Google сделала Gemini 4 Argon широко доступной, временно снизив цены на API до 2/10 долларов за 1 млн токенов

Сегодня, 13 октября, Google открывает широкий доступ к своей новой флагманской мультимодальной языковой ИИ-модели Gemini 4 Argon.

Ранее модель была доступна только ограниченному кругу ранних тестировщиков. Теперь разработчики и компании получают мощный новый инструмент для разработки ПО, финансового анализа, юридической работы, кибербезопасности и научных исследований — на ограниченный срок по сниженным ценам на API, существенно ниже расценок некоторых ведущих конкурентов.

Запуск состоялся всего через 13 дней после того, как 30 сентября Google впервые представила Argon, изначально ограничив доступ к модели одобренными специалистами по киберзащите в рамках программы Fairwind. Компания проводила дополнительные испытания безопасности и участвовала в добровольной программе правительства США, предоставляющей доступ к моделям до их выпуска.

Тогда Google пообещала как можно скорее расширить доступ, но не назвала конкретную дату. Теперь компания предлагает Argon через платный Gemini API, Google AI Studio, среду агентной разработки Antigravity и соответствующие подписки Gemini Enterprise. Подписчики Google AI Pro и Ultra также могут пользоваться моделью в приложении Gemini и режиме AI Mode в поиске, хотя доступ к Antigravity для индивидуальных подписчиков требует более дорогого тарифа Ultra.

Запуск впервые дает корпоративным клиентам широкую возможность проверить самую мощную из публично доступных моделей Google в сравнении с системами конкурентов — OpenAI, Anthropic и Meta. Кроме того, он позволяет оценить, как сама Google применяет Argon в сложных инженерных и бизнес-процессах.

Согласно новому заявлению компании, каждый месяц более 100 000 сотрудников Google используют Argon во внутренней версии Antigravity. По данным Google, за четырехнедельный период инженерные команды компании увеличили число отправленных на проверку фрагментов кода, созданных агентами, на 35%, а количество откатов кода после отправки сократилось на 30%.

Однако если тесты Google показывают значительный прогресс в профессиональных и технических задачах, независимые испытания рисуют более неоднозначную картину конкурентных позиций модели.

Сэм Виттвин, генеральный директор и сооснователь компании Red Dragon AI, занимающейся корпоративным консалтингом и обучением в сфере ИИ, а также ведущий и партнер VentureBeat, тестировал Argon до расширения доступа.

«Это действительно, действительно, действительно хорошая модель. Но лучшая ли она из существующих? Я, честно говоря, так не думаю», — говорит Виттвин в видеообзоре, которым он поделился с VentureBeat до публикации.

По его оценке, главное достижение Google может быть скорее стратегическим, чем техническим: компания создала достаточно мощную универсальную основу для все более сложных продуктов и корпоративных процессов.

Google применяет Argon для решения собственных инженерных задач

В подтверждение запуска Google приводит подробные примеры того, как Argon выполняет задачи, которые обычно потребовали бы привлечения специализированных инженерных команд и значительного времени на разработку.

Пожалуй, самый впечатляющий пример связан с Chrome. По словам Google, Argon помогла реорганизовать устаревшую папку с кодом функций браузера объемом около 6 миллионов строк в кодовой базе Chromium, насчитывающей примерно 40 миллионов строк.

Модель помогла отделить основные возможности браузера по работе с веб-страницами от кода отдельных функций, что позволило провести архитектурную перестройку, затронувшую сотни файлов.

Google утверждает, что работу, на которую раньше рассчитывали потратить несколько месяцев, завершили за несколько недель. Изменения призваны со временем обеспечить перенос веб-страниц между вкладками, боковыми панелями и плавающими окнами без перезагрузки, а также устранить некоторые сбои.

В другом случае команда Google, занимающаяся Agent Development Kit, поручила Argon найти способы повысить производительность своего фреймворка с открытым исходным кодом на Python для создания ИИ-агентов.

Получив краткое описание цели и инструкции команды, Argon работала всю ночь и выявила варианты оптимизации. По данным Google, они сократили время подготовки сессий в памяти на 40% для длительных сеансов и ускорили холодный импорт на 21%. Улучшения включили в общедоступную кодовую базу ADK Python.

Google также сообщает, что Argon помогла оптимизировать инференс для меньшей модели Gemma 4 E2B: пропускная способность на графическом процессоре Nvidia A100 выросла примерно с 37 900 до более чем 108 000 токенов в секунду при сохранении идентичных результатов.

