AI Brain Today Китай, США, Европа — суть по-русски, ссылка на оригинал —Визиты читателей

← Выпуск 14 октября 2026

СМИ США

Gemini 4 Argon: создан для решения самых сложных задач

Источник: Google DeepMind Разбор: GPT-6 Astra
Иллюстрация к материалу: Gemini 4 Argon: создан для решения самых сложных задач

Главный смысл: Google представила Gemini 4 Argon — модель для длительных многошаговых задач в программировании, науке и работе с профессиональными документами. Компания делает акцент на выполнении сложных проектов: от переработки больших кодовых баз до подготовки решений, которые затем проверяют специалисты.

  • Доступ и цена. Google сообщает о запуске Argon через API для разработчиков и бизнеса, а также в приложении Gemini и поисковом AI Mode для подписчиков Google AI Pro и Ultra. Стартовая стоимость API — 2 доллара за миллион входных токенов и 10 долларов за миллион выходных. Единый лимит входа и выхода составляет миллион токенов: это не отдельный объём только для загружаемых материалов.
  • Программирование на практике. По внутренним данным Google, использование Argon в Antigravity увеличило число внесённых агентами изменений кода более чем на 35%, а число откатов сократилось почти на треть. В библиотеке Agent Development Kit компания заявляет сокращение времени подготовки сессии в памяти на 40% для длинных сессий; в статье приведены ссылки на изменения кода.
  • Научные результаты. Google описывает разработку пяти новых вариантов ферментов с помощью Argon и сообщает, что последующие лабораторные испытания подтвердили их каталитическую активность. Это конкретный эксперимент, а не доказательство универсальной способности модели самостоятельно проводить исследования.
  • Контроль действий. По опубликованным Google результатам, доля успешных атак со скрытыми инструкциями в тесте Gray Swan IPI составила 0,7% при 15 адаптивных попытках. Компания также описывает монитор, который отслеживает действия агента и блокирует неразрешённые обходные пути.

Что дальше: Важны независимые проверки: воспроизводятся ли заявленные улучшения на чужих проектах, сколько стоит полностью завершённая задача и как часто требуется вмешательство человека. Внутренние показатели Google и отдельные лабораторные примеры пока не подтверждают такую же надёжность в произвольной рабочей среде.

Читать оригинал на Google DeepMind ↗

Темы:Google и Gemini

Ещё в выпуске 14 октября 2026

По теме