Tech Meridian← ВСЕ МОДЕЛИ
PROМОЙ MERIDIAN

GOOGLE / GOOGLE DEEPMIND · ТРЕКЕР МОДЕЛИ

Gemini 4 Argon

Gemini 4 Argon — фронтирная модель семейства Gemini 4 от Google, которую описывают как оптимизированную для глубинного долгосрочного рассуждения и рабочих процессов в разработке ПО и задачах управления знаниями. Модель была выпущена до анонса Gemini 4 Carbon и упоминается в материалах Google о семейства Gemini 4.

ТЕКУЩИЙ СНИМОК5/5 РАЗДЕЛОВ С ДАННЫМИ

Главные характеристики в одном месте.

ЦЕНА
Вводная цена (сообщается)Сообщаемая вводная цена: $2 за миллион входных токенов и $10 за миллион выходных токенов (указано как та же вводная цена, что и у Gemini 4 Argon).
КОНТЕКСТ
Окно контекста / возможность по токенамArgon описана как обладающая лидирующим окном контекста в один миллион токенов (в материалах также указывается поддержка до одного миллиона выходных токенов).
МОДАЛЬНОСТИ
МодальностьОписана как мультимодальная модель физического рассуждения, сочетающая визуальные входы, язык и действия/симуляцию для робототехники (видео + язык + управление).
БЕНЧМАРКИ
Отчёты о бенчмаркахВ СМИ цитируется заявление Google о том, что Argon набрал больше баллов, чем соперничающие фронтир‑модели (включая GPT‑6 Astra от OpenAI и Fable/Opus от Anthropic) по ряду AI‑бенчмарков и указан как лидер в одном из индексных рейтингов, на который ссылается Google.
Бенчмарк (ERQA)Указан результат 87% на бенчмарке Embodied Reasoning Question Answering (ERQA) при чистом рассуждении без вспомогательных инструментов; Google отмечает, что это опережает другие передовые модели на этом тесте.
Рейтинг по Vals IndexGoogle сообщает, что Argon занимает #1 в Vals Index — показателе, упомянутом как оценка производительности модели в экономических секторах: финансы, кодирование, юриспруденция и налоговая работа.
Оценка в кибербезопасностиGoogle сообщает, что Argon решил все 12 полноценных смоделированных сценариев кибератак в их тестах по кибербезопасности (по сравнению с пятью в предыдущем поколении) и описывает возможности киберзащиты на передовом уровне, предназначенные для помощи защитникам.
Результаты на RE‑BenchНа внутреннем RE‑Bench DeepMind (74 реалистичные задачи по ML‑инжинирингу) Gemini 4 Argon решает около половины задач (~50%). Для сравнения, Gemini 3.7 Flash решил 27% задач на том же бенчмарке.
Результат на Embodied Reasoning (ERQA)Argon набрал 87% на бенчмарке Embodied Reasoning (ERQA), что, по сообщению, превосходит другие фронтирные модели на этом бенчмарке.
ARC-AGI-3 (Provider Adapter Harness) — результатПо данным тестировщиков, Argon набрал 97.5% на ARC-AGI-3 при запуске с «Provider Adapter Harness» (настройка теста, использующая особенности API поставщика).
Производительность на ARC-AGI Standard HarnessВ рамках «Standard Harness» ARC-AGI (позволяет только ограниченные заметки между раундами) тестировщики сообщили, что результат Argon упал до 49.8% при низком уровне рассуждения; также сообщалось о проблемах с API, не позволивших завершить все игры в этом режиме.
Результат по ARC‑AGI‑3 (Provider Adapter Harness)Отчетный результат — 97,5% по ARC‑AGI‑3 при тестировании в специализированной конфигурации поставщика («Provider Adapter Harness»); в материале отмечено, что результат сильно зависит от метода и среды тестирования.
Утверждения о бенчмаркахGoogle утверждает, что глубина и точность Argon при многошаговых задачах позволяет ей превосходить другие передовые модели в бенчмарках по разным областям.
Сокращение накладных расходов при подготовке сессийПринятые оптимизации сократили накладные расходы на подготовку сессий в памяти примерно на 40% в длительных сессиях.
Сокращение времени холодного импорта пакетовПринятые оптимизации сократили время холодного импорта пакетов на 21%.
Оценка в индексе Artificial Analysis Intelligence (v5.0)Argon получил 50 баллов в индексе Artificial Analysis Intelligence v5.0 (в сообщениях указано, что Carbon выше — 59).
Результат дообучения Real-to-SimGoogle сообщает о синтезе доменно-рандомизированных эпизодов MuJoCo из одного RGB-кадра для дообучения политики vision-language-action, что повысило успех на соответствующей реальной установке с 56% до 75%.
Результат на бенчмарке (ERQA)Argon набирает 87% по бенчмарку Embodied Reasoning Question Answering (ERQA) при использовании чистого рассуждения без вспомогательных инструментов.
Оценка в Artificial Analysis Intelligence Index (по умолчанию уровень рассуждения)В индексе Artificial Analysis Intelligence Index по умолчанию (уровень «high») Argon, по данным Google, получает 50 (против 51 у Hydrogen; при наивысшем уровне «xhigh» Hydrogen достигает 54, согласно Google).
ДОСТУПНОСТЬ
ДоступностьДоступна для подписчиков Google AI Ultra и через платное Gemini API (идентификатор модели 'gemini-4-argon' в документации Gemini API).

ХРОНОЛОГИЯ РЕЛИЗОВ

Только опубликованные события с источниками.

