Google открыла широкий доступ к Gemini 4 Argon и временно снизила цены API до $2/$10 за миллион токенов

Широкий запуск состоялся через 13 дней после первого представления Argon 30 сентября. Тогда Google открыла доступ только одобренным специалистам по защите кибербезопасности в рамках программы Fairwind, параллельно проводя дополнительные проверки безопасности и участвуя в добровольной американской программе предварительного доступа к моделям. Компания обещала расширить доступ как можно скорее, но не называла дату.

Теперь Argon доступна через платный Gemini API, Google AI Studio, среду разработки с ИИ-агентами Antigravity и подходящие подписки Gemini Enterprise. Подписчики Google AI Pro и Ultra также могут обращаться к модели в приложении Gemini и режиме ИИ в поиске. Для индивидуальных подписчиков доступ к Argon в Antigravity требует более дорогой подписки Ultra.

Корпоративные клиенты получили широкую возможность сравнить самую способную из публично доступных моделей Google с системами OpenAI, Anthropic и Meta. Запуск также показывает, как сама Google применяет Argon в сложных инженерных и деловых задачах.

По новому сообщению компании, более 100 000 сотрудников Google ежемесячно используют Argon во внутренней версии Antigravity. За четыре недели инженерные команды увеличили число отправок кода ИИ-агентами на 35%, а число откатов уже отправленного кода сократили на 30%.

В то же время независимые проверки дают менее однозначную картину конкурентоспособности модели, чем бенчмарки Google, где Argon показывает заметный прогресс в профессиональных и технических задачах.

Сэм Виттевин, генеральный директор и сооснователь компании Red Dragon AI, занимающейся корпоративным консалтингом и обучением в области ИИ, а также ведущий и партнёр VentureBeat, тестировал Argon перед расширением доступа.

В обзоре для VentureBeat он назвал модель очень хорошей, но усомнился, что она лучшая на рынке.

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

Как Google применяет Argon в инженерных задачах

В подтверждение запуска Google приводит подробные примеры того, как Argon справляется с задачами, для которых обычно нужны специализированные инженерные команды и много времени.

Один из самых заметных примеров связан с Chrome. По словам Google, Argon помогла реорганизовать устаревшую папку с примерно 6 миллионами строк кода функций браузера. Она входит в Chromium — кодовую базу объёмом около 40 миллионов строк.

Модель помогла отделить базовые функции обработки веб-страниц от кода отдельных возможностей браузера. Архитектурные изменения затронули сотни файлов.

По оценке Google, работа, на которую прежде ожидали потратить месяцы, заняла недели. В перспективе изменения позволят перемещать веб-страницы между вкладками, боковыми панелями и плавающими окнами без перезагрузки и помогут устранить некоторые сбои.

Команда Google Agent Development Kit поручила Argon найти способы ускорить работу открытого Python-фреймворка для создания ИИ-агентов.

Получив короткую задачу и уже существующие инструкции команды, модель работала ночью и нашла оптимизации. По данным Google, они сократили на 40% время подготовки сессий в памяти для долгих сеансов и ускорили на 21% холодный импорт. Улучшения добавили в общедоступную кодовую базу ADK для Python.

Google также сообщает, что Argon помогла оптимизировать инференс небольшой модели Gemma 4 E2B. На графическом процессоре Nvidia A100 пропускная способность выросла примерно с 37 900 до более чем 108 000 токенов в секунду, при этом выход модели остался идентичным.

Эти примеры иллюстрируют позицию Google: ценность Argon не ограничивается написанием кода. Модель может исследовать крупные системы, предлагать изменения, проверять результат и повторять работу, добиваясь измеримых улучшений.

В другом внутреннем испытании Argon проанализировала 134 старые программные ошибки и менее чем за три часа определила, что 97 из них устарели или дублируют друг друга. Для обоснования выводов модель использовала историю изменений кода и производственную телеметрию.

Примеры Google подробно описывают применение ИИ в работе, но это результаты самой компании, а не выводы независимой проверки в корпоративной среде.

