Тендеры и лиды
Информация
Прошло уже более семи месяцев с тех пор, как Google выпустила свою последнюю крупную модель Gemini без версии Flash.
Тем временем OpenAI и Anthropic продолжали расширять границы возможного, выпуская одну модель за другой. Google же сосредоточилась на выпуске моделей Flash, которые практически не привлекали внимания. Честно говоря, складывалось впечатление, что компания проиграла эту гонку.
И тут совершенно неожиданно появляется Gemini 4 Argon.
Она занимает первое место в рейтингах, опережая даже Claude Opus 5.5, которую Anthropic выпустила всего неделю назад.
Если вам тоже приходится регулярно работать с текстами, анализировать информацию или искать новые идеи, попробуйте chatgpt telegram. Это удобный способ обращаться к возможностям ИИ прямо в мессенджере, не переключаясь между десятками приложений.
К концу этой статьи вы узнаете, действительно ли стоит использовать эту модель или перед нами очередной продукт на основе искусственного интеллекта, созданный преимущественно для получения высоких результатов в тестах производительности.
Gemini 4 Argon — новая флагманская модель Google DeepMind, анонсированная 30 сентября 2026 года.
Это первая модель четвёртого поколения Gemini.
Google разработала её для решения трёх основных задач:
Разработка программного обеспечения: выполнение длительных многоэтапных задач по программированию.
Работа с корпоративными знаниями: например, решение юридических и финансовых задач.
Кибербезопасность: поиск и устранение уязвимостей в системах безопасности.
Модель принимает на вход текст, изображения, видео и аудио, а генерирует текстовые ответы.
Начнём с цифр, поскольку именно здесь Argon действительно демонстрирует впечатляющие результаты.
В текстовом рейтинге Arena Gemini 4 Argon с высоким уровнем логического мышления занимает первое место в общем зачёте, набрав около 1525 баллов.
Это ставит её выше Fable, Opus, Astra и даже некоторых моделей Meta. Кроме того, она заняла первое место в таких категориях, как программирование, сложные задания, следование инструкциям и творческое письмо.
Небольшое уточнение: Arena обозначила этот результат как предварительный, поскольку на момент запуска он основывался на чуть менее чем 5000 голосов.
В рейтинге VALS Index Gemini 4 Argon занимает первое место с результатом 68,9%.
Хотя модель опередила Claude Opus 5.5 (66,97%) и Claude Fable 5.1 (65,8%), более глубокий анализ данных показывает, что её преимущество существенно зависит от конкретных задач, которые оцениваются.
Многие доверяют рейтингу Artificial Analysis. Однако некоторые считают, что он не всегда отражает реальную производительность моделей, и в этом есть доля правды.
Здесь Gemini 4 Argon набирает 53 балла по индексу интеллекта. Это соответствует показателю GPT-6 Astra и на один балл превышает результат GPT-6.1 Sol.
Среди 223 отслеживаемых моделей она занимает восьмое место. По данным Artificial Analysis, это возвращает Google в тройку ведущих лабораторий искусственного интеллекта. Однако Claude Opus 5.5 даже с максимальными настройками по-прежнему демонстрирует более высокие результаты.
Одно из главных направлений, на которых должны сосредоточиться передовые модели искусственного интеллекта, — программирование.
Почему? Если лаборатории ИИ хотят достичь рекурсивного сверхинтеллекта, их модели должны стать программистами, превосходящими человека. Это позволит ускорить сами исследования в области искусственного интеллекта.
Но именно здесь Gemini 4 Argon уступает другим передовым моделям.
В рейтинге Code Arena: WebDev от Arena модель занимает лишь восьмое место, набирая около 1679 баллов. Она уступает четырём моделям Claude и трём моделям GPT-6.
В тесте Terminal-Bench 4.0, оценивающем программирование в терминале Linux, Argon показывает результат 57,4%, тогда как Claude Opus 5.5 набирает 66,4%.
В FrontierSWE v2, проверяющем способность создавать проекты с нуля, Argon набирает 55,0%, в то время как GPT-6 Astra показывает 65,5%.
Справедливости ради, это всё равно значительный скачок по сравнению с предыдущими моделями Google. Кроме того, Argon действительно лидирует в некоторых тестах программирования, например DeepSWE v1.1, где её результат составляет 77,9%. Однако Google проводила этот тест с использованием собственной конфигурации, поэтому к результатам стоит относиться с осторожностью.
Таким образом, если вам в первую очередь нужен ИИ для программирования, Claude и GPT пока остаются впереди.
Gemini 4 Argon предлагается по двум тарифным ставкам:
Стартовая цена: 2 доллара за миллион входных токенов и 10 долларов за миллион выходных токенов.
Стандартная цена (после окончания стартового периода): 4 доллара за миллион входных токенов и 20 долларов за миллион выходных токенов.