ИСТОЧНИКОВ 2 · ВАЖНОСТЬ 8.0

Google представляет Gemini Robotics 2.5 — улучшенную VLA-модель для реальной роботизированной ловкости

Google представила Gemini Robotics 2.5 — обновлённую VLA‑модель, которая расширяет набор навыков, повышает ловкость, надёжность и безопасность роботов. По данным Google, модель протестировали на более чем 200 задачах (рост успеха на 30–100% и ускорение выполнения на 20–30% по сравнению с предыдущими базовыми моделями) и она показала 96% успеха в пилоте на производственной линии Mercedes‑Benz с гуманоидом Apptronik Apollo 2.

→
ИСТОЧНИКОВ 14 · ВАЖНОСТЬ 9.0

Google выпустила Gemini 4 Argon для управления роботами, симуляции и улучшения политик

Google выпустила Gemini 4 Argon — модель общего назначения для физических рассуждений, ориентированную на управление роботами, Real2Sim-воссоздание сцен, мульти модальную разметку видео и итеративное улучшение политик. В демонстрациях Argon управляет Boston Dynamics Spot и манипуляторами в MuJoCo-твинах, восстанавливает сцены из теледемонстраций и синтезирует доменно-рандомизированные эпизоды MuJoCo (по данным Google, успех на одном наборе вырос с 56% до 75%); Google сообщает 87% на бенчмарке ERQA, предлагает модель подписчикам Google AI Ultra и через платный Gemini API (gemini-4-argon), при этом публикуя ограниченные данные о неудачах и опираясь на обширные подсказки/сконструированные механизмы управления.

→
ИСТОЧНИКОВ 10 · ВАЖНОСТЬ 9.0

Google выпускает Gemini 4 Argon — новый frontier-модель, доступную по всему миру

Google объявила о глобальной доступности Gemini 4 Argon для разработчиков и предприятий через API в AI Studio и платформу Gemini, а также для подписчиков Google AI Ultra/Pro в Antigravity, приложении Gemini и режиме AI в Поиске. Компания позиционирует Argon как высокоточный frontier‑модель для сложных многошаговых задач в кодинге, финансах, юриспруденции, кибербезопасности и науке, с заявленным первым местом в Vals Index; в источнике приводятся кейсы внутри Google (рефакторинг Chrome, оптимизации ADK), ускорения (xTB и Gemma через vLLM) и стартовая цена ($2 за млн входных токенов, $10 за млн выходных, кэшированные входы со скидкой 95%).

→
ИСТОЧНИКОВ 2 · ВАЖНОСТЬ 8.0

Google выпустил Nano Banana 2.1 для изображений и примерно вдвое снизил цены

Google выпустил Nano Banana 2.1 — модель для генерации и редактирования изображений на базе Gemini 3.6 Flash, которая, по заявлению компании, улучшает визуальное качество, прорисовку текста, согласованность персонажей, панорамы и инфографику, поддерживает до 14 эталонных изображений и удерживает до четырёх персонажей и десяти объектов согласованными. Компания примерно вдвое снизила цены на генерацию (например, 1K изображений с 6,70¢ до 3,36¢), развёртывает 2.1 в приложении Gemini, в AI Mode поиска, Google AI Studio, Flow, Stitch и планирует отключить предыдущую модель gemini-3.1-flash-image 29 октября 2026 года.

→
ИСТОЧНИКОВ 5 · ВАЖНОСТЬ 9.0

Google DeepMind представила Gemini 4 Argon — фронтирную модель с контекстом в 1M токенов

Google DeepMind объявила о модели Gemini 4 Argon — фронтирной мультимодальной модели, заточенной под долгие последовательные рассуждения и сложные рабочие процессы. Argon сначала разворачивается у доверенных киберзащитников в рамках программы Fairwind, увеличивает предел контекста до 1 миллиона токенов, демонстрирует лидирующие результаты по ряду бенчмарков (кодирование, финансы, право, анализ видео) и будет расширенно доступен после поэтапного тестирования безопасности и взаимодействия с органами власти США; также объявлены вводные тарифы.

→

ПРОВЕРЯЕМЫЕ ФАКТЫ

Каждое значение привязано к источнику и дате.

ВОЗМОЖНОСТИ · Целевые возможности / областиДАННЫЕ РАЗРАБОТЧИКА

Google описывает Argon как предназначенный для глубокого рассуждения в сложных долгосрочных рабочих процессах и демонстрирующий передовые результаты в реальной программной инженерии, корпоративной работе (юриспруденция, финансы) и киберзащите.

ЦЕНЫ · Вводная цена (сообщается)ДАННЫЕ РАЗРАБОТЧИКА

Сообщаемая вводная цена: $2 за миллион входных токенов и $10 за миллион выходных токенов (указано как та же вводная цена, что и у Gemini 4 Argon).

ВОЗМОЖНОСТИ · Пример оптимизации квантовых алгоритмовДАННЫЕ РАЗРАБОТЧИКА

Google сообщает, что Argon помог оптимизировать ресурсы пространства‑времени (кубиты × гейты) для квантовых подпрограмм и в одном примере превзошёл опубликованный эталон на 40% за считанные минуты.

ВОЗМОЖНОСТИ · Эффективность памяти / оптимизация флотаДАННЫЕ РАЗРАБОТЧИКА

Google утверждает, что агенты Argon проанализировали телеметрию профилирования по всему флоту и применили оптимизации памяти, которые освободили более 300 ТиБ после внедрения, а совокупная экономия оценивается в 500 ТиБ — 1 ПиБ.

