Gemini 4 Argon уже запустили, но открыть её в обычном чате пока нельзя. Google сначала дала модель доверенным специалистам по кибербезопасности. Разработчики, компании и обычные пользователи ждут своей очереди.
Контраст любопытный. Argon рассчитана на длинные цепочки работы и может выдавать до 1 млн токенов. При этом стартовая цена API — $2 за миллион входных токенов и $10 за миллион выходных. Для фронтирной модели это довольно агрессивно.
Gemini 4 Argon — не очередной чат-бот
Google описывает Argon как модель для сложных рабочих процессов. Здесь речь о задачах, где нужно долго держать контекст, обращаться к инструментам, проверять промежуточные результаты и возвращаться к работе после ошибок.
В списке Google — разработка ПО, корпоративные задачи в юридической и финансовой сферах, исследования и поиск уязвимостей. Модель оценивают по всему процессу. Одного удачного ответа уже мало.
Агент на такой базе может получить большой репозиторий, разобраться в структуре проекта, найти подозрительный участок, предложить исправление, запустить проверки и описать изменения. Каждый шаг знакомый. Сложность в другом: не потерять цель после десятков промежуточных действий.
Тут и пригодится большой объём вывода. Короткий ответ легко получить почти от любой сильной модели. Длинное исследование, рефакторинг или аудит кода требуют места для рассуждений, заметок и результатов вызванных инструментов.
Цена Gemini 4 Argon выглядит интереснее самого анонса
На старте Google указывает $2 за миллион входных токенов и $10 за миллион выходных. Во вход входят запрос, документы, история диалога и данные подключённых инструментов. Выход — всё, что модель генерирует, включая длинные рассуждения и итоговый ответ.
Кэшированные входные токены стоят на 95% дешевле обычных. Если агент много раз обращается к одному репозиторию, базе знаний или набору инструкций, повторно оплачивать весь контекст по полной ставке не придётся.
Для обычного вопроса скидка почти незаметна. Для долгого агента она уже влияет на архитектуру. Большая часть данных может оставаться неизменной, а модель будет получать только новые файлы, результаты тестов или указания на следующий шаг.
Но $2 — цена входа, а не всей задачи. Длинный агентный прогон может собрать много выходных токенов, вызвать инструменты и повторить неудачный этап. Поэтому считать стоит стоимость завершённого процесса, а не одного запроса.
Почему Google пока не открывает Gemini 4 Argon всем
Google запускает модель поэтапно. Сейчас Argon разворачивается в Fairwind Program для проверенных специалистов по киберзащите. Компания также участвует в добровольной американской процедуре предварительного доступа к мощным моделям.
Особенно чувствительна кибербезопасность. Argon должна помогать находить уязвимости, но такие возможности нельзя бездумно выдавать каждому пользователю с API-ключом. Поэтому Google сначала собирает обратную связь от тестировщиков и допиливает защитные ограничения.
Сроков полноценного запуска Google не назвала. Компания обещает расширять доступ разработчикам, бизнесу и потребителям по мере готовности. Цена уже опубликована, а воспользоваться ею пока нельзя.
Что это меняет для креаторов и небольших команд
На первый взгляд Argon предназначена инженерам и крупным компаниям. Но длинные агентные задачи постепенно приходят в креативную работу. Сценарий, раскадровка, референсы, таблица сцен, версии промтов, исходники и монтажные заметки быстро складываются в один большой рабочий контекст.
Креатору такая модель пригодится для связки действий:
• разобрать бриф и выделить ограничения; • собрать структуру рекламного ролика; • проверить сцены на противоречия; • подготовить промты под разные кадры; • вести таблицу персонажей, локаций и реквизита; • сравнить версии; • оформить материалы для клиента.
Сейчас для этого часто используют несколько чатов, заметки и ручные костыли. Модель с длинным контекстом сможет держать проект целиком. Но только при нормальной структуре данных. Если загрузить всё подряд, получится цифровой шкаф с носками.
Я бы начал с карты проекта, а не с гигантского промта. Отдельно — задача клиента, обязательные факты, допустимые предложения и действия, которым нужно подтверждение. Такой подход пригодится с любой агентной моделью.
Как проверять Gemini 4 Argon, когда доступ появится
Первый тест лучше строить вокруг рабочего сценария, а не красивого демо. Возьмите папку с материалами кампании, попросите найти противоречия в брифе, предложить три концепции и собрать таблицу сцен с обязательными элементами.
Проверять стоит пять вещей:
1. Сохраняет ли модель исходные ограничения после длинной цепочки действий. 2. Отличает ли факты из материалов от собственных предположений. 3. Просит ли подтверждение перед рискованным действием. 4. Восстанавливается ли после ошибки инструмента. 5. Сколько токенов и времени уходит на готовый результат.
Последний пункт особенно важен. Большой вывод сам по себе не делает результат полезным. Если модель повторяет уже проверенное и заполняет ответ лишними рассуждениями, счёт растёт, а качество остаётся прежним.
Для API-команды я бы сразу добавил журнал действий: какой контекст отправили, какие инструменты вызвали, сколько токенов потратили и где агент ошибся. Без журнала сравнить Argon с альтернативами будет сложно. Одного удачного прогона для оценки мало.
Главный вопрос — контроль
Gemini 4 Argon показывает направление, в котором Google развивает линейку. Компания делает ставку на длинные автономные процессы: код, исследования, корпоративные документы и киберзащиту. Большой контекст и дешёвый повторный вход должны сделать такие сценарии практичнее.
Пока это обещание, а не публичный рабочий инструмент. Обычные пользователи не могут проверить стабильность, скорость и реальную стоимость длинной задачи. Даже заявленная цена станет по-настоящему интересной, когда появятся лимиты, правила доступа и живые тесты.
Другие разборы новых AI-моделей — в статьях SAMI Studio
