Gemini 4 Argon ძლიერ შედეგებს აჩვენებს — წვდომა ჯერ დახურულია

Axios-ის ცნობით, Google-მა Gemini 4 Argon 2026 წლის 30 სექტემბერს წარადგინა და თავდაპირველი წვდომა Fairwind-ის შერჩეულ კიბერდამცველებს მისცა; Google DeepMind-ის Gemini პროდუქტების ხელმძღვანელმა Tulsee Doshi-მ მოდელს ასე უწოდა: “Argon is a well-rounded model that has frontier capabilities across several domains.” ფართო ბაზრისთვის API-ის გახსნის თარიღი ჯერ არ არის დასახელებული.

Google-ის ოფიციალურ განცხადებაში მითითებულია DeepSWE v1.1-ზე 77,9%, AutomationBench-ზე 51,3%, LVBench-ზე 91,7% და CWE-bench v1-ზე 68%; იქვე წერია, რომ გამომავალი ტოკენების ზღვარი 64 000-დან 1 მილიონამდე გაიზარდა, ხოლო საწყისი API-ტარიფი მილიონ შეყვანილ ტოკენზე 2 დოლარი და მილიონ გამოტანილზე 10 დოლარია. ეს შედეგები და ფასები უკვე გამოცხადებულია, თუმცა დამოუკიდებელი დეველოპერი მოდელის ხარისხს ან ხარჯს საჯარო API-ით ჯერ ვერ გაზომავს.

რომელ ამოცანებში აჩვენებს მაღალ შედეგს

DeepSWE v1.1 გრძელვადიან პროგრამულ ამოცანებზე მუშაობას აფასებს, ამიტომ მასზე მიღებული შედეგი კოდის ცალკეული ფრაგმენტის დაწერაზე მეტს ამბობს. პროცენტი კონკრეტული ტესტის ფარგლებში წარმატებას აღნიშნავს და საწარმოო გარემოში იმავე ალბათობას არ გვპირდება. კერძო რეპოზიტორიაში შესრულებაზე გავლენას მოახდენს კოდის სტრუქტურა, აგენტის ინსტრუმენტები და ისიც, როგორ მოწმდება საბოლოო ცვლილება.

სხვა გამოცხადებულ მაჩვენებლებშიც განსხვავებული უნარები იზომება. Zapier-ის AutomationBench ბიზნესპროცესის ბოლომდე შესრულებას აფასებს, LVBench — გრძელი ვიდეოს გაგებას, CWE-bench v1 კი უსაფრთხოების ხარვეზების გამოსწორებას. მათი ქულები ერთ საერთო რეიტინგში ვერ შეიკრიბება: ამოცანებს განსხვავებული პასუხი, ინსტრუმენტები და შეფასების წესი სჭირდება. კიბერუსაფრთხოების ტესტზე პირველობის გაზიარება, მაგალითად, ნებისმიერი პროგრამის დაუცველობის ავტომატურად აღმოჩენას არ ნიშნავს.

შიდა სამუშაოს მაგალითები ტესტის ქულებისგანაც განსხვავდება. Google-ში Argon-ზე დაფუძნებულმა აგენტებმა მეხსიერების გამოყენების ოპტიმიზაციაზე იმუშავეს; კოდის მიგრაციის სხვა შემთხვევაში C/C++-დან Rust-ზე გადასვლას ავტომატური და ხელით შემოწმებაც ახლავს. საბოლოო შედეგი მთელი სამუშაო პროცესის დამსახურებაა და მხოლოდ მოდელის დამოუკიდებელ სიზუსტედ ვერ ჩაითვლება. ეს მაგალითები აჩვენებს, რა სირთულის დავალებებისთვის ამზადებენ მოდელს, მაგრამ გარე გუნდებს მისი მუშაობის იმავე პირობებში გამეორება ჯერ არ შეუძლიათ.

რატომ რჩება Fairwind-ის წვდომა შეზღუდული

Fairwind-ის წევრობა Argon-ზე ავტომატურ წვდომას არ ნიშნავს. Google DeepMind-ის პროგრამის პირობებში წერია, რომ მას გლობალურად 650-ზე მეტი პარტნიორი ჰყავს, მაგრამ Gemini 4 Argon მხოლოდ მათ ნაწილს ეძლევა. ორგანიზაციას მოდელის გამოყენება საკუთარი კიბერუსაფრთხოების, ინციდენტებზე რეაგირების ან პენეტრაციული ტესტირების ჯგუფებისთვის შეუძლია; თანამშრომლების წვდომის აღრიცხვა და ძლიერი ავთენტიფიკაციაც მოთხოვნილია.

პროგრამა უპირატესობას ანიჭებს სახელმწიფო სტრუქტურებსა და კრიტიკული ინფრასტრუქტურის დამცველებს, მათ შორის ჯანდაცვისა და ტელეკომუნიკაციის სფეროებს. მონაწილეებს ნებადართული აქვთ თავდაცვითი კვლევისთვის საფრთხის სიმულაცია, უკუინჟინერია და მავნე პროგრამის ანალიზი. მოდელის სხვებისთვის გაზიარება ან მასზე წვდომის გაყიდვა აკრძალულია. შერჩეულ პარტნიორებს Argon-ის გამოყენება დამოუკიდებლად ან CodeMender-თან ერთად შეუძლიათ, რომელიც პროგრამული სისუსტეების გამოსწორებისთვის შექმნილი აგენტია.

