Google Gemini 4 Argon выходит на глобальный рынок: в период продвижения цена API составляет одну пятую от цены конкурентов
13 октября по восточному времени США Google объявила о официальном запуске флагманской модели Gemini 4 Argon для пользователей по всему миру. Ранее эта модель предоставлялась только избранным партнерам в области кибербезопасности. Обычные пользователи могут получить доступ к модели, подписавшись на сервисы Google AI Pro или Ultra, а разработчики — через платный API. Максимальный объем вывода новой модели увеличен до 1 миллиона токенов, при этом особое внимание уделено оптимизации возможностей программирования, сложного логического мышления и управления роботами. В период продвижения ценообразование на API является крайне конкурентоспособным: стоимость ввода и вывода составляет всего одну пятую от цен основных конкурентов, что направлено на ускорение внедрения модели в корпоративные рабочие процессы и научные исследования.
13 октября по восточному времени США Google официально объявила о глобальном запуске своей флагманской ИИ-модели Gemini 4 Argon. На протяжении почти трех недель до этого модель была доступна только отобранным партнерам по кибербезопасности в рамках программы Fairwind. Глобальное открытие знаменует переход Google к новому этапу осторожной поэтапной стратегии выпуска, позволяющей профессиональным организациям выявить и устранить потенциальные уязвимости, после чего возможности модели будут предоставлены более широкому кругу потребителей и коммерческим структурам. Обычные пользователи могут воспользоваться моделью через приложение Gemini и режим поиска с ИИ, подписавшись на сервисы Google AI Pro или Ultra; разработчики получат доступ через платную версию Gemini API.
С технической точки зрения Gemini 4 Argon демонстрирует значительный прорыв: максимальный предел вывода токенов увеличен с предыдущих 64 тысяч до 1 миллиона. Это позволяет модели генерировать более длинные непрерывные выходные данные в фоновом режиме, что особенно полезно для крупномасштабных программных проектов, корпоративной работы с знаниями и многошаговых рабочих процессов интеллектуальных агентов, требующих сохранения контекста на длительных дистанциях. Логан Килпатрик, руководитель продукта Google AI Studio, отметил, что команда разработки потратила около шести месяцев на эту работу, а за последний месяц модель прошла тестирование среди более чем 100 тысяч сотрудников Google.
Ключевая позиция этой модели заключается не в простом взаимодействии «вопрос-ответ», а в решении сложных задач, требующих многошагового выполнения и глубокого логического анализа. Google особо подчеркивает передовые возможности модели в области программирования, корпоративных рабочих процессов и киберзащиты. Практические сценарии применения включают автоматическую рефакторинг и оптимизацию крупных баз кода, а также обработку сложных задач в юридической и финансовой сферах. Кроме того, Google продемонстрировала потенциал Argon в робототехнике: модель способна анализировать видео с нескольких ракурсов, трехмерную геометрию и данные физического моделирования для вывода физических взаимосвязей между объектами и успешно обучала четырехногого робота Spot от Boston Dynamics новому навыку —踩踏 (наступанию) на педальный мусорный бак.
В тестах производительности Gemini 4 Argon демонстрирует высокую конкурентоспособность. Согласно данным Google, опубликованным 30 сентября, версия с расширенным режимом размышлений показала лучшие результаты в 13 из 19 тестовых наборов данных, еще в одном случае поделила первое место. Эти достижения сосредоточены в задачах, интенсивно использующих знания, работе с длинным контекстом и сложном программировании, напрямую конкурируя с такими ведущими моделями, как GPT-6 Astra от OpenAI и Claude Fable 5.1 от Anthropic. Несмотря на лидерство в бенчмарках, дающее Google основания вернуться в число лидеров конкуренции, реальная эффективность в бизнес-среде потребует дальнейшего подтверждения.
Для привлечения разработчиков и корпоративных клиентов Google установила очень привлекательные временные промо-цены для Argon. До 30 ноября 2026 года стоимость ввода API составляет 2 доллара за миллион токенов, а вывода — 10 долларов за миллион токенов. Эта цена в пять раз ниже, чем у конкурентов GPT-6 Astra и Claude Fable 5.1 (10 и 50 долларов соответственно). После окончания промо-периода цены удвоятся и составят 4 и 20 долларов соответственно. Кроме того, кэшированные входные токены получают скидку 95%, что дополнительно снижает стоимость применения модели в задачах с длинным контекстом или многораундовым взаимодействием.
Этот глобальный запуск означает не только выход Gemini 4 Argon из ограниченной среды безопасного тестирования в более широкое коммерческое применение, но и сигнализирует о стремлении Google привлечь пользователей благодаря возможностям обработки длинного контекста, выполнения сложных задач и конкурентоспособному начальному ценообразованию. Для Google ключевой задачей в ближайшее время станет обеспечение уровня внедрения модели разработчиками в их реальные рабочие процессы и способность модели постоянно создавать ценность в корпоративных сценариях. По мере подключения большего числа пользователей вопрос о том, сможет ли Argon укрепить свои позиции в условиях жесткой конкуренции на рынке ИИ, останется под вопросом и будет проверен рынком.
KEY HIGHLIGHTS
Ключевые обновления
13 октября Gemini 4 Argon завершила внутреннее тестирование и официально стала доступна широкой публике, разработчикам и предприятиям по всему миру.
Максимальный предел вывода токенов модели увеличен до 1 миллиона, оптимизация выполнена для задач миграции крупных баз кода и выполнения длинных последовательностей операций.
Введен временный промо-тариф: ввод стоит 2 доллара за миллион токенов, вывод — 10 долларов за миллион токенов; после конца ноября цены удвоятся.
Модель заняла первое место в 13 из 19 тестовых наборов данных, напрямую конкурируя с передовыми моделями, такими как OpenAI GPT-6 Astra.
Демонстрируются приложения в области робототехники: модель управляет четырехногим роботом Spot от Boston Dynamics, выполняя определенные действия с использованием физического моделирования.
Используется стратегия поэтапного выпуска: сначала специалисты по кибербезопасности выявляют уязвимости, после чего круг пользователей постепенно расширяется.