рассчитан Google без инструментов; для Gemini видео подавалось с частотой один кадр в секунду.

Общее правило документа — pass@1, то есть оценка одной попытки, если не оговорено иное; максимальный уровень рассуждения через Gemini API. Для небольших наборов результаты усредняют по нескольким прогонам. Конкретное число прогонов для этих трёх показателей в пояснениях не раскрыто. В LVBench Google использовала разные ограничения кадров для разных моделей: это важно при чтении сравнений.

Слово «официальный» здесь означает опубликованный производителем или организатором теста результат. Оно не превращает все показатели в независимую проверку. Редакция не воспроизводила эти замеры и не проверяла отдельно текущую таблицу Zapier; происхождение AutomationBench указано по методике Google.

Что Google проверила на реальном проекте и показала в демонстрациях

Инженерное испытание на Python-проекте ADK

В отчёте Google Developers от 13 октября описаны два запуска на существующем репозитории ADK. Первый длился около двух часов. Для второго команда добавила правила проекта и режим /goal в Antigravity; он продолжался 11 часов. Из шести предложенных оптимизаций после человеческого ревью приняли две, четыре отклонили.

По отчёту, время подготовки сессий в памяти сократилось примерно на 40% в длинных сессиях, а время холодного импорта пакета — на 21%. Google измеряла изменения отдельным контрольным тестом, которого модель не видела; опубликованные значения — медианы 6–12 прогонов. Однако время от нового процесса до первого запроса практически не изменилось: 3,07 секунды до правок и 3,09 после.

Ограничение важно: это ускорение отдельных операций ADK, а не всей работы нейросети. Выигрыш подготовки сессий относится к InMemorySessionService; на внешние хранилища сессий его переносить нельзя. Это испытание команды Google с человеческим отбором изменений, а не независимый тест и не доказательство, что любой проект можно безопасно оставить без контроля.

Демонстрация управления роботом

В публикации Google Developers о робототехнике показан Spot, который выбрасывает банки в ведро с педалью. В описанном процессе Argon сначала создаёт модель ведра в MuJoCo для отработки движения; запрос предусматривает проверки положения ноги и захвата перед отпусканием банки.

Это демонстрация связки модели, робота, симулятора и проверочных инструментов. В описании этого эпизода не приведены число повторений и доля успешных попыток, поэтому превращать ролик в процент надёжности нельзя. Наличие такого демо также не означает, что управление роботом доступно как готовая функция обычного чата Gemini.

Карта доступа к Gemini Argon

В обновлении от 13 октября Google указала следующие пути. Последняя колонка — наш список проверок перед использованием, а не подтверждение доступа в конкретном аккаунте.

Не покупайте подписку только потому, что в анонсе есть слово «доступна». Сначала проверьте страницу предложения для своего аккаунта: нужный продукт, модель, региональные условия, лимиты и итоговую стоимость. Этот обзор не подтверждает доступность Argon из России и не предлагает способы обхода ограничений.

Если Argon не отображается, полезный следующий шаг — проверить официальные условия продукта и обратиться в его поддержку с названием тарифа и текстом ошибки. Не отправляйте в такое обращение пароль, ключ API или содержимое рабочих документов.

Сколько стоит API и что значит миллион токенов

Google объявила вводную цену API: 2 доллара за миллион входных и 10 долларов за миллион выходных токенов. После 30 ноября 2026 года указаны 4 и 20 долларов соответственно. Это не стоимость подписки Gemini. Перед запуском нужно сверить действующую тарификацию своего сервиса. Условия вводного периода.

Простой расчёт для ориентира: 100 тысяч оплачиваемых входных и 20 тысяч оплачиваемых выходных токенов при вводных ставках дают 0,20 + 0,20 = 0,40 доллара. Это арифметический пример для двух названных позиций, а не оценка конкретного задания или обещание итогового счёта.

В актуальном руководстве Google Cloud указан общий бюджет 1 048 576 токенов на вход и выход вместе. В выход включаются рассуждение, вызовы функций и финальный ответ. Это не миллион токенов входного документа плюс ещё миллион ответа.

Там же описаны отдельные ограничения одного API-запроса и протокол продолжения: длинная генерация может проходить через несколько запросов. Для GenerateContent длинное декодирование поддерживается в v1beta1; документация отмечает, что v1 для него не подходит. Эти технические условия нельзя автоматически переносить на лимиты приложения Gemini.