ВОЗМОЖНОСТИ · Масштабные миграции кодаДАННЫЕ РАЗРАБОТЧИКА

Google сообщает, что агенты Argon используются для масштабных миграций и оптимизаций кодовых баз (например, миграция C/C++ в Rust по Google, до 800K+ строк для ядра Zircon в Fuchsia).

БЕЗОПАСНОСТЬ · Беспокойство практиков о достоверности симуляцииДАННЫЕ РАЗРАБОТЧИКА

Ранняя реакция практиков подчеркнула опасения, что симуляционные твин-окружения могут выглядеть правдоподобно визуально, при этом поведение объектов/контактов некорректно, что важно для задач манипуляции.

КОНТЕКСТ · Окно контекста / возможность по токенамДАННЫЕ РАЗРАБОТЧИКА

Argon описана как обладающая лидирующим окном контекста в один миллион токенов (в материалах также указывается поддержка до одного миллиона выходных токенов).

ВОЗМОЖНОСТИ · Ключевые возможности / целевые рабочие нагрузкиДАННЫЕ РАЗРАБОТЧИКА

Argon спроектирован для продвинутого/глубокого рассуждения в сложных долгосрочных рабочих процессах и позиционируется для тяжёлых задач: кодирование, кибер‑защита, корпоративная работа с знаниями (юриспруденция, финансы) и автономное исправление уязвимостей.

ВОЗМОЖНОСТИ · Автономная кибер‑возможностьДАННЫЕ РАЗРАБОТЧИКА

В сообщениях говорится, что Argon обучен и описан как способный автономно обнаруживать, проверять и патчить критические уязвимости в ПО (в частности для оборонительной кибер‑работы).

БЕНЧМАРКИ · Отчёты о бенчмаркахДАННЫЕ РАЗРАБОТЧИКА

В СМИ цитируется заявление Google о том, что Argon набрал больше баллов, чем соперничающие фронтир‑модели (включая GPT‑6 Astra от OpenAI и Fable/Opus от Anthropic) по ряду AI‑бенчмарков и указан как лидер в одном из индексных рейтингов, на который ссылается Google.

ВОЗМОЖНОСТИ · Качество изображенийДАННЫЕ РАЗРАБОТЧИКА

В статьях говорится, что следующий заметный прирост в качестве изображений 'мог бы' появиться с Gemini 4 Argon — формулировка указывает на возможное улучшение, но в предоставленных отрывках нет подтверждённого описания возможностей или бенчмарков.

МОДАЛЬНОСТИ · МодальностьДАННЫЕ РАЗРАБОТЧИКА

Описана как мультимодальная модель физического рассуждения, сочетающая визуальные входы, язык и действия/симуляцию для робототехники (видео + язык + управление).

ВОЗМОЖНОСТИ · Ожидаемое улучшение качества изображенийДАННЫЕ РАЗРАБОТЧИКА

Упоминается как вероятное «следующее крупное улучшение» в качестве изображений по сравнению с недавними моделями (например, Gemini 3.6 Flash / Nano Banana 2.1); представлено как возможность, а не подтверждённый результат бенчмарка.

РЕЛИЗ · ВыпускДАННЫЕ РАЗРАБОТЧИКА

Google представила Gemini 4 Argon как свою новую «передовую» модель и заявила в блоге от 23 октября 2026 г., что «Argon был развернут широко на прошлой неделе», что указывает на широкое распространение в середине–конце октября 2026 г.

ВОЗМОЖНОСТИ · Возможности модели в разных областяхДАННЫЕ РАЗРАБОТЧИКА

Google описывает Argon как модель для глубокой работы с сложными реальными задачами в области кодирования, финансов, права, кибербезопасности и науки, обладающую улучшенным многошаговым рассуждением, меньшей склонностью к увиливанию и повторениям, а также большей точностью в длительных задачах.

БЕНЧМАРКИ · Бенчмарк (ERQA)ДАННЫЕ РАЗРАБОТЧИКА

Указан результат 87% на бенчмарке Embodied Reasoning Question Answering (ERQA) при чистом рассуждении без вспомогательных инструментов; Google отмечает, что это опережает другие передовые модели на этом тесте.

БЕНЧМАРКИ · Рейтинг по Vals IndexДАННЫЕ РАЗРАБОТЧИКА

Google сообщает, что Argon занимает #1 в Vals Index — показателе, упомянутом как оценка производительности модели в экономических секторах: финансы, кодирование, юриспруденция и налоговая работа.

БЕНЧМАРКИ · Оценка в кибербезопасностиДАННЫЕ РАЗРАБОТЧИКА

Google сообщает, что Argon решил все 12 полноценных смоделированных сценариев кибератак в их тестах по кибербезопасности (по сравнению с пятью в предыдущем поколении) и описывает возможности киберзащиты на передовом уровне, предназначенные для помощи защитникам.

БЕНЧМАРКИ · Результаты на RE‑BenchДАННЫЕ РАЗРАБОТЧИКА

На внутреннем RE‑Bench DeepMind (74 реалистичные задачи по ML‑инжинирингу) Gemini 4 Argon решает около половины задач (~50%). Для сравнения, Gemini 3.7 Flash решил 27% задач на том же бенчмарке.

ОГРАНИЧЕНИЯ · Зависимость от участия человека по мере роста сложностиДАННЫЕ РАЗРАБОТЧИКА

По данным 1 389 внутренних прогонов агентов Argon, доля успешных выполнений без участия человека резко снижалась с ростом сложности задач, что указывает на снижение способности к полной автоматизации более сложных задач.

