Markdown பதிப்பு

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

# சைபர் பாதுகாப்புச் சோதனையாளர்களுக்கு Gemini 4 Argon அறிமுகம்; API தேதி இல்லை

> நம்பகமான சைபர் பாதுகாப்புச் சோதனையாளர்களுக்காக Gemini 4 Argon-ஐ Google அறிவித்துள்ளது. கட்டண API மற்றும் AI Ultra வழியான அடுத்தகட்ட அணுகலுக்கு இன்னும் தேதி இல்லை. Vals AI-யின் முதல் சுயாதீன மதிப்பெண்களில் சில பணிகளில் Argon முன்னிலையிலும், மற்றவற்றில் பின்தங்கியும் உள்ளது; பொதுவான API பட்டியலில் Argon endpoint இல்லை.

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 **Gemini 4 Argon** செப்டம்பர் 30 அன்று இதை அறிவித்து, அறிவுசார் பணிகள் மற்றும் நிரலாக்கத்தில் உயர்ந்த மதிப்பெண்கள், ஒரு மில்லியன் வெளியீட்டு டோக்கன் வரம்பு என்ற கூற்று, எதிர்கால API வெளியீட்டுக்கான விலை ஆகியவற்றை வெளியிட்டது. முதலில் நம்பகமான சைபர் பாதுகாப்பு நிபுணர்கள் மற்றும் சோதனையாளர்களின் சிறிய குழுவுக்கு இந்த மாதிரியை வழங்குகிறது. உருவாக்குநர்களுக்கான பொதுவான model ID-யையோ, கட்டண API வாடிக்கையாளர்கள் அல்லது Google AI Ultra சந்தாதாரர்கள் எப்போது பயன்படுத்தலாம் என்ற தேதியையோ வெளியிடவில்லை. [Google அறிவிப்பு](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/) மற்றும் [Gemini API மாதிரி பட்டியல்](https://ai.google.dev/gemini-api/docs/models) ஆகியவை வெளியீட்டுக்கும் பெரும்பாலான வாசகர்களின் அணுகலுக்கும் உள்ள இடைவெளியைக் காட்டுகின்றன.

## முக்கிய மாற்றம்

- **என்ன மாறியது:** புதிய முன்னணி மாதிரியைத் தேர்ந்தெடுக்கப்பட்ட சைபர் பாதுகாப்பு நிபுணர்களிடம் Google ஒப்படைத்துள்ளது; ஆனால் பெரும்பாலான உருவாக்குநர்களும் சந்தாதாரர்களும் இன்னும் அணுக முடியவில்லை. திறன் மற்றும் விலை குறித்த முக்கியக் கூற்றுகள் பொதுவாகிவிட்டன; பொதுவான API இன்னும் இல்லை.
- **இது ஏன் முக்கியம்:** பரந்த அறிவுப் பணிகளிலும் நிதி முகவர் சோதனையிலும் Vals AI-யின் சுயாதீன மதிப்பீடு Argon-ஐ முதலிடத்தில் வைக்கிறது. மாதிரிகளை ஒப்பிடும் குழுக்களுக்கு இது தீவிரமாகக் கருதத்தக்க புதிய தேர்வாகும். பணிகளுக்கு இடையே முடிவுகள் மாறுவதும், வெளியீடு கட்டுப்படுத்தப்பட்டிருப்பதும், அவரவர் பணிச்சூழலின் செயல்திறன் மற்றும் செலவை இன்னும் தெளிவாக்கவில்லை.
- **கவனிக்க வேண்டியது:** அடுத்த குழுவாக கட்டண API வாடிக்கையாளர்கள் மற்றும் AI Ultra சந்தாதாரர்களை Google குறிப்பிட்டுள்ளது; தேதியில்லை. ஆவணப்படுத்தப்பட்ட model ID மற்றும் சேவை வரம்புகள் கிடைத்தால், உருவாக்குநர்கள் தங்களுக்குத் தேவையான பணிகளைச் சோதிக்கலாம்; கூறப்பட்ட ஒரு மில்லியன் வெளியீட்டு டோக்கனை நடைமுறையில் பயன்படுத்த முடியுமா என்பதையும் பார்க்கலாம்.

