AI-translated from English; not yet reviewed by a fluent editor.

# সাইবার নিরাপত্তা পরীক্ষকদের জন্য Gemini 4 Argon চালু; API ব্যবহারের তারিখ নেই

> বিশ্বস্ত সাইবার নিরাপত্তা পরীক্ষকদের জন্য Google Gemini 4 Argon ঘোষণা করেছে। অর্থের বিনিময়ে API ও AI Ultra-তে পরবর্তী প্রবেশের তারিখ এখনও নির্ধারিত হয়নি। Vals AI-এর প্রথম স্বাধীন স্কোরে Argon কিছু কাজে এগিয়ে, অন্য কাজে পিছিয়ে; প্রকাশ্য API মডেল তালিকায় Argon-এর কোনো এন্ডপয়েন্ট নেই।

By BIG CHANGE Editorial

Published: 2026-09-30T23:56:07.213Z
Updated: 2026-10-01T02:16:11.971Z
Canonical: https://bigchange.ai/blog/gemini-4-argon-restricted-access-independent-benchmarks

![Charcoal illustration of a sculptural numeral 4 on warm ivory, with a restrained orange edge detail.](https://bigchange.ai/api/media/file/gemini-4-argon-number-4-hero-v2.png)
AI-generated editorial illustration by BIG CHANGE.

Google ৩০ সেপ্টেম্বর **Gemini 4 Argon** ঘোষণা করে জ্ঞানভিত্তিক কাজ ও কোডিংয়ে ভালো স্কোর, সর্বোচ্চ ১০ লাখ আউটপুট টোকেনের দাবি এবং ভবিষ্যৎ API-র মূল্য প্রকাশ করেছে। প্রথমে বিশ্বস্ত সাইবার প্রতিরক্ষা বিশেষজ্ঞ ও পরীক্ষকদের একটি ছোট দলকে মডেলটি দিচ্ছে। ডেভেলপারদের জন্য প্রকাশ্য মডেল ID বা অর্থের বিনিময়ে API গ্রাহক ও Google AI Ultra সদস্যদের ব্যবহারের তারিখ দেয়নি। [Google-এর ঘোষণা](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/) এবং [Gemini API মডেল ক্যাটালগ](https://ai.google.dev/gemini-api/docs/models) দেখায় যে ঘোষণা আর অধিকাংশ পাঠকের প্রবেশাধিকারের মধ্যে ফারাক রয়েছে।

## মূল পরিবর্তন

- **কী বদলেছে:** Google নতুন একটি শীর্ষস্থানীয় মডেল নির্বাচিত সাইবার প্রতিরক্ষা বিশেষজ্ঞদের হাতে দিয়েছে, অথচ অধিকাংশ ডেভেলপার ও সদস্য এখনও এটি ব্যবহার করতে পারেন না। সক্ষমতা ও মূল্য নিয়ে প্রধান দাবিগুলো প্রকাশিত হয়েছে, কিন্তু প্রকাশ্য API এখনও আসেনি।
- **কেন গুরুত্বপূর্ণ:** Vals AI-এর স্বাধীন মূল্যায়নে বিস্তৃত জ্ঞানভিত্তিক কাজ ও একটি আর্থিক এজেন্ট পরীক্ষায় Argon প্রথম হয়েছে। মডেল তুলনা করা দলগুলোর সামনে তাই বিবেচনার মতো নতুন প্রার্থী এসেছে। কাজভেদে ফল ভিন্ন এবং প্রবেশাধিকার সীমিত হওয়ায় নিজস্ব কাজের প্রবাহে ফল ও খরচ এখনও অনিশ্চিত।
- **যা নজরে রাখবেন:** পরবর্তী দল হিসেবে Google অর্থের বিনিময়ে API গ্রাহক ও AI Ultra সদস্যদের উল্লেখ করেছে, তবে তারিখ দেয়নি। নথিভুক্ত মডেল ID ও পরিষেবার সীমা প্রকাশ পেলে ডেভেলপাররা নিজেদের জরুরি কাজ পরীক্ষা করতে পারবেন, ঘোষিত ১০ লাখ আউটপুট টোকেন বাস্তবে ব্যবহার করা যায় কি না তাও বুঝবেন।

