Google представила Gemini 4 Argon и вернула лидерство в бенчмарках у OpenAI и Anthropic — пока доступ ограничен

Модель пока нельзя получить широко. Google начала предоставлять Argon проверенным специалистам по киберзащите в рамках программы Fairwind, о запуске которой компания сообщила ранее в этом месяце. Кроме того, Google участвует в добровольной правительственной программе США по предварительному доступу к моделям.

По данным публикации в блоге Google, которую VentureBeat изучило до её выхода, компания планирует как можно скорее открыть доступ разработчикам, организациям и обычным пользователям. Сначала модель появится у клиентов с платным доступом к API и подписчиков Google AI Ultra.

Для корпоративных заказчиков анонс важен прежде всего как сигнал: после нескольких месяцев давления со стороны OpenAI и Anthropic Google пытается вернуть позиции среди передовых моделей. Argon компания представляет как решение для трёх сфер, на которые бизнес уже тратит деньги: разработки ПО, профессиональной интеллектуальной работы и кибербезопасности.

Результаты бенчмарков

Google не утверждает, что Gemini 4 Argon выигрывает каждый бенчмарк. Однако в таблице из материалов компании модель набирает больше высших результатов или делит первое место чаще, чем GPT-6 Astra и Claude Opus 5.5.

Из 18 опубликованных бенчмарков Argon единолично лидирует в 12 и делит первое место ещё в одном. GPT-6 Astra занимает первое место в трёх тестах и один раз делит его с Argon. Claude Opus 5.5 лидирует в двух. По числу первых мест и результатов, разделённых с конкурентами, Argon становится лидером сравнения Google. При этом соперничество остаётся плотным: у OpenAI и Anthropic сохраняются преимущества в нескольких важных технических категориях.

Особенно заметны результаты Argon в корпоративных задачах и работе с длинным контекстом:

Argon также опережает конкурентов в финансах, программировании и понимании мультимодальных данных:

Эти результаты поддерживают более общий тезис Google: Argon особенно хорошо справляется с задачами, которые компании, вероятно, будут оценивать в первую очередь, — юридическим и финансовым анализом, программированием, автоматизацией бизнеса, рассуждениями в длинном контексте, мультимодальным пониманием и защитной кибербезопасностью. В бенчмарке CWE-bench v1 на устранение уязвимостей Argon и GPT-6 Astra набрали по 68%, а Claude Opus 5.5 — 67%.

Но таблица показывает и то, что соперничество ещё не решено. Наибольший отрыв от Argon у GPT-6 Astra — в FrontierSWE v2 и Terminal-Bench Science 0.1. В обоих случаях Astra опережает Argon на 10,5 процентного пункта: 65,5% против 55,0% и 68,1% против 57,6% соответственно. Самое крупное преимущество Claude Opus 5.5 над Argon — в Terminal-bench 4.0: 66,4% против 57,4%, разница составляет 9 пунктов. Opus также лидирует в PostTrainBench, набрав 49,3% против 45,3% у Argon.

Поэтому Argon точнее называть моделью с самым широким набором высших результатов среди трёх систем в сравнении Google, а не лучшей во всех задачах. GPT-6 Astra сохраняет преимущество в нескольких тестах на программирование, научные задачи в терминале и работу с компьютером. Claude Opus 5.5 впереди в задачах с терминальными агентами и постобучением. Выбор модели для бизнеса по-прежнему зависит от конкретной нагрузки, хотя теперь у Google есть наиболее убедительный на сегодня аргумент в пользу общего лидерства по числу первых мест.

Разработчикам и ИТ-директорам для смены конкурентной расстановки не нужен полный разгром соперников. Argon занимает первое место или делит его в 13 из 18 опубликованных категорий — это больше высших результатов, чем у конкурентов в сравнении. Но отставание в FrontierSWE v2, Terminal-Bench Science 0.1 и Terminal-bench 4.0 показывает, что у OpenAI и Anthropic остаются отдельные технические преимущества. Гонка передовых моделей близка, но Google теперь может утверждать, что лидирует по широте результатов.

Argon также увеличивает предел объёма генерируемого текста. По словам Google, модель поддерживает до 1 миллиона выходных токенов — против прежнего ограничения в 64 000. Это может быть полезно в задачах с ИИ-агентами, связанных с разработкой ПО, аудитом, миграцией и юридической проверкой: в них ценность модели часто зависит от того, как долго она может выполнять цепочку работы, прежде чем передать управление человеку.

| Бенчмарков в сравнении :: 18 | Лидерство или ничья Argon :: 13 | Выходных токенов :: 1 млн

Как Google уже использует Argon

Внутри Google моделью уже пользуются тысячи сотрудников — для специализированных задач по программированию, углублённых исследований и написания текстов.