## இப்போது யாரால் Gemini 4-ஐப் பயன்படுத்த முடியும்

முதல் பயனர்கள் தங்களின் [Fairwind திட்டத்தில்](https://blog.google/innovation-and-ai/technology/safety-security/fairwind-program/)உள்ள நம்பகமான சைபர் பாதுகாப்பு நிபுணர்கள் மற்றும் சோதனையாளர்கள் என Google கூறுகிறது. Fairwind என்பது தேர்ந்தெடுக்கப்பட்ட Google Cloud வாடிக்கையாளர்கள், அரசு அமைப்புகள், பாதுகாப்புப் பங்காளர்களுக்கான வரையறுக்கப்பட்ட அணுகல் திட்டம். தற்காப்புத் திறன்களைப் பயன்படுத்த நம்பகமான பாதுகாப்பாளர்களுக்கு வழக்கமான சைபர் பாதுகாப்புக் கட்டுப்பாடுகள் இல்லாமல் Argon வழங்கப்படுவதாக Google கூறுகிறது. இது மிகவும் நுணுக்கமான பயன்பாட்டுக்கான கட்டுப்படுத்தப்பட்ட தொடக்கச் சோதனை.

கட்டண API வாடிக்கையாளர்கள் மற்றும் Google AI Ultra சந்தாதாரர்களில் தொடங்கி, உருவாக்குநர்கள், நிறுவனங்கள், நுகர்வோர் வரை அணுகலை விரிவாக்க Google திட்டமிட்டுள்ளது. அதற்கான தேதி இல்லை. அக்டோபர் 1 அன்று Google-ன் [Gemini API மாதிரி அடைவு](https://ai.google.dev/gemini-api/docs/models) Gemini 3 மாதிரிகளைப் பட்டியலிட்டது; Gemini 4 Argon அடையாளம் இல்லை. அதன் [API விலைப் பக்கத்திலும்](https://ai.google.dev/gemini-api/docs/pricing) Argon வரி இல்லை. ஆகவே API அழைப்பு வழிகாட்டி Google ஆவணப்படுத்தாத மாதிரிப் பெயரையும் அணுகல் வழியையும் கற்பனை செய்ய வேண்டியிருக்கும்.

இருப்பினும், வெளியீட்டு பதிவில் எதிர்கால டோக்கன் விலைகளை நிறுவனம் குறிப்பிட்டது. தொடக்க விலை **ஒரு மில்லியன் உள்ளீட்டு டோக்கனுக்கு $2, ஒரு மில்லியன் வெளியீட்டு டோக்கனுக்கு $10**; சேமிக்கப்பட்ட உள்ளீட்டின் விலை உள்ளீட்டு விகிதத்தை விட 95% குறைவு. தொடக்கக் காலத்திற்குப் பிறகு விலை **$4 மற்றும் $20**ஆக உயரும் என Google கூறுகிறது. அந்தக் காலம் எப்போது முடியும் எனத் தெரிவிக்கவில்லை. இவை அறிவிக்கப்பட்ட விலைகள்; இப்போது கிடைக்கும் சுயசேவை API விலை அல்ல. நீண்ட முகவர் பணிக்குத் தேவையான பகுத்தறிதல், கருவிப் பயன்பாடு, வெளியீட்டு அளவு தெரியாமல் டோக்கன் விலை மட்டும் மொத்தச் செலவைச் சொல்லாது.

## உயர்ந்த மதிப்பெண்கள்; வெளிப்படும் பலவீனங்களும்

[Argon குறித்த Vals AI-யின் சுயாதீனப் பதிவு](https://www.vals.ai/models/google_gemini-4-argon) Vals Index-இல் **68.90% ± 0.97** மதிப்பெண்; பட்டியலில் உள்ள 41 மாதிரிகளில் முதலிடம். Finance Agent v2-இல் 73-ல் முதலிடம், மதிப்பெண் **65.40% ± 0.32**. Vibe Code Bench-இல் 106-ல் இரண்டாம் இடம், **91.91% ± 1.90**; Code Migration-இல் 71-ல் இரண்டாம் இடம், **68.17% ± 4.35**; CyberBench v1.1-இல் 43-ல் இரண்டாம் இடம், **77.86% ± 5.30**. பல பணிகளில் வலுவான தொடக்கத்தைக் காட்டும் இம்முடிவுகள், எல்லாப் பணிகளிலும் Argon சிறந்தது எனக் காட்டவில்லை.