## এখন কারা Gemini 4 ব্যবহার করতে পারেন

Google বলছে, প্রথম ব্যবহারকারীরা তাদের [Fairwind কর্মসূচির](https://blog.google/innovation-and-ai/technology/safety-security/fairwind-program/)বিশ্বস্ত সাইবার প্রতিরক্ষা বিশেষজ্ঞ ও পরীক্ষক। Fairwind হলো নির্বাচিত Google Cloud গ্রাহক, সরকারি সংস্থা ও নিরাপত্তা অংশীদারদের জন্য সীমিত প্রবেশের কর্মসূচি। Google বলছে, বিশ্বস্ত প্রতিরক্ষাকারীরা যাতে এর প্রতিরক্ষামূলক সক্ষমতা কাজে লাগাতে পারেন, সে জন্য Argon-এ প্রচলিত সাইবার সুরক্ষা বিধিনিষেধ রাখা হয়নি। এই প্রাথমিক প্রকাশ বিশেষ সংবেদনশীল ব্যবহারের একটি নিয়ন্ত্রিত পরীক্ষা।

Google ডেভেলপার, প্রতিষ্ঠান ও ভোক্তাদের কাছে প্রবেশাধিকার বাড়াতে চায়; শুরু হবে অর্থের বিনিময়ে API গ্রাহক ও Google AI Ultra সদস্যদের দিয়ে। এ ধাপের তারিখ নেই। ১ অক্টোবর দেখা Google-এর [Gemini API মডেল ডিরেক্টরি](https://ai.google.dev/gemini-api/docs/models) তে Gemini 3 মডেল ছিল, কিন্তু Gemini 4 Argon ID ছিল না। এর [API মূল্য পৃষ্ঠাতেও](https://ai.google.dev/gemini-api/docs/pricing) Argon-এর কোনো সারি ছিল না। তাই API কলের নির্দেশিকা লিখতে Google যে মডেল নাম ও প্রবেশপথ নথিভুক্ত করেনি, তা বানিয়ে নিতে হবে।

তবুও Google-এর প্রকাশনা পোস্টে ভবিষ্যৎ টোকেন মূল্য জানানো হয়েছে। প্রাথমিক মূল্য **প্রতি ১০ লাখ ইনপুট টোকেনে ২ ডলার এবং প্রতি ১০ লাখ আউটপুট টোকেনে ১০ ডলার**; ক্যাশ করা ইনপুটের মূল্য ইনপুট হারের চেয়ে ৯৫% কম। প্রাথমিক সময়ের পর মূল্য বেড়ে **৪ ও ২০ ডলার**হবে বলে Google জানিয়েছে। প্রাথমিক সময় কখন শেষ হবে তা জানায়নি। এগুলো ঘোষিত মূল্য, বর্তমানে পাওয়া স্ব-পরিষেবা API-র মূল্য নয়। দীর্ঘ এজেন্ট কাজের যুক্তি, টুল ব্যবহার ও আউটপুটের পরিমাণ না জানলে প্রতি টোকেন মূল্য থেকেও মোট খরচ বোঝা যায় না।

## ভালো স্কোর, তবে দুর্বলতাও স্পষ্ট

[Argon নিয়ে Vals AI-এর স্বাধীন মূল্যায়ন](https://www.vals.ai/models/google_gemini-4-argon) Vals Index-এ **68.90% ± 0.97** স্কোর পেয়েছে এবং তাদের তালিকার ৪১টি মডেলের মধ্যে প্রথম। Finance Agent v2-তে ৭৩টির মধ্যে প্রথম, স্কোর **65.40% ± 0.32**। Vibe Code Bench-এ ১০৬টির মধ্যে দ্বিতীয়, **91.91% ± 1.90**; Code Migration-এ ৭১টির মধ্যে দ্বিতীয়, **68.17% ± 4.35**; CyberBench v1.1-এ ৪৩টির মধ্যে দ্বিতীয়, **77.86% ± 5.30**। ফলগুলো কয়েকটি কাজে শক্তিশালী সূচনা দেখায়, তবে সব কাজেই Argon সেরা—এমন নয়।

একই মূল্যায়ক Terminal-Bench 4.0-এ ৪২টি মডেলের মধ্যে Argon-কে পঞ্চম স্থানে রেখেছে, স্কোর **57.58% ± 2.31**; MedScribe-এ ১০৬টির মধ্যে পঞ্চদশ এবং কম্পিউটার ব্যবহারের CUA-bench-এ আটটির মধ্যে সপ্তম, স্কোর **4.83%**। পরীক্ষাপ্রতি মাপা খরচেও বড় পার্থক্য: Vals Index পরীক্ষায় **$15.68** এবং CUA-bench-এ **$193.78** । এগুলো মূল্যায়নের কাজের খরচ, Google-এর ঘোষিত প্রতি ১০ লাখ টোকেনের মূল্যের থেকে আলাদা। Vals বলছে, কিছু এজেন্ট মূল্যায়নে নির্দিষ্ট হ্যারনেস এবং অন্যগুলোতে মডেলের নিজস্ব এজেন্ট ব্যবহৃত হয়; প্রকাশিত স্ট্যান্ডার্ড এরর প্রম্পট, সিড বা স্থাপনার সেটিংসের ভিন্নতা ধরে না। স্কোরের সামান্য পার্থক্য এই প্রেক্ষাপটে দেখা উচিত।