Независимые бенчмарки: лидер в профессиональных задачах, но не во всех

Две крупные независимые организации предлагают разные оценки возможностей Argon.

Vals AI оценивает модели на профессиональных задачах в финансах, юридической сфере, программировании и налогообложении. Взвешенный по ВВП индекс Vals Index ставит Argon на первое место.

По состоянию на 12 октября результат Argon составил 68,90%. Далее идут Claude Sonnet 5.5 с 67,04% и Claude Opus 5.5 с 66,97%.

В бенчмарке Finance Agent v2 Argon набрала 65,40% — это также первое место среди проверенных моделей.

Результаты подтверждают, что Argon конкурентоспособна в профессиональных процессах, где нужны специальные знания и длительное рассуждение. Они также согласуются с преимуществами, которые Google отмечала при анонсе модели 30 сентября.

В сравнении Google Argon набрала 19,6% в юридическом бенчмарке Harvey Legal Agent бенчмарк. Для OpenAI GPT-6 Astra результат составил 5,4%, для Anthropic Claude Opus 5.5 — 3,8%. В Zapier AutomationBench, который проверяет способность ИИ-систем выполнять многошаговые деловые процессы, Argon получила 51,3%. У Opus 5.5 результат составил 42,5%, у Astra — 41,4%.

Модель также показала хороший результат в DeepSWE v1.1 — бенчмарке продолжительных задач по программной инженерии. Argon набрала 77,9%, Opus — 74,2%, Astra — 74,1%.

Но в собственных сравнениях Google указала и задачи, где конкуренты впереди. В Terminal-Bench 4.0, который оценивает выполнение задач по программированию через командную строку, Opus 5.5 набрала 66,4% против 57,4% у Argon.

Это ранее опубликованные Google сравнения, а не новый набор независимых проверок, проведённых при запуске. Но они показывают, что в разных корпоративных задачах лидировать могут разные модели.

Artificial Analysis оценивает рассуждение, знания, математику, программирование и работу ИИ-агентов. В её Intelligence Index Argon получила 53 балла.

Это столько же, сколько у OpenAI GPT-6 Astra и Anthropic Claude Fable 5.1, но меньше, чем у Claude Opus 5.5, Claude Sonnet 5.5 и Meta Muse Wonder Full, выпущенной накануне.

Источники: оценки моделей Artificial Analysis по состоянию на 13 октября 2026 года. Более высокий результат означает лучшую производительность. Итоги отражают проверенные настройки рассуждения; публичный доступ к API есть не у всех моделей.

Для корпоративных покупателей разница между результатами важна. Общий бенчмарк помогает оценить технические возможности, но не показывает, какая модель лучше подойдёт для программ, данных и рабочих процессов конкретной организации.

По словам Виттевина, Argon особенно хорошо проявляет себя в задачах, где сочетаются понимание изображений, создание программ и работа с творческими материалами.

В одном испытании он попросил модель сделать музыкальное приложение в браузере по образцу Propellerheads ReBirth. В приложении должны были быть синтезированные звуки, драм-машины, фильтры и пошаговый секвенсор в духе классического оборудования Roland.

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

Виттевин также отмечает примеры Google с анимацией в Blender, трёхмерными средами и интерактивными визуализациями. Для таких задач ИИ-системе нужно написать код, получить результат, проверить его и при необходимости внести изменения. По оценке Виттевина, модель хорошо обобщает знания.

Однако он сомневается, что нынешняя среда разработки Google сможет заменить привычные инструменты у разработчиков, которым прежде всего нужны автономные системы для создания программ. Виттевин считает, что Antigravity пока заметно уступает Claude Code и Codex.

Эта оценка отделяет способности самой модели от качества инструментов разработки вокруг неё. При выборе полноценной системы для программирования компаниям важно учитывать и то и другое, а не только возможности API.

От кибербезопасности к робототехнике

Google также показывает применение Argon в кибербезопасности, научных расчётах и физической робототехнике.