Таким образом, стандартная стоимость ровно в два раза выше стартовой. Google пока не сообщила, когда закончится льготный период, но ожидается, что он продлится как минимум месяц.
Кэшированные входные токены также обходятся на 95% дешевле — всего 0,10 доллара за миллион токенов по стартовой цене.
Для понимания ситуации стоит отметить, что рынок сейчас условно разделён на две группы:
Передовые модели с мощными возможностями логического мышления, такие как GPT-6 Astra и Claude Fable 5.1.
Высокоэффективные модели с оптимизированными затратами, такие как GPT-6.1 Sol.
Вот как соотносятся их цены за миллион входных и выходных токенов:
GPT-6 Astra: 10 долларов / 50 долларов.
Claude Fable 5.1: 10 долларов / 50 долларов.
Claude Opus 5.5: 4 доллара / 20 долларов.
GPT-6.1 Sol: 2 доллара / 10 долларов.
Gemini 4 Argon: 2 доллара / 10 долларов (стартовая цена), затем 4 доллара / 20 долларов.
Таким образом, даже по стандартным тарифам Argon остаётся дешевле Astra и Fable.
Однако стоит обратить внимание на один момент: Opus 5.5 продаётся по той же стандартной цене. При этом эта модель уже зарекомендовала себя как один из лучших вариантов по соотношению стоимости и производительности.
Но есть нюанс.
На бумаге стартовая цена Argon выглядит идентичной стоимости GPT-6.1 Sol.
В действительности использование Argon может обходиться дороже в пересчёте на одну задачу, поскольку модель генерирует очень много токенов.
При решении сложных задач её алгоритм глубокого логического мышления создаёт примерно 62 000 выходных токенов за одно задание. GPT-6 Astra справляется с аналогичной задачей примерно за 27 000 токенов.
Именно здесь возникает важный момент: плата взимается за каждый сгенерированный ИИ токен, включая токены, используемые для внутреннего рассуждения модели.
Вот что это означает в реальных деньгах, если ориентироваться на среднюю стоимость выполнения задачи по данным Artificial Analysis:
GPT-6.1 Sol: примерно 0,72 доллара за задачу.
Gemini 4 Argon (стартовая цена): около 1,99 доллара за задачу.
GPT-6 Astra: примерно 3,26 доллара за задание.
Gemini 4 Argon (стандартная цена): около 3,98 доллара за задачу.
Получается следующее:
Даже при одинаковой цене токена использование Argon обходится примерно в 2,7 раза дороже за одну задачу, чем GPT-6.1 Sol.
По стартовой цене Argon действительно дешевле Astra в пересчёте на одно задание.
После перехода на стандартную стоимость выполнение одной задачи становится немного дороже, чем при использовании Astra.
Главное преимущество сейчас можно сформулировать так: «Интеллект уровня Astra по цене ниже, чем у Astra». Но это предложение действительно только до окончания стартового периода.
В Gemini 4 Argon установлен лимит на генерацию до 1 миллиона токенов.
Да, вы правильно прочитали. И не путайте это с контекстным окном размером 1 МБ. Речь идёт о количестве токенов, которые модель может сгенерировать за один запуск.
Для сравнения:
У большинства новых моделей максимальный объём генерации составляет 128 000 токенов.
У предыдущих моделей Google Gemini ограничение на генерацию составляло 64 000 токенов.
Это означает, что Argon способна обрабатывать и генерировать сотни тысяч токенов за один запуск. Такая возможность особенно полезна для длительных многоэтапных задач, например миграции огромных кодовых баз.
Что касается контекстного окна, то есть объёма информации, который модель может прочитать за один раз, согласно данным о ценах Google, он составляет 1 миллион токенов.
Некоторые ранние аналитики предполагали, что показатель может достигать примерно 2 миллионов, поскольку Google традиционно демонстрировала сильные результаты при работе с длинным контекстом. Однако на данный момент подтверждённое значение составляет 1 миллион токенов.
И самое интересное — Argon действительно эффективно использует этот контекст.
В тесте GraphWalks, охватывающем диапазон от 256 000 до 1 миллиона токенов, модель набирает 84,2%. Для сравнения, Astra, Fable 5.1 и Opus 5.5 показывают результаты в диапазоне от 65% до 72%.
Когда нужно быстро разобраться в сложной теме, подготовить текст или сравнить несколько вариантов решения, удобно иметь ИИ под рукой. Для таких повседневных задач можно воспользоваться Chat Gpt через Telegram: достаточно открыть диалог с ботом и сформулировать свой запрос обычными словами.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13836 тендеров
проведено за восемь лет работы нашего сайта.
Это ещё одна область, в которой наблюдаются одни из самых значительных улучшений.
