Google udostępnił Gemini 4 Argon szerzej 13 października 2026 r. Wcześniej, od zapowiedzi z 30 września, model był przeznaczony dla wybranych specjalistów od cyberbezpieczeństwa uczestniczących w programie Fairwind. Teraz mogą z niego korzystać także deweloperzy, firmy i subskrybenci wybranych usług Google. Dostęp zależy jednak od produktu i planu, a wyniki benchmarków nie są uniwersalnym werdyktem na temat tego, który model AI jest najlepszy.
3
20
43
49
Gdzie można używać Gemini 4 Argon?
Google ogłosił globalny dostęp dla deweloperów i firm przez Gemini API oraz platformę Gemini w AI Studio. Subskrybenci Google AI Ultra mogą korzystać z Argon w Antigravity, a posiadacze planów Google AI Pro i Ultra — w aplikacji Gemini oraz w AI Mode w wyszukiwarce.
43
Deweloperzy mogą wywoływać model w API pod stabilnym identyfikatorem gemini-4-argon. Google wskazuje też Android Studio jako narzędzie do pracy z Argon przez płatny plan Gemini API.
17
33
Warto odróżnić dostęp w aplikacji od dostępu przez API. Argon nie jest dostępny w bezpłatnym planie API ani jako API w ramach Google AI Pro. Jednocześnie Pro daje dostęp do modelu w aplikacji Gemini i AI Mode — to osobna ścieżka korzystania, a nie bezpłatne użycie API.
36
43
Google zapowiada globalne wdrożenie, ale samo to nie oznacza, że każda funkcja jest od razu dostępna dla wszystkich użytkowników w każdej lokalizacji.
43
Ceny API: niższe stawki tylko do końca listopada
Cena promocyjna wynosi 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych. Tokeny wejściowe zapisane w pamięci podręcznej kosztują 0,10 USD za milion — to obniżka o 95% względem standardowej stawki za wejście. Promocyjne ceny obowiązują do 30 listopada. Od 1 grudnia stawki wzrosną do 4 USD za milion tokenów wejściowych i 20 USD za milion wyjściowych.
1
3
13
Gemini API ma wspólny limit miliona tokenów dla wejścia i wyjścia. To jeden łączny budżet, a nie milion tokenów na wejściu i kolejny milion na wyjściu.
43
44
Przy szacowaniu kosztów warto uwzględnić tokeny wejściowe i wyjściowe, wykorzystanie pamięci podręcznej oraz ponawianie zapytań w konkretnym zadaniu. Samo porównanie cenników za milion tokenów nie mówi, ile kosztuje uzyskanie gotowego wyniku w porównywalnych warunkach.
Do jakich zadań Google poleca Argon?
Google przedstawia Argon jako model do złożonych zadań programistycznych, problemów matematycznych i naukowych, wieloetapowych agentów oraz generowania długich odpowiedzi. Firma wymienia też zastosowania w pracy z wiedzą, między innymi w prawie i finansach, oraz w obronie cybernetycznej. To deklarowane przez Google przeznaczenie modelu, nie niezależna gwarancja jakości w każdym konkretnym zastosowaniu.
33
43
Dla deweloperów i firm rozsądnym krokiem będzie pilotaż na zadaniach, które rzeczywiście mają być automatyzowane. Warto sprawdzić jakość wyników, nakład pracy potrzebny na ich weryfikację, niezawodność i całkowite zużycie tokenów, zanim model trafi do stałego procesu lub budżetu.
Co mówią benchmarki?
W tabeli opublikowanej przez Google Argon uzyskał 68,9% w Vals Index, wobec 67,0% dla Claude Opus 5.5 i 63,1% dla GPT-6 Astra. Są to wyniki przedstawione przez Google. Pokazują, jak modele wypadły w tym konkretnym zestawieniu, ale nie dowodzą ogólnej przewagi w każdym rodzaju pracy.
56
Inne porównanie, przygotowane przez Artificial Analysis, przyznaje Argonowi 53 punkty w Intelligence Index — tyle samo co GPT-6 Astra. Claude Opus 5.5 uzyskał 58 punktów, a Claude Sonnet 5.5 — 56.
14
57 Różne wyniki przypominają, że wybór modelu zależy od zadania i metody oceny, a nie od jednego miejsca w rankingu.
Wniosek
Publiczna premiera daje deweloperom płatną opcję API, a model trafia też do usług Google dla uprawnionych subskrybentów. Obniżone stawki API są jednak tymczasowe. Przed wdrożeniem warto przetestować Argon na własnych zadaniach, uwzględnić łączny limit tokenów i grudniową podwyżkę oraz traktować wyniki benchmarków jako miarę konkretnych testów, nie gwarancję najlepszego dopasowania do każdej pracy.