ВОЗМОЖНОСТИ · Положение относительно тренда по способностям GeminiДАННЫЕ РАЗРАБОТЧИКА

DeepMind сообщает, что Gemini 4 Argon располагается чуть выше трендовой линии по способностям серии Gemini; команда связывает это с увеличением вычислительных ресурсов и организационных вложений, а не с ускорением исследований, вызванным ИИ.

ВОЗМОЖНОСТИ · Заявленные возможности по доменамДАННЫЕ РАЗРАБОТЧИКА

Google описывает Argon как модель, превосходящую в глубоком многошаговом рассуждении и структурной точности в сложных практических задачах: кодирование, финансы, юриспруденция, кибербезопасность и наука; примеры включают рефакторинг больших кодовых баз, оптимизацию кода, поиск и исправление уязвимостей и поддержку научных исследований.

ОГРАНИЧЕНИЯ · В демонстрациях по-прежнему требуется человеческое руководство и подсказкиДАННЫЕ РАЗРАБОТЧИКА

Независимые публикации и показанные Google демонстрации указывают, что примеры Argon по-прежнему зависят от подробных человеческих подсказок и дополнительных агентных проверок; в демонстрациях показано многоступенчатое участие и верификация человеком перед физическим выполнением.

ВОЗМОЖНОСТИ · Возможности — областиДАННЫЕ РАЗРАБОТЧИКА

Google сообщает, что Argon «превосходит в глубокой работе над сложными задачами в реальном мире» в нескольких областях, включая программирование, финансы, право, кибербезопасность и науку.

БЕНЧМАРКИ · Результат на Embodied Reasoning (ERQA)ДАННЫЕ РАЗРАБОТЧИКА

Argon набрал 87% на бенчмарке Embodied Reasoning (ERQA), что, по сообщению, превосходит другие фронтирные модели на этом бенчмарке.

БЕНЧМАРКИ · ARC-AGI-3 (Provider Adapter Harness) — результатДАННЫЕ РАЗРАБОТЧИКА

По данным тестировщиков, Argon набрал 97.5% на ARC-AGI-3 при запуске с «Provider Adapter Harness» (настройка теста, использующая особенности API поставщика).

БЕНЧМАРКИ · Производительность на ARC-AGI Standard HarnessДАННЫЕ РАЗРАБОТЧИКА

В рамках «Standard Harness» ARC-AGI (позволяет только ограниченные заметки между раундами) тестировщики сообщили, что результат Argon упал до 49.8% при низком уровне рассуждения; также сообщалось о проблемах с API, не позволивших завершить все игры в этом режиме.

ВОЗМОЖНОСТИ · Области применения и ключевые сильные стороныДАННЫЕ РАЗРАБОТЧИКА

Описана как модель, превосходящая при глубинных многошаговых задачах в таких областях, как разработка кода, финансы, юриспруденция, кибербезопасность и наука; ключевые сильные стороны — физическое понимание, генерация кода и визуально‑семантическое рассуждение для робототехники и задач из реального мира.

БЕНЧМАРКИ · Результат по ARC‑AGI‑3 (Provider Adapter Harness)ДАННЫЕ РАЗРАБОТЧИКА

Отчетный результат — 97,5% по ARC‑AGI‑3 при тестировании в специализированной конфигурации поставщика («Provider Adapter Harness»); в материале отмечено, что результат сильно зависит от метода и среды тестирования.

ОГРАНИЧЕНИЯ · Падение производительности в ограниченной тестовой средеДАННЫЕ РАЗРАБОТЧИКА

В стандартной тестовой среде ARC (которая не сохраняет внутренние рассуждения между действиями) производительность Argon, по отчету, падает до 49,8% при низком уровне рассуждения; тестировщики также сообщали об ошибках API, помешавших пройти все игры в стандартной среде.

ВОЗМОЖНОСТИ · Возможности в исследовании безопасности и разработке эксплойтовДАННЫЕ РАЗРАБОТЧИКА

Сообщается, что использовалась компанией Wiz для обнаружения критической уязвимости в PHP; описывается как особенно полезная для нахождения уязвимости, разработки эксплойтов, создания средств обнаружения атак и проверки исправления.

БЕНЧМАРКИ · Утверждения о бенчмаркахДАННЫЕ РАЗРАБОТЧИКА

Google утверждает, что глубина и точность Argon при многошаговых задачах позволяет ей превосходить другие передовые модели в бенчмарках по разным областям.

ВОЗМОЖНОСТИ · Технические улучшенияДАННЫЕ РАЗРАБОТЧИКА

В блоге сообщается о «существенных улучшениях в пространственном мышлении, математической точности и визуальном кодировании», что позволяет Argon генерировать сложные 3D‑окружения и координировать движения нескольких элементов.

ВОЗМОЖНОСТИ · Оптимизации, полученные в ходе автономного прогонаДАННЫЕ РАЗРАБОТЧИКА

11‑часовой автономный прогон Gemini 4 Argon привёл к двум принятым оптимизациям в кодовой базе Agent Development Kit Google.

ВОЗМОЖНОСТИ · Обработка кодовой базы и тестированиеДАННЫЕ РАЗРАБОТЧИКА

Argon прочитал руководства репозитория, установил базовые показатели производительности, предложил оптимизации, проверил собственные изменения и запустил все 16 892 модульных теста репозитория.

БЕНЧМАРКИ · Сокращение накладных расходов при подготовке сессийДАННЫЕ РАЗРАБОТЧИКА

Принятые оптимизации сократили накладные расходы на подготовку сессий в памяти примерно на 40% в длительных сессиях.

