Gemini 4 Argon пристигна, но пристапот почнува со мала група

На 30 септември 2026 година, според Axios, Google го претстави Gemini 4 Argon со пристап за мала група партнери за сајбербезбедност; Тулси Доши од Google DeepMind го опиша како „a well-rounded model that has frontier capabilities across several domains“. За пошироката публика, моделот засега е претставен, но не е отворен за користење.

Објавата на Google наведува дека првиот надворешен пристап оди преку програмата Fairwind, дека лимитот е еден милион излезни токени и дека воведните цени при идното пуштање ќе бидат 2 долари за милион влезни и 10 долари за милион излезни токени. Argon веќе се користи и во внатрешната работа на компанијата. Објавената цена засега е информација за планираната понуда, а не знак дека платениот API е достапен.

Објавено, достапно сега и најавено за подоцна

Почетното пуштање е тесно поврзано со сајберодбраната. Затоа можностите опишани при претставувањето, тековната употреба и планот за проширување имаат различен статус:

• Објавено: Gemini 4 Argon е наменет за долги задачи во програмирање, работа со знаење и откривање и поправање софтверски ранливости. Претставени се и неговиот лимит за генериран излез и тарифа за идната понуда.
• Достапно сега: избрани сајбербранители добиваат пристап преку Fairwind, а моделот се користи во внатрешните работни текови на Google. Wiz е именуван како партнер што го користи во иницијативата Scan for Good.
• Најавено за подоцна: пристап за програмери, компании и потрошувачи, почнувајќи од платени корисници на API и претплатници на Google AI Ultra. За оваа фаза не е објавен датум.

Оваа поделба е важна за секој што очекува веднаш да го испроба моделот: претплата или подготвеност да се плати најавената тарифа сè уште не обезбедува пристап. Избраните корисници имаат и улога во раната проценка. Нивните проверки и повратни информации треба да помогнат во доработката на заштитните мерки пред пристапот да се прошири.

Што значи долгиот излез за задачите на Argon

Лимитот се однесува на излезни токени, односно на количината што моделот може да ја генерира во едно извршување. Влезниот контекст е друга мерка: тој кажува колку материјал моделот може да прими за обработка. Разликата е суштинска кога се зборува за големи програмски задачи, бидејќи долг одговор и обработка на обемна почетна документација не се иста способност.

Поголемиот простор за излез овозможува моделот да продолжи со повеќе чекори без рано да го прекине одговорот поради лимитот. Тоа е релевантно за задачи што бараат истражување, пишување код и проверка на меѓурезултати во подолг тек. Самиот лимит, сепак, не кажува дали создадениот код е исправен или дали анализата дошла до точен заклучок; тие исходи зависат и од задачата, алатките и проверките околу моделот.

При претставувањето беа истакнати и работа со правни и финансиски материјали, како и разбирање визуелна содржина. Тоа се описи на опсегот за кој е развиван Argon, а не извештај за резултатите што веќе ги добиле широк круг корисници. Ограничениот пристап значи дека засега има помалку независно искуство со тоа како моделот се однесува во различни работни средини.

Бенчмарковите и примерите доаѓаат од раната фаза

Ars Technica ја наведува објавената оценка од 77,9 проценти на DeepSWE v1.1, тест за долготрајни задачи во софтверското инженерство. Таа оценка опишува резултат во определен тест, а не успешност во секое реално програмско опкружување. И другите прикажани оценки за автоматизација и работа со документи треба да се читаат во условите на нивните поединечни тестови.

Поконкретен поглед на задачите даваат внатрешните примери: оптимизација на меморијата во инфраструктурата на Google, пренесување делови од код од C/C++ во Rust и работа на декодер за видео. Кај обемните измени на кодот се опишани автоматизирани и рачни проверки пред употреба во продукција. Тоа покажува како моделот е вклучен во постоечки инженерски процес, каде што неговиот предлог не е последниот чекор.

Надворешниот пример е поврзан со Wiz и Scan for Good. Во раната примена, Argon помогнал да се открие критична ранливост во здравствен софтвер што можела да изложи чувствителни лични податоци. Јавно достапниот опис не содржи доволно детали за пропустот и проверката за овој случај да послужи како општа мерка за успешноста на моделот. Тој е конкретен пример за употреба во избраната група сајбербранители.

Зошто сајбербранителите се први

Модел способен да открива и поправа сериозни ранливости бара внимателно пуштање. На избраните доверливи сајбербранители им се дава простор да ги користат неговите одбранбени способности без вообичаените ограничувања за сајберзадачи. Пред проширувањето, се доработуваат заштита од злоупотреба и отпорност на злонамерни инструкции внесени преку содржината што моделот ја обработува.

Меѓу опишаните мерки е следење на текот на расудувањето и постапките на Argon, со можност извршувањето да запре ако се оддалечи од намерата на корисникот. Се зајакнуваат и изолираните средини во кои се вршат ризични проверки. Овие мерки објаснуваат зошто повратните информации од раната група се дел од процесот пред поширокото пуштање; нивното постоење само по себе не е гаранција дека секое несакано однесување ќе биде откриено.

За читателите во Северна Македонија следната пресвртница е отворањето на најавениот платен API пристап и пристапот преку Google AI Ultra. Тогаш програмери и други корисници надвор од избраната група ќе можат да ги споредат објавените способности со резултатите од сопствените задачи. Дотогаш главните мерливи резултати и најдеталните примери остануваат поврзани со тестовите и раната употреба опишани при претставувањето.

Прочитајте и:

• Copilot или Gemini за работа: вклучениот AI не значи иста вредност
• AI-агент со root API-клуч: една погодена инструкција станува целосен пристап