Эти примеры иллюстрируют один из главных тезисов Google: ценность модели заключается не только в написании кода, но и в исследовании крупных систем, предложении изменений, проверке результатов и последовательной доработке решений для достижения измеримых улучшений.

В другом внутреннем примере Argon проверила 134 давние ошибки в программном обеспечении и менее чем за три часа определила, что 97 из них устарели или дублируют друг друга. Для обоснования выводов модель использовала историю коммитов и телеметрию производственных систем.

Примеры Google необычно подробно описывают работу с помощью ИИ, однако это результаты, о которых сообщает сама компания, а не независимо воспроизведенные оценки для корпоративного сектора.

Независимые тесты: Argon лидирует в профессиональных задачах, но в целом уступает некоторым конкурентам

Две крупные независимые организации, проводящие тестирование, предлагают разные взгляды на возможности Argon.

Vals AI, оценивающая модели на профессиональных задачах в финансах, юридической сфере, программировании и налогообложении, ставит Argon на первое место в индексе Vals, взвешенном по ВВП.

По состоянию на 12 октября Argon набирает 68,90%, опережая Claude Sonnet 5.5 с результатом 67,04% и Claude Opus 5.5 с 66,97%.

По данным Vals, Argon также набрала 65,40% в тесте Finance Agent v2, заняв первое место среди проверенных моделей.

Эти результаты подтверждают довод Google о том, что Argon особенно хорошо справляется с профессиональными рабочими процессами, требующими специальных знаний и длительных рассуждений.

Они также подкрепляют ряд преимуществ, которые Google отметила, впервые представив модель 30 сентября.

В опубликованных ранее компанией сравнениях Argon набрала 19,6% в тесте Harvey Legal Agent Benchmark против 5,4% у GPT-6 Astra от OpenAI и 3,8% у Claude Opus 5.5 от Anthropic. В тесте Zapier AutomationBench, который оценивает способность ИИ-систем выполнять многоэтапные бизнес-процессы, результат Argon составил 51,3% — больше, чем 42,5% у Opus 5.5 и 41,4% у Astra.

Модель также хорошо показала себя в DeepSWE v1.1 — тесте сложных задач по разработке ПО: она набрала 77,9% против 74,2% у Opus и 74,1% у Astra.

Однако опубликованные самой Google сравнения выявили и области, в которых конкуренты сохраняют преимущество. В Terminal-Bench 4.0, тесте выполнения задач программирования с помощью командной строки, Opus 5.5 набрала 66,4% против 57,4% у Argon.

Это сравнения, ранее опубликованные Google, а не новый набор независимых испытаний, проведенных в день запуска. Тем не менее они помогают понять, почему в разных типах корпоративных задач лидерами могут становиться разные модели.

В более широком сравнении Artificial Analysis, оценивающая возможности в рассуждениях, знаниях, математике, программировании и агентных задачах, присвоила Argon 53 балла в индексе интеллекта.

Это ставит модель на один уровень с GPT-6 Astra от OpenAI и Claude Fable 5.1 от Anthropic, но ниже Claude Opus 5.5, Claude Sonnet 5.5 и Meta Muse Wonder Full, выпущенной вчера.

Источники: оценки моделей Artificial Analysis по состоянию на 13 октября 2026 года. Более высокие баллы означают лучшие результаты. Результаты отражают оценки конфигураций, предназначенных для рассуждений; при этом общедоступность API у разных моделей различается.

Для корпоративных клиентов это различие имеет значение. Сводный тест может показать общую техническую производительность, но не определить, какая модель лучше всего подойдет для конкретного программного обеспечения, данных и операционной среды организации.

Виттвин считает, что сильные стороны Argon особенно заметны в задачах, объединяющих визуальное понимание, генерацию программного кода и создание творческого медиаконтента.

В одной демонстрации он попросил Argon создать браузерное приложение для создания музыки по образцу ReBirth от Propellerheads — с синтезированными звуками, драм-машинами, фильтрами и пошаговым секвенсором, вдохновленным классическими устройствами Roland.

Получив сравнительно короткий запрос в приложении Gemini, Argon создала интерактивный интерфейс и работающий код для генерации звука.

Виттвин также отмечает демонстрации Google с анимацией в Blender, трехмерными средами и интерактивной визуализацией. Для таких задач ИИ-системам необходимо генерировать код, отображать результаты, проверять их и вносить изменения.

«Похоже, эта модель очень хорошо справляется с обобщением», — говорит он.

Тем не менее он сомневается, что существующая среда разработки Google сможет потеснить привычные альтернативы для разработчиков, сосредоточенных прежде всего на автономной разработке ПО.

«Я по-прежнему не думаю, что, например, Antigravity хотя бы близко так же хороша, как Claude Code или Codex», — говорит Виттвин.