ВОЗМОЖНОСТИ · Возможности (рассуждение, программирование, координация инструментов, длительные рабочие процессы)ДАННЫЕ РАЗРАБОТЧИКА

Google сообщает, что Gemini 4 Argon умеет рассуждать, генерировать код и координировать инструменты для выполнения сложных задач с длинным горизонтом планирования и глубокой аналитики.

ВОЗМОЖНОСТИ · Возможность (парсинг и синтез больших объёмов данных)ДАННЫЕ РАЗРАБОТЧИКА

В примере Gemini 4 Argon (в Antigravity) разобрала более 80 000 исходных файлов от NASA — включая журналы погоды и инженерные, медицинские и научные данные по 72 полётам на Марс — и преобразовала выводы в презентацию для руководства.

ВОЗМОЖНОСТИ · Возможность (генерация 3D и математическое рассуждение)ДАННЫЕ РАЗРАБОТЧИКА

Google демонстрирует, как Argon сгенерировала 5 000 строк математических вычислений для построения 3D‑освещённой библиотеки с нуля, а затем создала видео о процессе, демонстрируя сочетание математических и 3D‑возможностей.

ВОЗМОЖНОСТИ · Возможность (декомпозиция задач и планирование для симуляции/робототехники)ДАННЫЕ РАЗРАБОТЧИКА

В исследовательском эксперименте сообщается, что модель Gemini 4 Argon разбивала задачи на шаги, которые затем в реальном времени симулировала модель мира Genie 4, что иллюстрирует применение Argon для декомпозиции задач и планирования в контексте симуляции/робототехники.

ВОЗМОЖНОСТИ · Указанные сильные стороны по доменам и варианты использованияДАННЫЕ РАЗРАБОТЧИКА

Сообщается, что хорошо показывает себя в областях финансов, права, кибербезопасности и науки; упомянутые сценарии применения — разбор устаревших кодовых баз, ускорение научных исследований, робототехника и другие задачи, специфичные для домена.

ВОЗМОЖНОСТИ · Возможности / целевые сценарии использованияДАННЫЕ РАЗРАБОТЧИКА

Ориентирована на сложное программирование, финансовый анализ и юридические рабочие процессы.

ВОЗМОЖНОСТИ · ВозможностиДАННЫЕ РАЗРАБОТЧИКА

Описана как универсальная модель физических рассуждений для управления роботами, построения Real2Sim сцен, мультимодальной разметки видео роботов и итеративного улучшения политик, а не как политика для одного эффектора.

БЕНЧМАРКИ · Результат дообучения Real-to-SimДАННЫЕ РАЗРАБОТЧИКА

Google сообщает о синтезе доменно-рандомизированных эпизодов MuJoCo из одного RGB-кадра для дообучения политики vision-language-action, что повысило успех на соответствующей реальной установке с 56% до 75%.

ОГРАНИЧЕНИЯ · Ограничения / отчётность об оценкеДАННЫЕ РАЗРАБОТЧИКА

В робототехнических примерах Google используются длинные, специфичные для задачи подсказки, координатные сетки, примитивы движения и верификаторы (структурирование входит в систему под испытанием); Google не публикует показатели отказов для отдельных демонстраций, за исключением одного случая VLA.

ВОЗМОЖНОСТИ · ВозможностиДАННЫЕ РАЗРАБОТЧИКА

Представлена как универсальная модель для физико-логического рассуждения: управление роботами, построение Real2Sim-сцен (video-to-sim), мультимодальная разметка видео роботов, политики vision-language-action и итеративное улучшение политик. В материалах показаны примеры: управление Boston Dynamics Spot, управление манипулятором по визуальным координатам и HTTP-примитивам движения, замыкание цикла с видео-моделью Gemini Omni.

ОГРАНИЧЕНИЯ · Ограничения / замечания по оценкеДАННЫЕ РАЗРАБОТЧИКА

В репортах демонстрации и оценки опираются на длинные, специфические для задачи подсказки, сетки координат, примитивы движения и другой каркас (scaffolding) как часть системы; в статье отмечено, что Google не публикует индивидуальные показатели отказов по демонстрациям за исключением одного случая VLA.

ВОЗМОЖНОСТИ · Сообщаемые возможности (робототехника)ДАННЫЕ РАЗРАБОТЧИКА

Представлена как универсальная модель физического рассуждения для управления роботами, построения Real2Sim-сцен, мультимодальной разметки видео и итеративного улучшения политик; в качестве применения указаны управление симуляцией, синтез доменно-рандомизированных эпизодов и повышение успешности политик в реальности.

БЕНЧМАРКИ · Результат на бенчмарке (ERQA)ДАННЫЕ РАЗРАБОТЧИКА

Argon набирает 87% по бенчмарку Embodied Reasoning Question Answering (ERQA) при использовании чистого рассуждения без вспомогательных инструментов.

ОГРАНИЧЕНИЯ · Ограничение по публикуемым метрикамДАННЫЕ РАЗРАБОТЧИКА

В публикации по Argon для робототехники не были приведены показатели отказов по отдельным демонстрациям, за исключением одного примера VLA (Google не публиковала показатели отказов по отдельным демонстрациям за пределами этого примера).

ВОЗМОЖНОСТИ · Основные возможности и типичные сценарии использованияДАННЫЕ РАЗРАБОТЧИКА

Argon описывается как фронтирная модель, которая «превосходит в глубинном долгосрочном рассуждении» и является предпочтительным выбором для большинства задач по разработке ПО и работе с знаниями.

