30 सितंबर को पेश Gemini 4 Argon, Google के पिछले उन्नत Pro मॉडलों से बड़ा है। कंपनी के कुछ प्रकाशित बेंचमार्क में इसके नतीजे मजबूत हैं, लेकिन फिलहाल इसे चुनिंदा साइबर सुरक्षा विशेषज्ञ ही इस्तेमाल कर सकते हैं। Google ने Argon के पैरामीटर की संख्या नहीं बताई है। प्रकाशित बेंचमार्क कंपनी की अपनी तुलनाएं हैं—वे रोजमर्रा...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर

Create a landscape editorial hero image for this Studio Global article: What did Google announce about Argon, its new flagship model for the Gemini 4 generation, and how does its size, intended use, benchmark per. Article summary: Google announced **Gemini 4 Argon** on September 30 as its new flagship model, but not as a general public release. It is a bid to regain ground against OpenAI and Anthropic after delays to Google’s previous flagship pla. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Google ने 30 सितंबर को Gemini 4 Argon की घोषणा की। यह Gemini 4 सीरीज़ का फ्लैगशिप मॉडल है, जिसे सॉफ्टवेयर इंजीनियरिंग, कानूनी और वित्तीय काम तथा साइबर सुरक्षा जैसे जटिल और लंबे कामों के लिए बनाया गया है। फिलहाल इसका शुरुआती रोलआउट आम लोगों के लिए नहीं, बल्कि चुने हुए साइबर सुरक्षा विशेषज्ञों के लिए है। 9
यह घोषणा Google की फ्लैगशिप मॉडल योजनाओं में आई देरी के बाद हुई है। कंपनी का कहना है कि Argon उसके पिछले उन्नत Pro मॉडलों से बड़ा है। Google के प्रकाशित बेंचमार्क में यह OpenAI और Anthropic के कुछ मॉडलों के मुकाबले अच्छा प्रदर्शन करता है। लेकिन सीमित उपलब्धता के चलते ज्यादातर डेवलपर और कारोबार अभी इन दावों को खुद परख नहीं सकते। 6
Google के मुताबिक, Argon उसका अब तक का सबसे सक्षम मॉडल है और इसे जटिल कामों के लिए तैयार किया गया है। कंपनी ने लंबे समय तक चलने वाले सॉफ्टवेयर इंजीनियरिंग कार्यों, कानूनी और वित्तीय काम जैसे एंटरप्राइज़ ज्ञान-आधारित कार्यों, और साइबर सुरक्षा को इसके प्रमुख इस्तेमालों में गिनाया है। यह पिछले टॉप-टियर Pro मॉडलों से बड़ा है, लेकिन उपलब्ध रिपोर्टिंग में इसके पैरामीटर की संख्या नहीं बताई गई है। 9
इसलिए “बड़ा” यहां पिछले Google Pro मॉडलों के मुकाबले है—यह Argon के आकार का सटीक माप नहीं है। इससे अपने-आप यह भी तय नहीं होता कि किसी खास काम में मॉडल की लागत, गति या प्रदर्शन प्रतिद्वंद्वियों से कैसा होगा।
Google ने कोडिंग और पेशेवर काम से जुड़े कई परीक्षणों में Argon के मजबूत नतीजे बताए हैं। कंपनी की प्रकाशित तुलना में ज्ञान-आधारित काम के Vals Index पर Argon ने 68.9% अंक हासिल किए। OpenAI के GPT-6 Astra का स्कोर 63.1% और Anthropic के Claude Opus 5.5 का 67.0% था। AutomationBench पर Google ने Argon के लिए 51.3% का स्कोर बताया; Astra ने 41.4% और Opus 5.5 ने 42.5% हासिल किए।
लंबे और कई चरणों वाले सॉफ्टवेयर इंजीनियरिंग कार्यों को परखने वाले DeepSWE v1.1 पर Google ने Argon का स्कोर 77.9% बताया है। साइबर सुरक्षा से जुड़ी तुलना की रिपोर्टिंग के मुताबिक, Argon एक माप पर संयुक्त रूप से पहले स्थान पर रहा—यह हर तरह के परीक्षण में सबसे आगे होने का दावा नहीं है। 3
7