Для читателя важнее не максимальная цифра, а управляемый объём работы. Начните с короткого материала, задайте желаемую длину результата и проверьте расход. Увеличивать задачу имеет смысл после того, как понятны точность, время и стоимость небольшого запуска.

Ограничения, которые стоит учитывать

Google прямо указывает в model card на возможность галлюцинаций, замедлений и тайм-аутов. Граница знаний обозначена мартом 2026 года; по отдельным темам сведения могут быть старее. Поэтому свежий уверенный ответ без проверенного источника нельзя принимать за подтверждённый факт.

Редакционная рекомендация: сначала используйте обезличенные или вымышленные материалы. Для важных документов заранее решите, какие данные допустимо передавать сервису. Для проекта с кодом выделите копию или отдельную ветку и проверяйте изменения до объединения. Качество ответа и допустимость работы с данными — две самостоятельные проверки.

Как самостоятельно проверить Argon на небольшой задаче

Этот сценарий подготовлен редакцией, но не запускался в Gemini. Он проверяет аккуратность извлечения фактов, простую арифметику и реакцию на недостающие данные. Он не измеряет все возможности модели и не позволяет выбрать универсального победителя среди нейросетей.

1. Подготовьте исходный материал

Сохраните следующий учебный текст в документе:

Проект «Маяк» — учебный пример. Заказчик: студия «Линия». Рабочая встреча назначена на 22 октября 2026 года, 11:00. Ответственная за макет: Ирина. Нужны три варианта обложки. Исходные материалы передают 20 октября. Срок первого результата — 26 октября.

Таблица трудозатрат: подготовка — 2 часа; дизайн — 5 часов; проверка — 1 час. Ставка не указана. Способ передачи результата не указан.

Здесь шесть контрольных фактов: заказчик, дата и время встречи, ответственная, число вариантов, дата передачи материалов и срок результата. Отдельно есть три строки трудозатрат и два неизвестных условия.

2. Отправьте один фиксированный запрос

Работай только по приложенному учебному документу. Выпиши шесть организационных фактов, посчитай суммарные трудозатраты и отдельно перечисли неизвестные условия. Для каждого факта приведи короткую точную цитату из исходника. Не придумывай ставку, стоимость и способ передачи результата. Затем подготовь резюме проекта до 100 слов. Ничего не отправляй другим людям и не создавай событий.

До отправки запишите дату, продукт, тариф и видимое название модели. Если название подтвердить нельзя, не называйте результат тестом Argon. Сохраните первый ответ целиком, даже если он неудачный.

3. Сверьте ответ с эталоном

• Все шесть фактов переданы без подмены дат, имени и количества
• Сумма времени равна 8 часам
• Ставка и способ передачи названы неизвестными; стоимость не выдумана
• Цитаты действительно присутствуют в исходнике
• Резюме укладывается в 100 слов и не добавляет обещаний
• Никакие внешние действия не выполнены

Если есть ошибка, дайте одну и ту же корректирующую просьбу: «Повторно сверь ответ с исходником. Исправь только расхождения и перечисли, что изменилось». Сохраните второй ответ отдельно. Так будет видно, что модель сделала сразу, а что исправила после подсказки.

4. Решите, что проверять дальше

Для своего документа замените учебные факты на безопасный пример из реальной работы и заранее выпишите эталон. Не увеличивайте одновременно и объём, и число файлов, и сложность задачи: иначе будет трудно понять причину ошибки. Для сравнения с другой моделью используйте тот же исходник, запрос и критерии.

Один удачный ответ — основание продолжить проверку, а не делегировать весь процесс. Если приходится долго искать выдуманные детали, учитывайте это время наравне со скоростью генерации.

Кому имеет смысл присмотреться к Argon

Наш вывод: Argon стоит включить в короткий список для проверки, если у вас есть многошаговая задача и возможность объективно оценить результат. Начать лучше с уже доступного вам продукта и небольшого безопасного примера. Если же нужна только короткая редактура, сам по себе новый релиз ещё не повод менять рабочий инструмент или покупать более дорогой тариф.

Главный критерий — не масштаб демонстрации Google, а сколько проверенной полезной работы вы получили с учётом правок, времени и расходов. Разницу между подписками отдельно разбираем в материале о подписках Gemini.