БЕНЧМАРКИ · Оценка в Artificial Analysis Intelligence Index (по умолчанию уровень рассуждения)ДАННЫЕ РАЗРАБОТЧИКА

В индексе Artificial Analysis Intelligence Index по умолчанию (уровень «high») Argon, по данным Google, получает 50 (против 51 у Hydrogen; при наивысшем уровне «xhigh» Hydrogen достигает 54, согласно Google).

ОГРАНИЧЕНИЯ · Доступные уровни рассужденияДАННЫЕ РАЗРАБОТЧИКА

Согласно сообщениям, Argon предлагает только уровни рассуждения «medium» и «high» (в отличие от Hydrogen, у которой есть «low», «medium», «high» и новый «xhigh»).

ЧТО ИЗМЕНИЛОСЬ

Сохранённые версии паспорта, без догадок задним числом.

Паспорт обновлён58 фактов
БЕНЧМАРКИ · Оценка в Artificial Analysis Intelligence Index (по умолчанию уровень рассуждения)+ В индексе Artificial Analysis Intelligence Index по умолчанию (уровень «high») Argon, по данным Google, получает 50 (против 51 у Hydrogen; при наивысшем уровне «xhigh» Hydrogen достигает 54, согласно Google).
РЕЛИЗ · Запуск / доступность+ Google описывает Gemini 4 Argon как недавно запущенную модель (она была выпущена до анонса Gemini 4 Carbon).
ВОЗМОЖНОСТИ · Основные возможности и типичные сценарии использования+ Argon описывается как фронтирная модель, которая «превосходит в глубинном долгосрочном рассуждении» и является предпочтительным выбором для большинства задач по разработке ПО и работе с знаниями.
РЕЛИЗ · Релиз− Google выпустила Gemini 4 Argon.
ОГРАНИЧЕНИЯ · Доступные уровни рассуждения+ Согласно сообщениям, Argon предлагает только уровни рассуждения «medium» и «high» (в отличие от Hydrogen, у которой есть «low», «medium», «high» и новый «xhigh»).
Паспорт обновлён55 фактов
ДОСТУПНОСТЬ · Доступность− Указано, что доступна подписчикам Google AI Ultra и через платный Gemini API; в документации Gemini API упомянута под идентификатором 'gemini-4-argon' (согласно статье).
ДОСТУПНОСТЬ · Доступность+ Доступна для подписчиков Google AI Ultra и через платное Gemini API (идентификатор модели 'gemini-4-argon' в документации Gemini API).
БЕНЧМАРКИ · Результат на бенчмарке (ERQA)+ Argon набирает 87% по бенчмарку Embodied Reasoning Question Answering (ERQA) при использовании чистого рассуждения без вспомогательных инструментов.
ЦЕНЫ · Вводная цена (сообщается)Вводная цена указана как $2 за миллион входных токенов и $10 за миллион выходных токенов; кэшированные входные токены — со скидкой 95% от цены входного токена.→Сообщаемая вводная цена: $2 за миллион входных токенов и $10 за миллион выходных токенов (указано как та же вводная цена, что и у Gemini 4 Argon).
МОДАЛЬНОСТИ · Модальности− Мультимодальная: обрабатывает видео роботов, RGB-изображения, управление vision-language-action; в примерах интегрируется с симуляцией (MuJoCo) и видео-моделью мира (Gemini Omni).
МОДАЛЬНОСТИ · Модальность+ Описана как мультимодальная модель физического рассуждения, сочетающая визуальные входы, язык и действия/симуляцию для робототехники (видео + язык + управление).
ОГРАНИЧЕНИЯ · Ограничение по публикуемым метрикам+ В публикации по Argon для робототехники не были приведены показатели отказов по отдельным демонстрациям, за исключением одного примера VLA (Google не публиковала показатели отказов по отдельным демонстрациям за пределами этого примера).
РЕЛИЗ · Релиз+ Google выпустила Gemini 4 Argon.
РЕЛИЗ · Выпуск− Сообщено о выпуске компанией Google (статья опубликована 2026-11-09).
ВОЗМОЖНОСТИ · Сообщаемые возможности (робототехника)+ Представлена как универсальная модель физического рассуждения для управления роботами, построения Real2Sim-сцен, мультимодальной разметки видео и итеративного улучшения политик; в качестве применения указаны управление симуляцией, синтез доменно-рандомизированных эпизодов и повышение успешности политик в реальности.
Паспорт обновлён52 фактов
ДОСТУПНОСТЬ · Доступность+ Указано, что доступна подписчикам Google AI Ultra и через платный Gemini API; в документации Gemini API упомянута под идентификатором 'gemini-4-argon' (согласно статье).
ДОСТУПНОСТЬ · Доступность− Доступна подписчикам Google AI Ultra и через платный Gemini API (в документации Gemini API указана как gemini-4-argon).
ВОЗМОЖНОСТИ · Возможности+ Представлена как универсальная модель для физико-логического рассуждения: управление роботами, построение Real2Sim-сцен (video-to-sim), мультимодальная разметка видео роботов, политики vision-language-action и итеративное улучшение политик. В материалах показаны примеры: управление Boston Dynamics Spot, управление манипулятором по визуальным координатам и HTTP-примитивам движения, замыкание цикла с видео-моделью Gemini Omni.
БЕНЧМАРКИ · Бенчмарк (ERQA)Argon набирает 87% по бенчмарку Embodied Reasoning Question Answering (ERQA) при использовании чистого рассуждения; Google утверждает, что это опережает другие передовые модели на этом тесте.→Указан результат 87% на бенчмарке Embodied Reasoning Question Answering (ERQA) при чистом рассуждении без вспомогательных инструментов; Google отмечает, что это опережает другие передовые модели на этом тесте.