Google приводит несколько примеров. Argon помог исследователям в области квантовых вычислений оптимизировать использование пространства-времени для ресурсоёмких подпрограмм и, как утверждает компания, за несколько минут превзошёл опубликованный базовый результат на 40%. Агенты на базе Argon проанализировали данные профилирования всего парка серверов и нашли способы оптимизировать использование памяти. После внедрения эти изменения должны освободить в дата-центрах Google более 300 TiB; общий ожидаемый объём экономии составляет от 500 TiB до 1 PiB. Кроме того, агенты помогают переносить кодовые базы с C/C++ на Rust, в том числе основные библиотеки и ядро Zircon операционной системы Fuchsia.

Самый подробно описанный пример из разработки связан с libgav1, видеодекодером Google с открытым исходным кодом.

По данным блога компании, агенты Argon взяли готовый порт на Rust и заменили 32 000 строк кода SIMD. Они проводили эксперименты с опорой на профилирование, анализировали вывод компилятора и создавали безопасный код на Rust, который компилятор мог автоматически векторизовать. Google утверждает, что получившийся безопасный для памяти декодер работает в 2,7 раза быстрее версии на Rust и при этом выдаёт идентичный видеорезультат.

Вторая ключевая область применения Argon — кибербезопасность. Google заявляет, что модель способна самостоятельно находить и проверять критические уязвимости в ПО, а затем устранять их. Проверенным специалистам по защите и собственным командам Google компания предоставит Argon без киберзащитных ограничений, чтобы те могли использовать все возможности модели для обороны.

По словам Google, Argon уже применяет компания Wiz в рамках инициативы Scan for Good, направленной на защиту важной общественной инфраструктуры. Модель обнаружила критическую уязвимость, из-за которой могли раскрыться конфиденциальные персональные данные в медицинском ПО, используемом больницами по всему миру.

Запуск для киберзащиты Google сопровождает сообщениями о безопасности. До широкого распространения компания усиливает защиту от злоупотреблений в кибербезопасности и сфере химических, биологических, радиологических и ядерных угроз — CBRN, — а также от косвенных атак через внедрение промтов, рассогласования модели и небезопасной среды для ИИ-агентов.

В бенчмарке Gray Swan на устойчивость к косвенному внедрению промтов, результаты которого приведены в блоге, доля успешных атак на Gemini 4 Argon составляет 0,7%. Для Claude Opus 5.5 и Claude Fable 5.1 этот показатель равен 1,0%, для GPT-6 Astra — 8,5%, для GPT-6 Sol — 27,0%, для GLM 5.3 — 31,5%, а для Grok 4.8 — 51,8%.

Цена и доступность

Google дополняет заявления о результатах Argon низкими стартовыми ценами на API. В начале использование модели будет стоить $2 за миллион входных токенов и $10 за миллион выходных. Входные токены из кэша обойдутся на 95% дешевле обычных — то есть $0,10 за миллион.

После вводного периода цена вырастет до $4 за миллион входных токенов и $20 за миллион выходных. Если скидка в 95% на входные токены из кэша сохранится, их цена после окончания этого периода составит $0,20 за миллион.

Цены дают Google два разных конкурентных преимущества. В течение вводного периода Argon стоит пятую часть от указанной цены API GPT-6 Astra: $10 за миллион входных и $50 за миллион выходных токенов, согласно странице цен API OpenAI. Модель также вдвое дешевле Claude Opus 5.5, за которую Anthropic берёт $4 за миллион входных и $20 за миллион выходных токенов.

После вводного периода стандартная цена Argon сравняется с базовой ценой Claude Opus 5.5 — $4 за миллион входных и $20 за миллион выходных токенов. При этом она останется ниже цены GPT-6 Astra: $10 за миллион входных и $50 за миллион выходных. Anthropic указывает цену чтения входных токенов из кэша Claude Opus 5.5 в $0,20 за миллион, а записи — в $5 за миллион. По опубликованным тарифам Google, входные токены из кэша Argon будут дешевле во время вводного периода и сопоставимы по цене после него.

