Gemini 4 Argon to nowy model z najwyższej półki, który Google zaprezentowało 30 września. Firma przeznacza go do długich, wieloetapowych zadań: programowania, pracy z wiedzą firmową i cyberobrony. Model nie trafia jednak od razu do wszystkich. Pierwszeństwo dostali wybrani specjaliści od bezpieczeństwa.
Co Google ogłosiło przy premierze Gemini 4 Argon
Wpis podpisał Koray Kavukcuoglu, wiceprezes Google DeepMind i główny architekt AI w Google. Najmocniej eksponowany wynik to 77,9% w teście DeepSWE v1.1, który sprawdza pracę na prawdziwym oprogramowaniu. W AutomationBench od Zapiera model uzyskał 51,3% i zajął pierwsze miejsce. W rozumieniu długich nagrań (LVBench) ma 91,7%, a w CWE-bench v1, teście wykrywania podatności, dzieli pierwsze miejsce z wynikiem 68%. Google wskazuje też prowadzenie w indeksie Vals, obejmującym finanse, prawo, podatki i kod.
Firma pokazuje przykłady z własnego podwórka. Agenci optymalizujący pamięć zwolnili ponad 300 TiB w centrach danych Google. Model wspiera też migrację kodu z C/C++ do Rusta w projektach liczących ponad 800 tys. linii.
Zmienia się limit odpowiedzi. Model może wygenerować do 1 mln tokenów wyjściowych, wobec dotychczasowych 64 tys. Cena startowa to 2 USD za milion tokenów wejściowych i 10 USD za milion wyjściowych. Po okresie promocyjnym, którego długości Google nie podało, stawki wzrosną do 4 i 20 USD. Tokeny wejściowe z pamięci podręcznej mają być tańsze o 95%.
Dlaczego dostęp jest ograniczony
Argon trafia najpierw do „zaufanych obrońców” w programie Fairwind. Równolegle trwa proces przedpremierowego udostępnienia rządowi USA. Następni w kolejce są płatni klienci API i subskrybenci Google AI Ultra, ale bez konkretnej daty. Google chce najpierw zebrać opinie testerów i dopracować zabezpieczenia. Wymienia monitorowanie nadużyć, testy red teamingowe, obserwację rozumowania i działań modelu oraz trening odporności na prompt injection.
Ta ostrożność ma uzasadnienie. Model, który sam znajduje, weryfikuje i łata krytyczne luki, w niepowołanych rękach może je równie sprawnie wykorzystywać. TechCrunch zwraca uwagę, że Google deklaruje przewagę nad GPT-6 Astra od OpenAI oraz modelami Fable i Opus od Anthropic. To jednak deklaracje producenta, które warto skonfrontować z niezależnymi testami.
Co to znaczy dla polskich firm
Na bezpośredni dostęp polskie firmy jeszcze poczekają. Kierunek jest jednak czytelny. Producenci coraz częściej udostępniają najmocniejsze modele etapami i zaczynają od zastosowań obronnych. Ostrożność widać też u konkurencji: OpenAI wstrzymało większy model GPT-6.1 Astra. Dla działów IT to sygnał, że AI do wyszukiwania luk w kodzie stanie się standardowym narzędziem, także po stronie atakujących.
Warto przygotować się już teraz. Dobre pierwsze kroki to przegląd procesu łatania podatności i zasada, że poprawki zaproponowane przez AI zatwierdza człowiek. Przed zakupem warto też przetestować model na własnym kodzie. Przy rozliczaniu za tokeny opłaca się liczyć koszt całego zadania. Jedna odpowiedź na milion tokenów kosztuje po okresie promocyjnym 20 USD. Firmy objęte przepisami o cyberbezpieczeństwie i AI Act powinny też dopytać dostawców o testy bezpieczeństwa i zasady przetwarzania danych.
Źródło: Google Blog: Gemini 4 Argon (EN), 30 września 2026; TechCrunch (EN), 30 września 2026.
