Google представила Gemini 4 Argon: фокус на кибербезопасности и сложных корпоративных задачах

Google официально представила Gemini 4 Argon — новую передовую модель (frontier model), разработанную для решения сложных, многоэтапных задач в реальных условиях. Основной упор сделан на программную инженерию, корпоративную интеллектуальную работу в сферах права и финансов, а также на кибербезопасность.

В данный момент доступ к модели ограничен: она разворачивается для доверенных специалистов по киберзащите в рамках программы Fairwind. Это подчеркивает осторожный подход компании к релизу мощных систем искусственного интеллекта.

Контекст

Индустрия больших языковых моделей (LLM) постепенно переходит от создания универсальных чат-ботов к разработке специализированных агентов, способных выполнять длительные рабочие процессы. Для таких задач критически важны объем контекста и способность модели удерживать логику на протяжении множества шагов.

Google уже активно использует Argon внутри компании. Тысячи сотрудников применяют модель для оптимизации квантовых алгоритмов, анализа телеметрии дата-центров и масштабной миграции кодовых баз. Это демонстрирует, что разработчики стремятся сначала доказать эффективность инструмента на собственных сложных инфраструктурах, прежде чем предлагать его широкому рынку.

Детали

Ключевым техническим обновлением стало расширение лимита выходных токенов и поддержка контекстного окна в 1 миллион токенов. Это позволяет модели обрабатывать огромные массивы данных за один проход, не теряя нить рассуждений.

Модель демонстрирует впечатляющие результаты в реальных задачах. Например, при переводе библиотеки декодирования видео libgav1 с C/C++ на Rust, агенты Argon не просто переписали код, но и провели множество экспериментов по профилированию. В результате получился безопасный для памяти код, работающий в 2.7 раза быстрее первоначального порта на Rust.

Стоимость использования Argon составит 2 доллара за миллион входных токенов и 10 долларов за миллион выходных. При этом кешированные входные токены получат скидку в 95%, что делает работу с большими неизменными контекстами значительно дешевле.

На бенчмарках модель показывает лидирующие позиции: 77.9% в DeepSWE v1.1 (программная инженерия), 51.3% в AutomationBench (выполнение бизнес-функций) и 91.7% в LVBench (понимание длинных видео).

Анализ

Особого внимания заслуживают возможности Argon в сфере кибербезопасности. Модель обучена автономно находить, проверять и устранять критические уязвимости в программном обеспечении. На тесте CWE-bench v1 модель достигла результата в 68%.

Компания Wiz уже использует Argon для выявления рисков в критической инфраструктуре. В одном из случаев модель обнаружила серьезную уязвимость в медицинском программном обеспечении, которую пропустили предыдущие поколения ИИ. Это открывает новые перспективы для автоматизации аудита безопасности, где ИИ выступает не просто советником, а активным защитником.

Перспектива

Google делает серьезный акцент на безопасности перед широким релизом. Компания внедряет защиту от косвенных инъекций промптов (indirect prompt injections) и механизмы мониторинга цепи рассуждений (chain-of-thought), чтобы предотвратить отклонение модели от намерений пользователя.

Такой подход показывает, что по мере роста автономности ИИ-систем, главным вызовом становится не столько наращивание их интеллекта, сколько обеспечение надежного контроля и изоляции в защищенных средах (sandboxes). Широкое внедрение подобных моделей потребует от бизнеса пересмотра стандартов корпоративной безопасности и доверия к алгоритмам.