[Google DeepMind-এর নিজস্ব তুলনা তালিকা](https://deepmind.google/models/gemini/) সবক্ষেত্রে এগিয়ে থাকার দাবির বিরুদ্ধে আরও উদাহরণ দেয়। DeepSWE v1.1-এ Argon GPT-6 Astra-কে ছাড়িয়ে যায়, **77.9% to 74.1%**; কিন্তু FrontierSWE v2-তে Astra-র পিছনে, **55.0% to 65.5%**এবং Terminal-Bench Science-এও পিছনে, **57.6% to 68.1%**। Terminal-Bench 4.0-এ Claude Opus 5.5 Argon-এর চেয়ে এগিয়ে, **66.4% to 57.4%**; PostTrainBench-এও, **49.3% to 45.3%**। তালিকার অফলাইন OSWorld-2.0 উপসেটে Astra-র স্কোর **72.6%** আর Argon-এর **69.2%**। এসব তুলনা Google-এর বাছাই করা তালিকা ও প্রকাশিত বেঞ্চমার্ক সেটআপ ব্যবহার করে; নথিভুক্ত প্রকাশ্য পরিষেবায় গ্রাহকের পরীক্ষার বিকল্প নয়।

Google বলছে Argon একবারের ধারায় সর্বোচ্চ **১০ লাখ আউটপুট টোকেন**তৈরি করতে পারে; আগের সীমা ছিল ৬৪,০০০ টোকেন। Vals এক মিলিয়ন টোকেনের *কনটেক্সট* উইন্ডোর কথা বললেও Argon মূল্যায়নে সর্বোচ্চ আউটপুট রেখেছে **২,৬২,১৪৪ টোকেন**। এ সেটিং Google-এর ভবিষ্যৎ পণ্যের চূড়ান্ত সীমা নির্ধারণ করে না। তবে Vals-এর প্রকাশ্য ফল সম্পূর্ণ এক মিলিয়ন টোকেন তৈরি দেখায় না, আর সাধারণ ডেভেলপারদের জন্য আউটপুট সীমা স্পষ্ট করে এমন প্রকাশ্য API এন্ট্রি Google এখনও প্রকাশ করেনি।

## অভ্যন্তরীণ ব্যবহার ও নিরাপত্তার দাবির আলাদা প্রমাণ দরকার

Google বলছে, Argon এজেন্ট C/C++ থেকে Rust-এ কোড স্থানান্তর, কোয়ান্টাম কম্পিউটিং সাবরুটিন এবং ডেটা সেন্টারের মেমরি অপ্টিমাইজেশনে সাহায্য করেছে। মেমরির একগুচ্ছ পরিবর্তন চালুর পর ৩০০ TiB-এর বেশি জায়গা খালি হয়েছে বলেও জানায়। অংশীদার Wiz Argon দিয়ে স্বাস্থ্যসেবা সফটওয়্যারের একটি গুরুতর দুর্বলতা খুঁজে পেয়েছে বলেও Google জানিয়েছে। এগুলো অভ্যন্তরীণ বা অংশীদারদের কাজ নিয়ে Google-এর বিবরণ; ফল যাচাই বা পুনরাবৃত্তির মতো স্বাধীন বিস্তারিত লঞ্চ উপকরণে নেই। Google বলছে, Rust-এ বড় পুনর্লিখন উৎপাদনে যাওয়ার আগে স্বয়ংক্রিয় ও হাতে পরীক্ষা হয়।

নিরাপত্তার জন্য ক্ষতিকর অনুরোধ প্রত্যাখ্যানের প্রশিক্ষণ, পরোক্ষ প্রম্পট ইনজেকশনের বিরুদ্ধে প্রতিরক্ষা, ব্যবহারকারীর উদ্দেশ্যের বাইরে আচরণ শনাক্তে মডেলের যুক্তি ও কাজ পর্যবেক্ষণ, এবং মূল্যায়ন পরিবেশ আরও বিচ্ছিন্ন করার কথা Google জানিয়েছে। Argon তাদের পরোক্ষ প্রম্পট ইনজেকশন প্রতিরোধে সবচেয়ে শক্তিশালী মডেল—এটি সরবরাহকারীর দাবি। Google-এর মতে, প্রথম সাইবার দলও প্রচলিত সাইবার সুরক্ষা বিধিনিষেধ ছাড়া প্রবেশাধিকার পাচ্ছে; পরিধি বাড়লে প্রবেশের আওতা ও পর্যবেক্ষণ তাই বিশেষ গুরুত্বপূর্ণ।