ОГРАНИЧЕНИЯ · Ограничения / замечания по оценке+ В репортах демонстрации и оценки опираются на длинные, специфические для задачи подсказки, сетки координат, примитивы движения и другой каркас (scaffolding) как часть системы; в статье отмечено, что Google не публикует индивидуальные показатели отказов по демонстрациям за исключением одного случая VLA.
РЕЛИЗ · Выпуск+ Сообщено о выпуске компанией Google (статья опубликована 2026-11-09).
РЕЛИЗ · Релиз− Google выпустила Gemini 4 Argon.
Паспорт обновлён50 фактов
ДОСТУПНОСТЬ · Доступность и каналы распространения− Доступна для разработчиков, предприятий, исследователей и потребителей через Google AI Studio, Gemini API, Google Cloud, Поиск и приложение Gemini.
ДОСТУПНОСТЬ · Доступность+ Доступна подписчикам Google AI Ultra и через платный Gemini API (в документации Gemini API указана как gemini-4-argon).
БЕЗОПАСНОСТЬ · Тестирование безопасности и подход к развёртыванию− После раннего тестирования безопасности Gemini 4 Argon был развёрнут глобально.
БЕНЧМАРКИ · Результат по ERQAОтчетный результат — 87% по бенчмарку Embodied Reasoning (ERQA), который проверяет физическое и пространственное решение задач в 3D‑средах.→Argon набирает 87% по бенчмарку Embodied Reasoning Question Answering (ERQA) при использовании чистого рассуждения; Google утверждает, что это опережает другие передовые модели на этом тесте.
ВОЗМОЖНОСТИ · Возможности+ Описана как универсальная модель физических рассуждений для управления роботами, построения Real2Sim сцен, мультимодальной разметки видео роботов и итеративного улучшения политик, а не как политика для одного эффектора.
РЕЛИЗ · Выпуск и развёртывание− Глобально развёрнута в октябре 2026 года как передовая модель рассуждения.
МОДАЛЬНОСТИ · Модальности+ Мультимодальная: обрабатывает видео роботов, RGB-изображения, управление vision-language-action; в примерах интегрируется с симуляцией (MuJoCo) и видео-моделью мира (Gemini Omni).
БЕНЧМАРКИ · Результат дообучения Real-to-Sim+ Google сообщает о синтезе доменно-рандомизированных эпизодов MuJoCo из одного RGB-кадра для дообучения политики vision-language-action, что повысило успех на соответствующей реальной установке с 56% до 75%.
РЕЛИЗ · Релиз+ Google выпустила Gemini 4 Argon.
МОДАЛЬНОСТИ · Модальность — рассуждение в физическом мире / робототехника− Обеспечивает рассуждение в физическом мире через вариант для робототехники под названием «Gemini 4 Argon for Robotics».
ОГРАНИЧЕНИЯ · Ограничения / отчётность об оценке+ В робототехнических примерах Google используются длинные, специфичные для задачи подсказки, координатные сетки, примитивы движения и верификаторы (структурирование входит в систему под испытанием); Google не публикует показатели отказов для отдельных демонстраций, за исключением одного случая VLA.
БЕЗОПАСНОСТЬ · Беспокойство практиков о достоверности симуляции+ Ранняя реакция практиков подчеркнула опасения, что симуляционные твин-окружения могут выглядеть правдоподобно визуально, при этом поведение объектов/контактов некорректно, что важно для задач манипуляции.
Паспорт обновлён47 фактов
ДОСТУПНОСТЬ · Доступность и каналы распространения+ Доступна для разработчиков, предприятий, исследователей и потребителей через Google AI Studio, Gemini API, Google Cloud, Поиск и приложение Gemini.
ДОСТУПНОСТЬ · Доступность и раннее использование− Доступен на платформах Google для разработчиков; в первую неделю после запуска использование выросло в 3,5 раза быстрее, чем у Gemini 3 (сообщение Google в ходе отчета о доходах).
БЕЗОПАСНОСТЬ · Двойное использование / потенциал для использования в атакующих целях− В отчетах указывается, что возможности модели использовались для разработки эксплойтов, что подчеркивает ее двойное использование — те же способности, которые помогают находить уязвимости, могут также помочь злоумышленникам.
БЕЗОПАСНОСТЬ · Тестирование безопасности и подход к развёртыванию+ После раннего тестирования безопасности Gemini 4 Argon был развёрнут глобально.
РЕЛИЗ · Выпуск и развёртывание+ Глобально развёрнута в октябре 2026 года как передовая модель рассуждения.
РЕЛИЗ · Время запуска− Запущен за две недели до Gemini 4 Carbon (Carbon анонсирован 28 октября 2026 г.).
МОДАЛЬНОСТИ · Модальность− Google описывает модель как мультимодальную; в блоге подчёркивается визуальное понимание наряду с рассуждением и другими модальностями.
МОДАЛЬНОСТИ · Модальность — рассуждение в физическом мире / робототехника+ Обеспечивает рассуждение в физическом мире через вариант для робототехники под названием «Gemini 4 Argon for Robotics».
ВОЗМОЖНОСТИ · Возможности / целевые сценарии использования+ Ориентирована на сложное программирование, финансовый анализ и юридические рабочие процессы.
Паспорт обновлён46 фактов
