Gemini 4 Argon: новый флагман Google для сложных задач и ИИ-агентов

Google открыла широкий доступ к Gemini 4 Argon — модели для программирования, анализа документов и длительной работы над многоэтапными задачами.

Первоначальный анонс состоялся 30 сентября 2026 года: тогда доступ начали предоставлять участникам программы киберзащиты Fairwind. С 13 октября Argon появилась в пользовательских продуктах Google и стала доступна разработчикам через API. Первый анонс, сообщение о широком запуске.

Для каких задач создана Gemini 4 Argon

Google позиционирует Argon как модель для работы, которая требует последовательного исследования и проверки результатов: разобраться в большой кодовой базе, сопоставить документы, провести техническое исследование или выполнить задачу с несколькими инструментами.

Среди основных направлений компания выделяет разработку программного обеспечения, научные исследования, работу с корпоративными документами и киберзащиту. Карточка модели.

Для пользователя это означает возможность передать модели более объёмную задачу с материалами и критериями результата. Например, предоставить описание ошибки, исходный код и тесты, чтобы помощник мог исследовать проблему и проверить предлагаемое исправление.

Миллион токенов для контекста и рассуждений

Одна из главных особенностей Argon — единое окно на 1 048 576 токенов. Его делят входные данные, внутренние рассуждения и ответ модели.

Большой документ или длинная история взаимодействия занимают часть этого пространства. Оставшийся объём можно использовать для дальнейшего анализа и генерации. Поэтому миллион токенов контекста не означает возможность одновременно загрузить миллион входных токенов и получить ещё миллион токенов ответа. Документация Gemini API.

Стандартный лимит генерации составляет 65 536 токенов. Режим long decode позволяет продолжать работу дальше — в пределах оставшегося общего окна. При фоновом выполнении сервер последовательно запускает продолжения и собирает результат. В лимит генерации входят и токены рассуждения. Описание long decode.

Разработчик может выбрать глубину рассуждений:

• Low — для более простых задач, когда важны скорость и расход токенов.

• Medium — стандартный режим с балансом качества и затрат.

• High — для сложного кода, математических и научных вопросов.

Google рекомендует выбирать минимальный уровень, который обеспечивает нужное качество на конкретной задаче. Повышение глубины увеличивает время ожидания и расход токенов. Настройки рассуждения.

Работа с изображениями, аудио и видео

Argon принимает текст, изображения, аудио, видео и PDF. Через API модель возвращает текст, включая код и структурированные данные.

Поддерживаются вызов функций, выполнение кода, поиск и работа с интерфейсом компьютера в предварительном режиме. Генерация изображений и аудио непосредственно этой моделью не предусмотрена. Характеристики Gemini 4 Argon.

Для видео доступен режим agentic video understanding. Модель может перемещаться по записи, обращаться к расшифровке и подробнее изучать нужные фрагменты.

Такой подход полезен, например, при поиске конкретного момента в длинной лекции или записи совещания. Модель загружает материал по мере необходимости и может уделять больше внимания подходящим участкам.

Режим включается отдельно. Он способен сокращать расход токенов при выборочном анализе длинных записей, но дополнительные проходы иногда увеличивают время ответа. Документация по обработке видео.

Что изменилось в приложении Gemini

Вместе с моделью Google обновила пользовательский опыт. По заявлению компании, Argon отвечает прямее, реже повторяется и лучше сообщает о ходе длительной работы.

В интерфейсе появился переключатель между обычным чатом и задачами, которые Gemini может продолжать выполнять, пока пользователь занят другими делами.

Google также заявила подключения к более чем 40 приложениям, включая Adobe, Shopify, Instacart и OpenTable. А в приложение Gemini для macOS встроен интерфейс программирования Google Antigravity, позволяющий переходить от обсуждения идеи к работе над проектом. Обновления приложения Gemini.

Программирование и примеры использования

Google приводит примеры применения Argon в собственных проектах. По данным компании, модель помогла команде Chrome выполнить архитектурный рефакторинг сотен файлов.

В Python-версии Agent Development Kit подготовленные изменения сократили время подготовки сессий в памяти на 40% для длинных сессий и ускорили холодный импорт на 21%. Это результаты конкретного проекта, демонстрирующие применение модели для поиска узких мест и оптимизации существующего кода. Примеры использования Argon.

Есть и демонстрации в робототехнике. В одном из сценариев Argon управляла роботом Boston Dynamics Spot, которому нужно было выбросить банки в ведро с педалью. Модель создала симуляцию ведра в MuJoCo, использовала её для подготовки движений, а затем выполнила задачу на физическом роботе.

Этот эксперимент показывает, как визуальное понимание, планирование и генерация кода могут использоваться в одной последовательности действий. Демонстрации Google для робототехники.

Сравнение с GPT‑6 Astra и Claude Opus 5.5

В опубликованной Google таблице Argon показывает сильные результаты, однако лидер меняется в зависимости от задачи. Ниже — несколько показателей; значения приведены в процентах, больше — лучше. Результаты оценки.

Argon выделяется результатами DeepSWE и работы с длинным контекстом. В FrontierSWE впереди Astra, а в Terminal-Bench — Opus 5.5. Эти различия помогают определить, какие модели стоит проверить на собственных задачах. Таблица Google.

Сводка объединяет собственные измерения Google, публичные рейтинги и показатели, опубликованные другими разработчиками. Для Argon обычно использовался максимальный уровень рассуждения, если отдельно не указано иное. Поэтому вместе с качеством стоит сравнивать время выполнения и стоимость. Методология тестирования.

Сколько стоит Gemini 4 Argon

До 30 ноября 2026 года включительно действуют стартовые цены. Для стандартного тарифа Gemini API стоимость за миллион токенов следующая:

После вводного периода Google заявила повышение цен вдвое. Поддерживается автоматическое кэширование повторяющегося контекста; явное создание кэша для Argon не предусмотрено. Для пакетной обработки установлены отдельные, более низкие тарифы. Официальные цены Gemini API.

При расчёте стоимости нужно учитывать внутренние рассуждения. Даже короткий видимый ответ может потребовать большого количества оплачиваемых токенов, особенно при использовании High и long decode. Правила тарификации.

Что учитывать перед использованием

Google указывает, что Argon может выдавать ошибочные сведения, медленно обрабатывать отдельные запросы и сталкиваться с тайм-аутами. Заявленная граница знаний — март 2026 года, поэтому для актуальных событий необходимы внешние источники. Ограничения модели.

Для практической проверки подойдут задачи с понятным результатом: исправление ошибки с воспроизводимым тестом, анализ документов со ссылками на конкретные фрагменты или поиск события в видеозаписи.

Такие сценарии позволяют оценить, насколько длительное рассуждение помогает получить проверяемый результат и оправдывает время и стоимость выполнения.

Google: Gemini 4 Argongoogle/gemini-4-argonGemini 4 Argon — это флагманская модель рассуждений Google, созданная для сложной разработки программного обеспечения, глубокого решения математических и научных задач, а также для автономных многошаговых агентов. Google обучила её сохранять контекст в длинных многошаговых задачах и превращать длинные документы, содержащие текст, таблицы, диаграммы и изображения, в единый обоснованный результат. Она возглавляет индекс Vals в финансовой, юридической, программной и налоговой сферах и поддерживает длинное декодирование до 1M выходных токенов в одном ответе.Вход / выходвход240,69 ₽выход1 203,43 ₽за 1 млн токеновКонтекст 1 млн•Аудио, Файл, Изображение ТекстПодробнее о модели