უკვე დასახელებული მომხმარებელია Wiz, რომელიც Argon-ს Scan for Good-ის ფარგლებში კრიტიკული საზოგადოებრივი ინფრასტრუქტურის დასაცავად იყენებს. საწყისმა გამოყენებამ ჯანდაცვის პროგრამულ უზრუნველყოფაში პირადი მონაცემების გამჟღავნების რისკთან დაკავშირებული კრიტიკული სისუსტე გამოავლინა; შემთხვევის ტექნიკური დეტალები საჯაროდ შეზღუდულია. ეს მაგალითი ხსნის, რატომ მიიღეს კიბერდამცველებმა პირველი წვდომა, თუმცა სხვა პარტნიორების ან საქართველოს ორგანიზაციების წვდომის მოცულობას ვერ განსაზღვრავს.

შერჩეული კიბერდამცველებისა და Google-ის შიდა გუნდებისთვის მოდელი თავდაცვითი ამოცანებისთვის არის გათვალისწინებული, მათ შორის დაუცველობების მოსაძებნად, დასადასტურებლად და გამოსასწორებლად. პარალელურად ადრეული მომხმარებლების უკუკავშირით ფართო გამოშვებამდე დამცავი ზომები მუშავდება. შემდეგი დაგეგმილი ჯგუფი ფასიანი API-ის მომხმარებლები და Google AI Ultra-ის აბონენტები არიან; ამ გაფართოების კალენდარი ჯერ არ გამოქვეყნებულა.

რას ნიშნავს მილიონი გამომავალი ტოკენი ფასისთვის

ახალი ზღვარი გამომავალს ეხება: იგი შესაძლო პასუხის მოცულობას ზრდის, მაგრამ შეყვანის ლიმიტს არ აღწერს. მაქსიმუმამდე მისვლა არც იმას ნიშნავს, რომ ყოველი მოთხოვნა ამდენ ტოკენს მოიხმარს. ფაქტობრივი რაოდენობა დამოკიდებულია ამოცანაზე, პასუხის სიგრძესა და სისტემის შუალედურ ნაბიჯებზე. საჯარო მომხმარებლებს ჯერ არ აქვთ შესაძლებლობა, გრძელი პასუხის სიჩქარე და ტოკენების რეალური მოხმარება საკუთარი დატვირთვით შეამოწმონ.

საწყისი ტარიფის მარტივი გამოთვლით, თუ ერთი პასუხი მთლიანად გამოიყენებს გამოცხადებულ მილიონ გამომავალ ტოკენს, მხოლოდ გამომავალი ნაწილი 10 დოლარი დაჯდება. ეს მთელი მოთხოვნის ზედა ზღვარი არ არის: შეყვანილი ტოკენები ცალკე იანგარიშება, ხოლო მრავალჯერადი გამოძახება ხარჯს ზრდის. გამოცხადებული API-ტარიფი Google AI Ultra-ის აბონემენტის ფასსაც არ აღწერს.

შესავალი პერიოდის შემდეგ ტარიფი მილიონ შეყვანილ ტოკენზე 4 დოლარი, ხოლო მილიონ გამოტანილზე 20 დოლარი გახდება. თუ პასუხი კვლავ მაქსიმალურ სიგრძეს მიაღწევს, მხოლოდ მისი გამომავალი ნაწილის ფასი მაშინ 20 დოლარი იქნება; შესავალი პერიოდის დასრულების თარიღი უცნობია. ქეშირებული შეყვანისთვის გამოცხადებული 95%-იანი ფასდაკლება ხარჯს მხოლოდ იმ ნაწილზე ამცირებს, რომელიც ქეშის პირობებს აკმაყოფილებს. ამიტომ დიდი დავალების საბოლოო ანგარიში შეყვანის, გამომავლისა და ქეშირებული მოცულობის რეალურ განაწილებაზე იქნება დამოკიდებული.

რა გამოცხადდა და რა მუშაობს უკვე

• გამოცხადებულია: მოდელის ტესტების შედეგები, გამომავალი პასუხის ახალი ზღვარი, შესავალი და შემდგომი API-ტარიფები, ასევე წვდომის ეტაპობრივი გაფართოების გეგმა.
• უკვე ხელმისაწვდომია: მოდელი Google-ის შიდა სამუშაოებში და Fairwind-ის შერჩეული კიბერდამცველებისთვის; Wiz-ის გამოყენება საჯაროდ დასახელებული მაგალითია.
• ჯერ უცნობია: ფასიანი API-ის ამოქმედების დღე, წვდომის გეოგრაფიული პირობები და ის, რამდენად განმეორდება გამოცხადებული ტესტების ხარისხი გარე გუნდების ჩვეულებრივ ამოცანებში.

საქართველოს დეველოპერებისთვის გადამწყვეტი მომენტი ფასიანი API-ის პირველი ეტაპის პირობების გამოქვეყნება იქნება. მაშინ გამოჩნდება, ვის შეუძლია მოდელის გამოძახება, რა მოცულობის პასუხი მიიღება რეალურ დატვირთვაზე და როგორ გადაიქცევა გამოცხადებული ტარიფი ფაქტობრივ ანგარიშად. ამ მონაცემებამდე მოდელის შესაძლებლობებზე ყველაზე კონკრეტული ინფორმაცია გამოქვეყნებული ტესტები და შერჩეული კიბერდამცველების გამოყენებაა.

ასევე წაიკითხეთ:

• ChatGPT Deep Research თუ Gemini: რთულ დავალებაზე ლიდერი იცვლება