Gemini 4 Argon выдумывает гораздо меньше фактов, чем другие передовые модели ИИ. Это особенно впечатляет, поскольку галлюцинации долгое время оставались одной из главных проблем моделей Google. Речь шла как о путанице в истории чатов, так и об ошибках во внутренних рассуждениях.
Вот показатели частоты галлюцинаций в тесте AA-Omniscience от Artificial Analysis. Чем ниже значение, тем лучше результат:
Gemini 4 Argon: 15%.
GPT-6 Astra: 51%.
Claude Opus 5.5: 59%.
Claude Fable 5.1: 73%.
Но есть важная деталь, которую многие упускают из виду.
Argon побеждает не потому, что знает больше. Её фактическая точность ниже, чем у Astra: 50% против 63%. Преимущество заключается в другом: модель гораздо чаще признаёт, что не знает ответа, вместо того чтобы пытаться угадать.
И если говорить честно?
Для серьёзных задач, таких как поддержка клиентов, исследования или юридическая работа, модель, которая способна признать собственную неопределённость, — именно то, что нужно.
Так действительно ли Argon настолько хороша? Или эти модели, по сути, обучены показывать высокие результаты в тестах производительности, не демонстрируя при этом существенных улучшений в реальной работе?
Это явление называется бенчмаксингом, и такой вопрос вполне закономерен.
В день запуска Bloomberg сообщил, что некоторые сотрудники Google, имеющие непосредственный доступ к модели, считают: Gemini 4 Argon показывает очень хорошие результаты в бенчмарках, но хуже справляется с практическими задачами.
В качестве одного из слабых мест была названа разработка программного обеспечения, особенно фронтенд-разработка.
Некоторые сотрудники даже считают, что модели Fable от Anthropic и Astra от OpenAI совершенствуются быстрее, чем Gemini.
Google опровергает подобные утверждения. Компания заявляет, что тысячи её сотрудников уже используют Argon для решения наиболее сложных задач в области программирования и исследований.
Есть и один аргумент в пользу Google: индекс VALS использует закрытые тестовые вопросы, на которых лабораториям сложнее обучать свои модели. Несмотря на это, Argon всё равно оказалась лидером.
Поэтому честный ответ таков: пока мы точно не знаем. Окончательные выводы можно будет сделать только тогда, когда обычные пользователи получат доступ к модели и смогут самостоятельно её протестировать.
Перед официальным запуском несколько YouTube-блогеров, которые, судя по всему, получили ранний доступ к тестовым версиям Gemini 4, поделились результатами практических испытаний.
Отзывы оказались неоднозначными. Некоторые демонстрации показали впечатляющие визуальные возможности и способности к созданию трёхмерных объектов. Другие, напротив, выявили проблемы с последовательностью выполнения задач и следованием инструкциям.
Яркая графика и безупречный дизайн.
Первый обозреватель протестировал Gemini 4 в нескольких визуальных и интерактивных задачах.
С помощью модели он создал различные объекты и сцены: святилище с сакурой, состоящее более чем из 6000 вокселей, контроллер PS5 в формате SVG, персонажей на тему Хэллоуина, механическую пчелу и реконструкцию Колизея с циклом смены дня и ночи.
Особенно его впечатлили атмосфера, освещение, детализация окружения и общее качество исполнения. По его оценке, некоторые результаты сопоставимы с тем, что демонстрирует Claude Opus 5.5.
Самым серьёзным испытанием стала трёхмерная физическая симуляция гидросамолёта. По мнению обозревателя, Gemini 4 превзошла Opus 5.5 как по качеству исполнения, так и по визуальному оформлению.
В другом сравнении, посвящённом созданию игрового мира с помощью GPT-6 Astra, Gemini 4 также показала достойный результат благодаря детализированным текстурам и динамическим трёхмерным элементам.
Главным замечанием стала веб-разработка, где обозреватель по-прежнему считал Sonnet 5.5 и Claude Opus более сильными инструментами.
В целом он оценил Gemini 4 как весьма конкурентоспособную модель высшего уровня.
Дёшево, но нестабильно.
У второго YouTube-блогера, Питера, опыт оказался гораздо менее позитивным.
Он провёл серию тестов Gemini 4 Argon в сравнении с GPT-6.1 Sol и Sonnet 5.5. Основное внимание уделялось генерации трёхмерных моделей и стабильности их работы.
Gemini 4 неплохо справилась со сценой с мостом Золотые Ворота, которую Питер оценил примерно в 5,5 балла по шкале Sonnet. Однако GPT-6.1 Sol всё же оказалась лучше по качеству воды и интеграции пользовательского интерфейса.
Другие испытания выявили более серьёзные проблемы.
