Google pokazało Gemini 4 Argon. Na razie skorzystają z niego głównie eksperci od cyberbezpieczeństwa

Google ogłosiło 30 września Gemini 4 Argon — flagowy model nowej generacji Gemini 4. Ma radzić sobie ze złożonymi, wieloetapowymi zadaniami w programowaniu, pracy prawniczej i finansowej oraz cyberbezpieczeństwie. Na razie nie jest jednak przeznaczony dla szerokiego grona odbiorców: dostęp otrzymuje wybrana grupa sprawdzonych specjalistów od obrony cyfrowej. 9

Premiera to także próba powrotu Google do rywalizacji o czołowe modele AI po opóźnieniach wcześniejszych planów. Argon jest większy od poprzednich zaawansowanych modeli Pro, a opublikowane przez firmę wyniki wypadają dobrze na tle systemów OpenAI i Anthropic. Ocenę tych deklaracji utrudnia jednak ograniczony dostęp — większość programistów i firm nie może jeszcze przetestować modelu samodzielnie. 6

Do czego ma służyć Argon?

Google przedstawia Argona jako swój najzdolniejszy dotąd model do pracy nad złożonymi zadaniami. Wśród jego zastosowań wymienia długie projekty programistyczne, pracę z wiedzą ekspercką — na przykład w prawie i finansach — oraz obronę przed cyberzagrożeniami. Firma informuje, że model jest większy od wcześniejszych modeli Pro z najwyższej półki, ale dostępne doniesienia nie podają liczby jego parametrów. 9

„Większy” to więc porównanie z wcześniejszymi modelami Google, a nie precyzyjna miara rozmiaru Argona. Sama wielkość nie przesądza też o jego szybkości, koszcie ani skuteczności w konkretnym zastosowaniu.

Jak Argon wypada w testach Google?

W opublikowanym przez Google zestawieniu Argon uzyskał 68,9% w Vals Index dla zadań związanych z pracą ekspercką. Dla porównania GPT-6 Astra od OpenAI osiągnął 63,1%, a Claude Opus 5.5 od Anthropic — 67,0%. W teście AutomationBench wynik Argona wyniósł 51,3%, wobec 41,4% dla Astry i 42,5% dla Opusa 5.5.

Google podaje także wynik 77,9% w DeepSWE v1.1, teście obejmującym długotrwałe zadania z zakresu inżynierii oprogramowania. W relacjach dotyczących testów cyberbezpieczeństwa Argon jest opisywany jako model, który dzieli pierwsze miejsce w jednym z pomiarów — nie jako bezkonkurencyjny lider we wszystkich testach. 37

To konkretne wyniki, ale nie ostateczny werdykt o ogólnej jakości modeli. Testy obejmują wybrane zadania, a ograniczony dostęp do Argona utrudnia niezależną ocenę jego możliwości przez większość użytkowników. 6

Kto może korzystać z modelu?

Na początek Google udostępnia Argona wybranym, zweryfikowanym specjalistom od cyberbezpieczeństwa w ramach programu Fairwind. Firma deklaruje, że taki ograniczony dostęp ma umożliwić wykorzystanie modelu do obrony cyfrowej, a zarazem zmniejszyć ryzyko nadużyć. Google uczestniczy też w dobrowolnym amerykańskim procesie wczesnego udostępniania modeli przed ich premierą. 65

Argon nie jest jeszcze powszechnie dostępny dla programistów, firm ani konsumentów, a przywołane doniesienia nie podają konkretnego terminu szerszej premiery. 6 Ograniczony start przypomina podejście Anthropic do modelu Claude Mythos Preview, który również udostępniono tylko wybranym organizacjom. Dostępne informacje nie wystarczają jednak do szczegółowego porównania obu programów. 6

Co stało się z Gemini 3.5 Pro?

Według doniesień opartych na wypowiedziach osób zaznajomionych ze sprawą Google opóźniło Gemini 3.5 Pro, by poprawić jego możliwości, szczególnie w programowaniu. Firma przeszła następnie do Gemini 4 Argon zamiast wprowadzić wersję 3.5 Pro.

To sprawia, że Argon ma dla Google szczególne znaczenie: firma prezentuje nowy model flagowy po okresie, w którym OpenAI i Anthropic rozwijały własne zaawansowane systemy. Dostępne materiały wiążą opóźnienie Gemini 3.5 Pro z pracami nad jego możliwościami. Nie potwierdzają natomiast, że odpowiadały za nie konkretne zmiany organizacyjne w DeepMind.

Koszt nadal pozostaje otwartą kwestią

Google podkreślało również przewagę kosztową swoich modeli jako jeden ze sposobów konkurowania. Nie oznacza to jednak, że dostępne źródła potwierdzają niższy koszt korzystania z samego Argona w porównaniu z flagowymi modelami rywali.

Na dziś obraz jest więc niejednoznaczny: Google pokazuje mocne wyniki w wybranych testach programistycznych i biznesowych, a jednocześnie ogranicza dostęp do modelu na czas jego oceny. Dopiero szersze testy pokażą, czy wyniki przekładają się na przewagę w codziennej pracy i jak Argon wypada cenowo na tle konkurencji. 6