Его критика позволяет отделить возможности самой модели от качества инструментов разработки, которые ее окружают. Корпоративным клиентам стоит учитывать это, сравнивая комплексные ИИ-системы для программирования, а не только производительность отдельных API.

От кибербезопасности до робототехники: Google выходит за рамки обычного программирования

Google также рассказывает о потенциале Argon в сфере кибербезопасности, научных вычислений и физической робототехники.

Компания утверждает, что Wiz с помощью Argon в рамках инициативы Scan for Good обнаружила и устранила серьезную уязвимость в программном обеспечении для здравоохранения. По данным Google, из-за нее был раскрыт главный ключ, который мог предоставить доступ на уровне администратора и потенциально привести к утечке большого объема конфиденциальной информации о пациентах.

Google расширяет доступ в рамках программы Fairwind для сотен дополнительных одобренных партнеров по кибербезопасности. Они, в частности, получат версии модели без некоторых ограничений в области кибербезопасности для авторизованных защитных задач.

Компания сообщает, что в тесте Gray Swan Indirect Prompt Injection доля успешных атак составила 0,7% при 15 адаптивных попытках. Также Google утверждает, что Argon обучили соблюдать границы системы и приостанавливать работу перед необратимыми действиями; доля несанкционированных попыток обойти ограничения в тестах программирования снизилась до 2%.

Эти показатели обнадеживают, но не отменяют необходимости в корпоративном тестировании, контроле доступа и одобрении человеком действий, способных повлечь серьезные последствия.

В научной сфере исследователи Google сообщают, что использовали Argon для ускорения расчетов в квантовых вычислениях, оптимизации ПО для молекулярного моделирования и помощи в разработке пяти новых ферментов. Их каталитическую активность впоследствии подтвердили в лабораторных экспериментах.

Еще одной возможной областью, где модель сможет выделиться, является робототехника.

По данным Google, Argon набрала 87% в тесте Embodied Reasoning Question Answering, оценивающем пространственное мышление и понимание физических процессов. В сравнении, опубликованном вместе с релизом, этот результат выше, чем у Claude Opus 5.5 и GPT-6 Astra.

В одной демонстрации Argon изучила видео игры в корнхол, в котором человек бросает мешочки с наполнителем в отверстие на наклонной платформе, написала код симуляции и сгенерировала последовательность движений, которую затем передали человекоподобному роботу Apollo компании Apptronik. По словам Google, робот успешно выполнил семь бросков подряд.

В другой демонстрации Argon создает симулированную среду для роботизированной задачи на основе наброска от руки.

В более широком смысле это означает, что флагманская модель Google предназначена не только для интерпретации языка или генерации программного кода. Она также может помогать создавать, оценивать и контролировать симулированные физические среды, которые можно использовать при разработке реальных роботов.

Цены: 2 доллара за миллион входных токенов сейчас, с 1 декабря — вдвое дороже

Google предлагает Argon по начальным тарифам: 2 доллара за миллион входных токенов и 10 долларов за миллион выходных токенов. На кэшированные входные токены действует скидка 95%.

В отличие от объявления от 30 сентября, в котором не уточнялось, когда закончится период действия начальных тарифов, теперь Google подтверждает, что сниженные цены будут действовать до 30 ноября 2026 года.

С 1 декабря стандартная цена общедоступного API удвоится и составит 4 доллара за миллион входных токенов и 20 долларов за миллион выходных.

Таким образом, у корпоративных клиентов будет четко определенный, сравнительно короткий срок, чтобы оценить Argon по более низкой цене, прежде чем рассчитывать затраты на долгосрочное использование модели в производственных системах.

Стандартные розничные цены API за миллион токенов. В них не учтены дополнительные расходы на инструменты, инфраструктуру и другие услуги. Начальная цена Gemini 4 Argon за миллион кэшированных входных токенов составляет 0,10 доллара.

По начальной цене каждый входной и выходной токен Argon обходится вдвое дешевле, чем у Claude Opus 5.5, и в пять раз дешевле, чем у GPT-6 Astra.

С декабря базовая цена модели окажется в одной категории с Claude Opus 5.5 и Meta Muse Wonder.

Разумеется, стоимость токенов сама по себе дает лишь часть картины. Разные модели расходуют разное количество токенов на рассуждения, требуют разного числа попыток и неодинаково эффективно справляются с задачами.

Кроме того, Argon предлагает необычно большой лимит на рассуждения через API. Google описывает единый лимит до 1 миллиона входных и выходных токенов, для работы с которым предусмотрен специальный протокол продолжения ответа, предназначенный для исключительно сложных задач.