Сцена на Островах-убежищах получилась неорганизованной. Управление в игровом процессе оказалось неинтуитивным, а сама игра зависала. Вавилонская башня страдала от неудачного размещения персонажей и отсутствия целостности. Сцена с Белым домом содержала визуальные артефакты и явно уступала результатам Sonnet 5.5.
Главный вывод Питера заключался в том, что Gemini 4 Argon экономически выгодна, но пока нестабильна. Он не стал бы полагаться на неё в творческих задачах, требующих точного следования инструкциям и высокой структурной надёжности.
Google поделилась несколькими примерами того, как уже использует Argon внутри компании. Важно помнить, что приведённые ниже результаты являются заявлениями самой Google.
Google развернула группу ИИ-агентов на базе Argon для устранения масштабных инфраструктурных неэффективностей в своих центрах обработки данных.
Агенты обнаружили и внедрили точечные оптимизации памяти на уровне программного кода, которые уже позволили освободить более 300 ТиБ памяти. Это действительно внушительный объём.
Причём добиться этого удалось исключительно за счёт оптимизации программного обеспечения, без приобретения нового оборудования.
Google ожидает, что общая экономия в конечном итоге достигнет от 500 ТиБ до 1 ПиБ.
Google использовала огромные возможности Argon по генерации до 1 миллиона токенов для продолжительной многоэтапной работы с программным обеспечением.
Компания применяет Argon для переноса кода с C и C++ на Rust — более безопасный язык программирования.
Работа включает более 800 000 строк кода ядра Zircon, которое является основой операционной системы Fuchsia от Google.
В другом проекте Argon заменила 32 000 строк сложного кода в libgav1 — видеодекодере Google с открытым исходным кодом.
В результате получился более безопасный декодер, который работает в 2,7 раза быстрее предыдущей версии на Rust, сохраняя при этом тот же результат декодирования.
Исследователи Google в области квантовых вычислений используют Argon для оптимизации отдельных компонентов своих квантовых алгоритмов.
В одном из примеров модель превзошла опубликованный отраслевой показатель на 40% всего за несколько минут.
Краткий ответ: скорее всего, нет.
По состоянию на 7 октября 2026 года модель ещё не была доступна широкой публике. Однако её запуск ожидался в ближайшее время — возможно, уже на той неделе или до 15 октября.
Это один из важнейших моментов, который многие упустили в сообщениях о запуске.
На тот момент Argon внедрялась только для ограниченной группы доверенных специалистов по кибербезопасности в рамках программы Google Fairwind. Среди предполагаемых участников — государственные учреждения, медицинские организации и телекоммуникационные компании.
Согласно информации Google, следующими в очереди на получение доступа должны стать:
Клиенты Gemini API с платным доступом.
Подписчики Google AI Ultra.
Все остальные пользователи.
Однако точная дата публичного запуска пока не определена.
Google заявляет, что сначала хочет усилить меры безопасности, поскольку модель демонстрирует очень хорошие способности к обнаружению уязвимостей в программном обеспечении.
В совокупности результаты показывают, что Gemini 4 Argon может оказаться исключительно мощной моделью, хотя её возможности пока не всегда проявляются стабильно.
Вот что мы знаем:
Она занимает первое место в рейтингах Arena и VALS Index.
У модели один из самых низких показателей галлюцинаций среди передовых ИИ-моделей.
За один запуск она способна генерировать до 1 миллиона токенов.
В первых практических тестах её воксельные сцены, физические симуляции и создание игровых миров превзошли или сравнялись по качеству с результатами Opus 5.5 и GPT-6 Astra.
Проблема заключается в том, что модель работает нестабильно.
Когда задачи становятся сложнее или требуют более строгой структуры, Gemini 4 уступает GPT-6.1 Sol и Sonnet 5.5.
Программирование и веб-разработка пока явно не относятся к её сильным сторонам. Это подтверждают как результаты бенчмарков, так и сообщения Bloomberg.
Кроме того, Argon использует большое количество токенов, поэтому реальная стоимость выполнения одной задачи оказывается не такой низкой, как может показаться на первый взгляд.
И ещё один важный момент: большинство пользователей пока даже не могут получить доступ к этой модели.
Если вы уже сейчас хотите использовать возможности искусственного интеллекта для повседневных задач, работы с информацией и создания контента, необязательно ждать выхода новых моделей Google. Можно попробовать chatgpt в telegram — это удобный вариант для тех, кто предпочитает получать помощь ИИ непосредственно в мессенджере.
Если в процессе более широкого распространения Google удастся устранить проблемы с последовательностью выполнения задач, у компании может появиться действительно сильный и доступный конкурент.
В противном случае Argon рискует остаться моделью, которая впечатляет результатами тестирования, но пока не обеспечивает той надёжности, на которую пользователи рассчитывают в реальной работе.
#ИскусственныйИнтеллект #Gemini #Нейросети #GoogleAI #ChatGPT