Ограничение — доступность. Argon не выходит сразу в широкий доступ для разработчиков. Сначала Google предоставляет модель проверенным специалистам по киберзащите в рамках программы Fairwind; параллельно компания участвует в добровольной программе правительства США по предварительному доступу к моделям. Затем Google планирует открыть доступ разработчикам, организациям и обычным пользователям, начав с клиентов платного API и подписчиков Google AI Ultra.

Компания представляет Argon одновременно как модель с широким набором высших результатов и как более дешёвую альтернативу GPT-6 Astra от OpenAI и Claude Opus 5.5 от Anthropic — по крайней мере на время вводного периода.

Большинству клиентов всё равно придётся дождаться более широкого доступа к API, прежде чем они смогут проверить, помогают ли преимущества Argon в бенчмарках снизить реальные затраты на программирование, юридические и финансовые задачи и киберзащиту.

Удалось ли Google догнать конкурентов

Сроки анонса имеют значение. Google находится под давлением: компании нужно доказать, что она может конкурировать на вершине рынка моделей, а не только предлагать широкую дистрибуцию, инфраструктуру и более дешёвые модели Flash. На прошлой неделе The Verge сообщило, что новый руководитель Google DeepMind Корай Кавукчуоглу заявил: Gemini 4 находится на этапе доработки и может выйти задолго до конца года. Издание отметило, что после серии Gemini 3 в ноябре 2025 года Google не выпускала новую флагманскую модель, тогда как OpenAI и Anthropic продвинулись вперёд с GPT-6 и новыми моделями Claude.

Этому отставанию предшествовали несколько месяцев публичной критики. В июле Reuters сообщило, что инвесторов Alphabet тревожат задержка Gemini 3.5 Pro, рост расходов на инфраструктуру для ИИ и уход сотрудников из команд разработки. В августе Axios написало о крупных перестановках в руководстве направлением ИИ: Демис Хассабис покинул пост генерального директора Google DeepMind и стал председателем совета директоров и главным научным сотрудником Alphabet; Джефф Дин ушёл с должности главного научного сотрудника, чтобы основать компанию вместе с другими исследователями ИИ; Кавукчуоглу возглавил DeepMind и стал подчиняться Сундару Пичаи. Axios назвало эти изменения крупнейшей перестановкой в руководстве Google по ИИ со времён потрясений в OpenAI в 2023 году, но отметило, что Google не связывала её с задержками моделей.

Внешние публикации указывали и на более глубокие противоречия. MarketWatch сообщило, что на работу ИИ-подразделения Google повлияли уход специалистов, задержки моделей и внутренние разногласия о том, чему отдать приоритет: научным исследованиям, передовым возможностям моделей или коммерческим продуктам. Поэтому анонс Argon — это не только выпуск новой модели, но и ответ на представление о том, что у Google сильная команда исследователей, а темп выпуска передовых продуктов замедлился.

По крайней мере на бумаге Argon даёт Google более убедительный ответ на эту критику. Модель лидирует или делит первое место в нескольких бенчмарках, связанных с внедрением ИИ в компаниях: DeepSWE для длительных задач по программированию, CWE-bench для устранения уязвимостей, Vals Index для важной интеллектуальной работы, AutomationBench для выполнения бизнес-задач и Gray Swan IPI для устойчивости к атакам через внедрение промтов. Google также выбрала особый порядок запуска: сначала модель получат специалисты по киберзащите, пока компания завершает работу над мерами безопасности и участвует в правительственной программе предварительного доступа.

Вопрос корпоративного внедрения

Теперь Google предстоит доказать, что Argon можно успешно продавать и внедрять. Компаниям нужно больше информации о цене модели, ограничениях скорости запросов, правилах управления данными, доступных вариантах развёртывания и интеграции с Gemini API, Vertex AI, Google Cloud, Workspace и инструментами для разработчиков. У Google есть преимущество в распространении своих продуктов, но оно будет значимым только в том случае, если результаты Argon в бенчмарках подтвердятся в надёжной работе в реальных условиях.

Пока Gemini 4 Argon — самая ясная за последние месяцы попытка Google вернуться в разговор о передовых моделях на условиях корпоративного рынка. Компания делает упор не на характер чат-бота для обычных пользователей, а на способность ИИ-агента безопасно переписывать код, проверять системы, анализировать регулируемые сферы интеллектуальной работы и защищать ПО до того, как уязвимостями воспользуются злоумышленники.