БЕНЧМАРКИ · Оценка в индексе Artificial Analysis Intelligence (v5.0)+ Argon получил 50 баллов в индексе Artificial Analysis Intelligence v5.0 (в сообщениях указано, что Carbon выше — 59).
ДОСТУПНОСТЬ · Доступность и раннее использование+ Доступен на платформах Google для разработчиков; в первую неделю после запуска использование выросло в 3,5 раза быстрее, чем у Gemini 3 (сообщение Google в ходе отчета о доходах).
ВОЗМОЖНОСТИ · Указанные сильные стороны по доменам и варианты использования+ Сообщается, что хорошо показывает себя в областях финансов, права, кибербезопасности и науки; упомянутые сценарии применения — разбор устаревших кодовых баз, ускорение научных исследований, робототехника и другие задачи, специфичные для домена.
ДОСТУПНОСТЬ · Доступность / интеграция− Google демонстрирует Gemini 4 Argon в приложении Gemini и в прототипах/рабочих процессах Antigravity и AI Studio, что указывает на интеграцию в эти демонстрационные среды Google.
ЦЕНЫ · Вводная цена+ Вводная цена указана как $2 за миллион входных токенов и $10 за миллион выходных токенов; кэшированные входные токены — со скидкой 95% от цены входного токена.
ЦЕНЫ · Вводная цена− Вводная цена — $2 за миллион входных токенов и $10 за миллион выходных токенов; Google указывает примерно 95% скидку на кэшированные входные токены; в СМИ отмечают возможное повышение цен после вводного периода.
РЕЛИЗ · Запуск и доступность (глобально)− Google и DeepMind объявили о глобальной доступности Gemini 4 Argon на момент запуска для разработчиков, предприятий и подписчиков Google AI Pro/Ultra (анонсы октября 2026).
РЕЛИЗ · Время запуска+ Запущен за две недели до Gemini 4 Carbon (Carbon анонсирован 28 октября 2026 г.).
Паспорт обновлён44 фактов
ВОЗМОЖНОСТИ · Возможность (генерация 3D и математическое рассуждение)+ Google демонстрирует, как Argon сгенерировала 5 000 строк математических вычислений для построения 3D‑освещённой библиотеки с нуля, а затем создала видео о процессе, демонстрируя сочетание математических и 3D‑возможностей.
ДОСТУПНОСТЬ · Доступность / интеграция+ Google демонстрирует Gemini 4 Argon в приложении Gemini и в прототипах/рабочих процессах Antigravity и AI Studio, что указывает на интеграцию в эти демонстрационные среды Google.
ВОЗМОЖНОСТИ · Возможность (парсинг и синтез больших объёмов данных)+ В примере Gemini 4 Argon (в Antigravity) разобрала более 80 000 исходных файлов от NASA — включая журналы погоды и инженерные, медицинские и научные данные по 72 полётам на Марс — и преобразовала выводы в презентацию для руководства.
МОДАЛЬНОСТИ · Модальность+ Google описывает модель как мультимодальную; в блоге подчёркивается визуальное понимание наряду с рассуждением и другими модальностями.
МОДАЛЬНОСТИ · Модальности− Примеры в статье показывают, что Argon работает с визуальными входами и кодом: генерирует 3D‑симуляции из одиночных изображений, интегрируется с Blender и Three.js, превращает плотные данные в интерактивную визуализацию и создает интерактивный 3D‑контент — что указывает на мультимодальные возможности (зрение + код/3D‑выход).
ДОСТУПНОСТЬ · Каналы доступа и доступность в продуктах− Доступна через API в AI Studio и платформе Gemini; доступна подписчикам Google AI Ultra в Google Antigravity; доступна подписчикам Google AI Ultra и Pro в приложении Gemini и режиме AI в Поиске; разработчики могут работать с моделью через платный уровень API и сопутствующие инструменты.
ВОЗМОЖНОСТИ · Возможности (рассуждение, программирование, координация инструментов, длительные рабочие процессы)+ Google сообщает, что Gemini 4 Argon умеет рассуждать, генерировать код и координировать инструменты для выполнения сложных задач с длинным горизонтом планирования и глубокой аналитики.
ВОЗМОЖНОСТИ · Возможность (декомпозиция задач и планирование для симуляции/робототехники)+ В исследовательском эксперименте сообщается, что модель Gemini 4 Argon разбивала задачи на шаги, которые затем в реальном времени симулировала модель мира Genie 4, что иллюстрирует применение Argon для декомпозиции задач и планирования в контексте симуляции/робототехники.
Паспорт обновлён40 фактов
ВОЗМОЖНОСТИ · Работа с большой Python‑кодовой базой+ Argon работал с кодовой базой объёмом более 200 000 строк Python в примерно 800 файлах.
БЕНЧМАРКИ · Сокращение времени холодного импорта пакетов+ Принятые оптимизации сократили время холодного импорта пакетов на 21%.
ВОЗМОЖНОСТИ · Оптимизации, полученные в ходе автономного прогона+ 11‑часовой автономный прогон Gemini 4 Argon привёл к двум принятым оптимизациям в кодовой базе Agent Development Kit Google.
БЕНЧМАРКИ · Сокращение накладных расходов при подготовке сессий+ Принятые оптимизации сократили накладные расходы на подготовку сессий в памяти примерно на 40% в длительных сессиях.
ВОЗМОЖНОСТИ · Обработка кодовой базы и тестирование+ Argon прочитал руководства репозитория, установил базовые показатели производительности, предложил оптимизации, проверил собственные изменения и запустил все 16 892 модульных теста репозитория.