По сообщению компании, Wiz с помощью Argon в рамках инициативы Scan for Good обнаружила и устранила серьёзную уязвимость в программном обеспечении для здравоохранения. Уязвимость могла раскрыть главный ключ, дать доступ на уровне администратора и привести к компрометации большого объёма конфиденциальных данных пациентов.

Google расширяет программу Fairwind, подключая к ней сотни дополнительных одобренных партнёров по кибербезопасности. Участникам, работающим над защитой систем, также предоставят версии модели без некоторых ограничений, связанных с кибербезопасностью.

По данным Google, доля успешных атак в бенчмарке Gray Swan Indirect Prompt Injection составила 0,7% за 15 адаптивных попыток. Компания также заявляет, что обучала Argon соблюдать ограничения системы и останавливаться перед необратимыми действиями. В оценках программирования число попыток несанкционированно обойти правила снизилось до 2%.

Эти результаты выглядят обнадёживающе, но корпоративным пользователям всё равно нужны собственные проверки, контроль доступа и одобрение человека для действий с серьёзными последствиями.

В научных задачах исследователи Google, по их словам, использовали Argon для ускорения вычислений в квантовых компьютерах, оптимизации программ для молекулярного моделирования и разработки пяти новых ферментов. Их каталитическую активность позднее подтвердили лабораторными экспериментами.

Ещё одним потенциальным направлением Google называет робототехнику.

По данным компании, Argon набрала 87% в бенчмарке Embodied рассуждение Question Answering, который проверяет пространственное и физическое рассуждение. В сравнении, опубликованном вместе с запуском, результат оказался выше, чем у Claude Opus 5.5 и GPT-6 Astra.

В одном испытании Argon изучила видео с человеком, играющим в корнхол, написала код симуляции и сгенерировала последовательность движений. Её перенесли на человекоподобного робота Apollo компании Apptronik. По сообщению Google, робот семь раз подряд попал мешком в цель.

В другом примере Argon создала симулированную среду для роботизированной задачи по рисунку от руки.

Google развивает свою передовую модель не только для понимания языка и создания программ, но и для разработки, оценки и управления физическими средами в симуляции. Такие среды могут помочь роботам выполнять задачи в реальном мире.

Цены на Argon: $2 за миллион входных токенов до 1 декабря

На старте Google установила цену $2 за миллион входных токенов и $10 за миллион выходных. На входные токены из кэша действует скидка 95%.

В отличие от объявления 30 сентября, где срок действия стартовых цен не указывался, теперь Google подтвердила, что они сохранятся до 30 ноября 2026 года.

С 1 декабря стандартная цена API удвоится: до $4 за миллион входных токенов и $20 за миллион выходных.

Таким образом, у корпоративных покупателей есть ограниченное время, чтобы проверить Argon по сниженным ценам, прежде чем оценивать стоимость долгосрочного использования в производственных процессах.

Стандартные цены API за миллион токенов. В них не включены дополнительные расходы на инструменты, инфраструктуру и другие услуги. Стартовая цена миллиона входных токенов Argon из кэша — $0,10.

По стартовой цене входные и выходные токены Argon обходятся вдвое дешевле, чем у Claude Opus 5.5, и в пять раз дешевле, чем у GPT-6 Astra.

С декабря базовая цена Argon окажется в одном диапазоне с Claude Opus 5.5 и Meta Muse Wonder.

Однако стоимость токенов показывает лишь часть картины. Модели расходуют разное число токенов на рассуждение, могут требовать разного количества попыток и неодинаково справляются с задачами.

У Argon также необычно большой бюджет рассуждения через API. Google описывает единый лимит до 1 миллиона входных и выходных токенов, который поддерживается протоколом продолжения для особенно сложных задач.

В этом есть уточнение к анонсу Google от 30 сентября. Тогда компания сообщала о новом пределе в 1 миллион выходных токенов — вместо 64 000.