ये आंकड़े बताते हैं कि Google अपने मॉडल की क्षमताओं को कैसे पेश कर रहा है, लेकिन इन्हें समग्र गुणवत्ता पर आखिरी फैसला नहीं मानना चाहिए। बेंचमार्क कुछ चुने हुए कामों को परखते हैं और Argon की पहुंच अभी सीमित है, इसलिए ज्यादातर उपयोगकर्ताओं के लिए स्वतंत्र रूप से इसका मूल्यांकन करना संभव नहीं है। 6
Google Argon को शुरुआत में अपने Fairwind Program के जरिए चुने हुए और जांचे-परखे साइबर सुरक्षा विशेषज्ञों को दे रहा है। कंपनी का कहना है कि सीमित रोलआउट से सुरक्षा विशेषज्ञ मॉडल का इस्तेमाल कर सकेंगे और दुरुपयोग का जोखिम घटाने में मदद मिलेगी। Google ने अमेरिका की सरकार की मॉडल-रिलीज़ से पहले पहुंच देने की स्वैच्छिक प्रक्रिया में शामिल होने की बात भी कही है। 6
5
अभी Argon डेवलपरों, कारोबारों या आम उपभोक्ताओं के लिए व्यापक रूप से उपलब्ध नहीं है। उपलब्ध रिपोर्टिंग में आम रिलीज़ की कोई पक्की तारीख नहीं दी गई है। 6 इस सीमित शुरुआत की तुलना रिपोर्टिंग में Anthropic के Claude Mythos Preview तक सीमित पहुंच से की गई है; हालांकि, उपलब्ध स्रोत दोनों कार्यक्रमों की विस्तार से तुलना करने के लिए पर्याप्त जानकारी नहीं देते।
6
रिपोर्टिंग के मुताबिक, Google ने Gemini 3.5 Pro को जारी करने में देरी की, क्योंकि वह मॉडल की क्षमताएं—खासकर कोडिंग—बेहतर करने पर काम कर रहा था। इसके बाद कंपनी ने 3.5 Pro जारी करने के बजाय Gemini 4 Argon की ओर कदम बढ़ाया।
इस पृष्ठभूमि में Argon Google के लिए अहम है: कंपनी इसे ऐसे समय नया फ्लैगशिप बना रही है, जब OpenAI और Anthropic अपने उन्नत मॉडलों को आगे बढ़ा रहे हैं। लेकिन उपलब्ध रिपोर्टिंग 3.5 Pro की देरी को क्षमताएं बेहतर करने के प्रयास से जोड़ती है; यह नहीं बताती कि DeepMind में किसी खास संगठनात्मक बदलाव के कारण देरी हुई।
Google ने अपनी प्रतिस्पर्धी रणनीति में अपने मॉडलों की कम लागत को भी प्रमुखता दी है। इस तरह कंपनी को बेंचमार्क के अलावा कीमत के आधार पर भी मुकाबला करने का रास्ता मिल सकता है। लेकिन यहां उद्धृत स्रोत यह साबित नहीं करते कि Argon की लागत प्रतिद्वंद्वी फ्लैगशिप मॉडलों से कम है।
फिलहाल तस्वीर मिली-जुली है: Google ने कोडिंग और एंटरप्राइज़ से जुड़े कुछ बेंचमार्क में मजबूत नतीजे बताए हैं, जबकि मॉडल का मूल्यांकन जारी रहने तक पहुंच सीमित रखी है। क्या ये नतीजे रोजमर्रा के इस्तेमाल में भी बढ़त दिलाएंगे और प्रतिद्वंद्वियों के मुकाबले Argon की लागत कैसी होगी—इन सवालों के जवाब व्यापक परीक्षण के बाद ही मिलेंगे। 6
Studio Global AI
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
30 सितंबर को पेश Gemini 4 Argon, Google के पिछले उन्नत Pro मॉडलों से बड़ा है। कंपनी के कुछ प्रकाशित बेंचमार्क में इसके नतीजे मजबूत हैं, लेकिन फिलहाल इसे चुनिंदा साइबर सुरक्षा विशेषज्ञ ही इस्तेमाल कर सकते हैं।
30 सितंबर को पेश Gemini 4 Argon, Google के पिछले उन्नत Pro मॉडलों से बड़ा है। कंपनी के कुछ प्रकाशित बेंचमार्क में इसके नतीजे मजबूत हैं, लेकिन फिलहाल इसे चुनिंदा साइबर सुरक्षा विशेषज्ञ ही इस्तेमाल कर सकते हैं। Google ने Argon के पैरामीटर की संख्या नहीं बताई है। प्रकाशित बेंचमार्क कंपनी की अपनी तुलनाएं हैं—वे रोजमर्रा के इस्तेमाल में मॉडल की क्षमता का अंतिम फैसला नहीं हैं।
Gemini 3.5 Pro में देरी हुई क्योंकि Google उसकी क्षमताएं, खासकर कोडिंग, बेहतर करना चाहता था। उपलब्ध रिपोर्टिंग यह साबित नहीं करती कि देरी की वजह DeepMind में कोई खास संगठनात्मक बदलाव था।