দৈনন্দিন উপযোগিতা নিয়ে প্রাথমিক প্রমাণ পরস্পরবিরোধী। [Axios জানায়](https://www.axios.com/2026/09/30/google-gemini-4) যে Bloomberg বেনামি সূত্রের বরাত দিয়ে বলেছে, কিছু Google কর্মীর কাছে Argon-এর অভ্যন্তরীণ কর্মক্ষমতা দুর্বল মনে হয়েছে; Axios আরও জানায়, Google Bloomberg-কে বলেছে খবরটি সঠিক নয়। Google Axios-কে জানায়, কর্মীরা কঠিন কোডিং ও গবেষণার কাজে মডেলটি ব্যবহার করেছেন। কোনোটিই প্রকাশ্য সংস্করণের কর্মক্ষমতা মীমাংসা করে না। পরের কার্যকর প্রমাণ হবে নথিভুক্ত সেটিংসে প্রবেশাধিকার এবং অন্যদের যাচাইযোগ্য কাজের ফল ও খরচ।

## Sources

- [Google-এর Gemini 4 Argon ঘোষণা](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/) — আনুষ্ঠানিক প্রকাশ, প্রবেশাধিকার পরিকল্পনা, ভবিষ্যৎ মূল্য, ঘোষিত আউটপুট সীমা, অভ্যন্তরীণ প্রকল্প ও নিরাপত্তা বিবৃতি। অভ্যন্তরীণ ফল এবং নিরাপত্তা তুলনা সরবরাহকারীর দাবি।
- [Google DeepMind-এর Gemini মডেল পৃষ্ঠা](https://deepmind.google/models/gemini/) — Argon-এর এগিয়ে ও পিছিয়ে থাকার ফলসহ Google-এর বাছাই করা সরাসরি তুলনা তালিকা; ১ অক্টোবর দেখা।
- [Gemini API মডেল ক্যাটালগ](https://ai.google.dev/gemini-api/docs/models) — ডেভেলপারদের প্রকাশ্য মডেল তালিকা; দেখার সময় Gemini 4 Argon মডেল ID ছিল না। এতে ব্যক্তিগত প্রবেশাধিকার নেই—তা প্রমাণ হয় না।
- [Gemini API মূল্য](https://ai.google.dev/gemini-api/docs/pricing) — ডেভেলপারদের প্রকাশ্য মূল্য পৃষ্ঠা; দেখার সময় Argon ছিল না। লঞ্চ পোস্টে ভবিষ্যৎ হার রয়েছে।
- [Vals AI-এর Gemini 4 Argon মূল্যায়ন](https://www.vals.ai/models/google_gemini-4-argon) — স্বাধীন মূল্যায়কের বেঞ্চমার্ক স্কোর, স্থান, কাজের খরচ ও সেটআপ; সর্বোচ্চ আউটপুট ২,৬২,১৪৪ টোকেনসহ।
- [Vals AI মূল্যায়ন পদ্ধতি](https://www.vals.ai/methodology) — কাজের নকশা, এজেন্ট হ্যারনেসের ভিন্নতা এবং স্ট্যান্ডার্ড এরর কী ধরে বা ধরে না তা ব্যাখ্যা করে।
- [Google-এর Fairwind কর্মসূচি](https://blog.google/innovation-and-ai/technology/safety-security/fairwind-program/) — সীমিত সাইবার প্রতিরক্ষা কর্মসূচি ও নির্ধারিত অংশীদারদের বিষয়ে Google-এর পটভূমি।
- [লঞ্চ নিয়ে Axios প্রতিবেদন](https://www.axios.com/2026/09/30/google-gemini-4) — প্রবেশাধিকার ও Google-এর মন্তব্য নিয়ে স্বাধীন প্রেক্ষাপট; Bloomberg-এর উল্লেখ করা বেনামি কর্মীদের সংশয় ও Google-এর অস্বীকার তুলে ধরে।
- [লঞ্চ নিয়ে Ars Technica প্রতিবেদন](https://arstechnica.com/google/2026/09/google-announces-gemini-4-argon-ai-model-but-you-cant-use-it-yet/) — লঞ্চের স্বাধীন প্রেক্ষাপট; অভ্যন্তরীণ ব্যবহার Google-এর বর্ণিত দাবি হিসেবেই রয়ে গেছে।