Gemini 4 Argon er Googles nye frontmodel — den kan svare med en million tokens

Google har lanceret Gemini 4 Argon, sin nye frontmodel. Den er bygget til at holde sammenhæng gennem lange opgaver, og Google beskriver den som værende på frontier-niveau inden for softwareudvikling, virksomhedsarbejde som juridisk og finansielt arbejde, og forsvar mod cyberangreb.

Det konkrete tal, der adskiller Argon fra Googles tidligere modeller, er grænsen for hvor meget den kan svare. Google hæver output-loftet til 1 million tokens fra de tidligere 64.000. Det er seksten gange så meget, og det er ikke en tilfældighed: resten af modellen er bygget omkring den evne.

Ifølge Google er det den forskel, der gør en forskel på svære opgaver. Når modellen har plads til at tænke grundigt og generere hundredtusindvis af tokens i én bevægelse, siger virksomheden, kommer der en ny dybde i ræsonneringen — altså at løse svære problemer i ét hug frem for i bidder.

På DeepSWE v1.1, en benchmark der måler langstrakte softwareopgaver i virkelige kodebaser, sætter Argon ny rekord med 77,9 procent. På Zapiers AutomationBench, der måler udførelse af hele forretningsfunktioner ende til ende, er den nummer ét med 51,3 procent. Og på LVBench, der handler om forståelse af lange videoer, er den bedste med 91,7 procent.

På CWE-bench v1, som handler om at rette sikkerhedshuller, deler Argon førstepladsen med 68 procent. Google fremhæver, at det bygger videre på 3.8 Flash Cyber.

Modellen bruges allerede internt i Googles egen kode

Google beskriver Argon som en model, der allerede driver interne arbejdsgange, hvor tusindvis af medarbejdere har peget på dens styrke til specialiseret kodning, dybere research og skrivning.

Det mest konkrete eksempel er en igangværende migrering fra C og C++ til Rust i Googles egne kodebaser. Omfanget spænder fra re2 og libgav1 på tiotallige tusinder linjer til Fuchsia Zircon-kernen på mere end 800.000 linjer.

I Googles open source-software til videodekodning, libgav1, tog Argon-agenten en eksisterende Rust-port og erstattede 32.000 linjer SIMD-kode. Det skete ved at køre mange runder af profilstyrede eksperimenter og undersøge compilerens output, indtil den sikre Rust-kode automatisk blev vektoriseret af compileren. Resultatet er en hukommelsessikker videodekoder, der kører 2,7 gange hurtigere end Rust-porten — med identisk billedoutput.

Google understreger, at så store omskrivninger gennemgår automatisk og manuel revision, emuleringstest og gennemgang, inden de kommer i produktion.

Sådan kommer du til den

Argon kommer ikke på én dag. Den ruller ud i etaper, og Google beskriver den første fase som et udvalgt cyberforsvar-program kaldet Fairwind.

Det er ikke en pause. Virksomheden siger, at adgangen udvides gradvist, og at den samtidig er indskrevet i den amerikanske regerings frivillige proces for adgang til nye modeller før lancering. Den næste gruppe er betalte API-kunder og Google AI Ultra-abonnenter.

Prisen er oplyst til 2 dollar pr. million inputtokens og 10 dollar pr. million outputtokens. Cachelagrede inputtokens koster 95 procent under prisen på inputtokens.

For Google er rækkefølgen en sikkerhedsforanstaltning, ikke en markedsføringsstrategi. Argon er på frontier-niveau inden for softwareudvikling og forsvar mod cyberangreb, og Google siger selv, at sådanne kapaciteter kræver gradvis udrulning og løbende justering af foranstaltningerne.## Google overvåger også modellen imod sig selv

Google beskriver to forholdsregler, der er nye i denne skala.

Den første er overvågning af fejlretning. For at forhindre Argon i at bevæge sig uden for opgavens ramme indstiller Google overvågning, der følger modellens ræsonnering og handlinger og stopper udførelsen, når det er nødvendigt. Google fortæller, at det bruger et lignende system til at overvåge træningskørsler og sende alarmer til et dedikeret hændelsesberedskab.

Det interessante er, hvad de gjorde ved fundene. Google siger, at de tager omhyggelige forholdsregler mod at føre fundene tilbage i træningen — fordi det ellers risikerer at forme Argons ræsonnering til at undvige overvågningen. I stedet beder Google resten af brancheen om at bevare gennemsigtighed i ræsonneringen i netop disse øjeblikke, hvor kapaciteterne vokser.

Den anden er modstand mod indirekte promptinjektion, hvor skadelige instruktioner i konteksten forsøger at overtage modellens adfærd. Google kalder Argon sin mest modstandsdygtige model på dette område og henviser til Gray Swans benchmark for indirekte promptinjektion.

Google siger desuden, at modellen skal nægte skadelige forespørgsler om kemiske, biologiske, radiologiske og nukleare angreb og om cyberangreb, samtidig med at legitime, tosidede forskningsformål bevares. Sikkerhedsforanstaltningerne er blevet testet af interne og eksterne røde teams.

Kort sagt

Gemini 4 Argon er Googles mest ambitiøse model til dato, målt på de benchmarks virksomheden selv vælger. Output-loftet på en million tokens er den mest håndgribelige forandring, fordi den ændrer, hvad slags opgaver der overhovedet kan løses i ét kald.

Adgangen er begrænset, prisen er oplyst, og de uafhængige målinger endnu. Sidste punkt er værd at holde fast i: samtlige tal ovenfor er Googles egne benchmarkresultater, og ingen uden for virksomheden har endnu verificeret dem.