Это описание уточняет важный момент в первоначальном объявлении Google от 30 сентября, где говорилось о новом лимите в 1 миллион выходных токенов вместо 64 000.

В новом объявлении вместо этого подчеркивается совокупный лимит входных и выходных токенов, доступный через специальный протокол API. В предоставленных материалах Google не пояснила, как именно этот лимит соотносится с максимальным числом токенов, которое разработчики могут получить в одном непрерывном ответе.

Виттвин также предостерегает разработчиков от того, чтобы считать эту специальную возможность обычным режимом работы модели в приложении Gemini или других потребительских продуктах.

Для работы с расширенным лимитом требуется настроить API. По мнению Виттвина, наиболее перспективны здесь научные и узкоспециализированные процессы, для которых необходимы сотни тысяч токенов рассуждений.

Большинству компаний он советует сначала оценить уже существующие рабочие процессы, а не перестраивать системы ради использования расширенного лимита.

Главная возможность для Google: ИИ-основа для всей экосистемы компании

Запуск Argon состоялся на фоне того, что Google, OpenAI, Anthropic и Meta все активнее конкурируют не только в сфере интеллекта моделей, но и в полезности своих полноценных ИИ-платформ.

Расширение доступа также стало важным событием для ИИ-подразделения Google, которое критиковали за темпы разработки флагманских моделей и неоднократные изменения в руководстве исследовательских команд.

Как сообщала VentureBeat после первого анонса Argon, предыдущая флагманская линейка Gemini 3 вышла в ноябре 2025 года, а затем OpenAI и Anthropic представили более новые модели, которые обошли ее в важных тестах.

В июле Reuters сообщало об обеспокоенности инвесторов задержками выпуска Gemini 3.5 Pro, значительными расходами на инфраструктуру и уходом сотрудников из ИИ-команд Google.

В августе, согласно сообщению Axios о реорганизации руководства, многолетний генеральный директор Google DeepMind Демис Хассабис перешел на должность председателя совета директоров и главного научного сотрудника Alphabet, а руководителем DeepMind стал Кавукчуоглу.

На этом фоне способность Google разработать, развернуть и теперь вывести Argon на коммерческий рынок позволяет ответить на вопрос, сможет ли компания не отставать от ведущих разработчиков флагманских моделей, даже если не обойдет их с явным преимуществом во всех тестах.

Преимущество Google заключается в широком спектре инфраструктуры и продуктов, через которые компания может распространять Argon.

Модель доступна через Gemini API и корпоративные предложения Google, а Antigravity встраивает ее в процессы разработки ПО. Разработчики Android могут пользоваться ей через Android Studio и Firebase AI Logic.

Тем временем приложение Gemini получает больше агентных функций, в том числе возможность выполнять длительные задачи, пока пользователь отошел от компьютера, и подключения к более чем 40 внешним приложениям.

Виттвин считает, что продуктовая экосистема занимает центральное место в стратегии Google.

По его мнению, Argon не обязательно должна выигрывать каждый независимый тест, чтобы принести Google успех. Компании достаточно создать достаточно мощную флагманскую модель, которую существующие клиенты Google смогут использовать во все более функциональных программных решениях и бизнес-процессах.

Это может быть особенно важно для компаний, уже использующих Google Cloud, Gemini и Workspace: они могут предпочесть расширить действующие внедрения, а не переходить на стек ИИ другого поставщика для каждой специализированной задачи.

Виттвин также ожидает дальнейшего совершенствования линейки Gemini 4, хотя компания пока не объявила дату публичного выпуска следующей версии после Argon.

Так, 10 октября Business Insider сообщил, что сотрудники Google уже тестируют обновленные внутренние версии Gemini 4 под кодовыми названиями Barium и Carbon. По словам некоторых тестировщиков, возможности моделей в программировании заметно улучшились. Google отказалась комментировать внутреннее тестирование и планы по будущему выпуску.

Эта возможность показывает, насколько быстро может измениться конкурентная ситуация, даже до окончания действия начальных цен на Argon.

Поэтому для руководителей в сфере корпоративных технологий главный вопрос сейчас не в том, сможет ли Argon занять первое место во всех рейтингах ИИ. Важнее понять, обеспечит ли сочетание рассуждений, визуального интеллекта, автоматизации, интеграции с инструментами разработки и выгодной цены надежные результаты на конкретных задачах компании.

Ответ даст тестирование в реальных условиях. Но теперь, когда Argon стала широко доступна платным клиентам, Google значительно укрепила свои позиции в борьбе за корпоративное внедрение ИИ.