Теперь Google говорит о совокупном лимите входных и выходных токенов, доступном через специальный протокол API. В опубликованных материалах компания не уточнила, как этот лимит соотносится с максимальным числом токенов, которое разработчик может получить в одном непрерывном ответе.

Виттевин тоже предупреждает, что эту специальную возможность не следует считать обычным режимом работы модели в приложении Gemini и других пользовательских продуктах.

Для расширенного режима нужна настройка API. По оценке Виттевина, лучше всего он подойдёт для научных и других узкоспециализированных процессов, где требуется сотни тысяч токенов на рассуждение.

Большинству компаний он советует сначала проверить Argon на привычных задачах, прежде чем перестраивать системы ради увеличенного лимита.

Роль Argon в экосистеме Google

Google, OpenAI, Anthropic и Meta всё чаще конкурируют не только качеством моделей, но и полезностью целых ИИ-платформ.

Запуск также важен для подразделения Google, занимающегося ИИ: темп разработки передовых моделей компании критиковали, а в руководстве исследовательских команд происходили изменения.

Как ранее сообщал VentureBeat, предыдущее семейство флагманских моделей Google, Gemini 3, вышло в ноябре 2025 года. Затем OpenAI и Anthropic представили более новые модели, которые обошли его в важных проверках.

В июле Reuters сообщило об опасениях инвесторов из-за задержки Gemini 3.5 Pro, крупных расходов на инфраструктуру и ухода сотрудников из команд Google по ИИ.

В августе Axios рассказал о перестановках в руководстве. Генеральный директор Google DeepMind Демис Хассабис перешёл на должность председателя совета директоров и главного научного сотрудника Alphabet, а Кавукчуоглу возглавил DeepMind.

На этом фоне способность Google создать, внедрить и начать продавать Argon служит ответом на вопрос, сможет ли компания удержаться рядом с ведущими разработчиками передовых моделей, даже если она не обходит конкурентов во всех испытаниях.

Преимущество Google — в широте инфраструктуры и продуктов, через которые компания может распространять Argon.

Модель доступна в Gemini API и корпоративных продуктах Google, а Antigravity встраивает её в рабочие процессы программирования. Разработчики Android могут использовать Argon через Android Studio и Firebase AI Logic.

Приложение Gemini тем временем получает больше функций ИИ-агента, в том числе длительные задачи, которые продолжаются, пока пользователь отошёл от компьютера, и подключение более чем к 40 внешним приложениям.

Виттевин считает, что эта продуктовая экосистема играет центральную роль в стратегии Google.

По его оценке, Argon не обязательно должна побеждать во всех независимых проверках. Google достаточно иметь передовую модель, которую существующие клиенты смогут подключать к более функциональным программам и бизнес-процессам.

Это может оказаться важным для компаний, уже использующих Google Cloud, Gemini и Workspace: им может быть проще расширять существующие внедрения, чем подключать ИИ-платформу другого поставщика для каждой отдельной задачи.

Виттевин также ожидает, что Google продолжит улучшать семейство Gemini 4, хотя компания не объявляла дату выхода модели на смену Argon.

10 октября Business Insider сообщил, что сотрудники Google уже тестируют обновлённые внутренние версии Gemini 4 под кодовыми именами Barium и Carbon. Некоторые участники тестирования отмечали, что модели заметно лучше справляются с программированием. Google не стала комментировать внутренние испытания и планы будущего выпуска.

Это означает, что расстановка сил может быстро измениться — ещё до окончания срока действия стартовых цен Argon.

Поэтому для руководителей, отвечающих за корпоративные технологии, важнее не то, сможет ли Argon получить самый высокий балл во всех рейтингах, а то, даст ли сочетание рассуждения, понимания изображений, автоматизации, интеграции с инструментами разработки и цены надёжный результат на задачах их компаний.

Ответ зависит от проверок в производственной среде. Но теперь, когда Argon широко доступна платным пользователям, Google укрепила свои позиции в борьбе за корпоративное применение ИИ.