அதே மதிப்பீட்டாளர் Terminal-Bench 4.0-இல் 42 மாதிரிகளில் Argon-ஐ ஐந்தாம் இடத்தில் வைத்து **57.58% ± 2.31**என மதிப்பிட்டது; MedScribe-இல் 106-ல் பதினைந்தாம் இடமும், கணினிப் பயன்பாட்டு CUA-bench-இல் எட்டில் ஏழாம் இடமும், மதிப்பெண் **4.83%**. சோதனைக்கான அளவிடப்பட்ட செலவும் பெரிதும் மாறுகிறது: **$15.68** Vals Index சோதனைக்கு **$193.78** CUA-bench-க்கு. இவை மதிப்பீட்டாளரின் பணிச் செலவுகள்; Google அறிவித்த ஒரு மில்லியன் டோக்கன் விலையிலிருந்து வேறானவை. சில முகவர் மதிப்பீடுகள் நிலையான சோதனைச் சூழலைப் பயன்படுத்துகின்றன; மற்றவை மாதிரியின் சொந்த முகவரைப் பயன்படுத்துகின்றன என Vals கூறுகிறது. வெளியிடப்பட்ட நிலையான பிழைகள் prompt, seed அல்லது பயன்படுத்தல் அமைப்புகளின் மாறுபாட்டைக் கணக்கில் கொள்ளவில்லை. சிறிய மதிப்பெண் வேறுபாடுகளை இந்தச் சூழலில் புரிந்துகொள்ள வேண்டும்.

[Google DeepMind-இன் சொந்த ஒப்பீட்டுப் பட்டியல்](https://deepmind.google/models/gemini/) எல்லா துறைகளிலும் முன்னிலை என்ற கூற்றுக்கு எதிரான கூடுதல் எடுத்துக்காட்டுகளைத் தருகிறது. DeepSWE v1.1-இல் Argon GPT-6 Astra-வை விட முன்னிலை, **77.9% to 74.1%**; ஆனால் FrontierSWE v2-இல் Astra-வை விடப் பின்தங்குகிறது, **55.0% to 65.5%**; Terminal-Bench Science-இலும் பின்தங்குகிறது, **57.6% to 68.1%**. Terminal-Bench 4.0-இல் Claude Opus 5.5, Argon-ஐ விட முன்னிலை, **66.4% to 57.4%**; PostTrainBench-இலும், **49.3% to 45.3%**. பட்டியலின் இணையமில்லா OSWorld-2.0 துணைப்பகுதியில் Astra **72.6%** பெற்றது; Argon **69.2%**பெற்றது. இவை Google தேர்ந்தெடுத்த பட்டியல் மற்றும் குறிப்பிட்ட மதிப்பீட்டு அமைப்புகளைப் பயன்படுத்துகின்றன; ஆவணப்படுத்தப்பட்ட பொதுச் சேவையில் வாடிக்கையாளர் சோதனைக்கு மாற்றாகாது.

ஒரே செயல்முறையில் Argon அதிகபட்சம் **ஒரு மில்லியன் வெளியீட்டு டோக்கன்களை**உருவாக்க முடியும் என Google கூறுகிறது; முன்பு வரம்பு 64,000 டோக்கன்கள். Vals ஒரு மில்லியன் டோக்கன் *சூழல்* சாளரத்தைக் குறிப்பிடுகிறது; ஆனால் Argon மதிப்பீட்டில் அதிகபட்ச வெளியீட்டை **262,144 டோக்கன்களாக**அமைத்தது. இது எதிர்கால Google தயாரிப்புக்கான உறுதியான வரம்பை நிர்ணயிக்கவில்லை. இருப்பினும் Vals-ன் பொதுவான முடிவுகள் முழு ஒரு மில்லியன் டோக்கன் உருவாக்கத்தைக் காட்டவில்லை; வழக்கமான உருவாக்குநர்களுக்கான வெளியீட்டு வரம்பை விளக்கும் API பதிவையும் Google இன்னும் வெளியிடவில்லை.

## உள் பயன்பாடுகளுக்கும் பாதுகாப்புக் கூற்றுகளுக்கும் தனி ஆதாரம் தேவை

C/C++ குறியீட்டை Rust-க்கு மாற்றுதல், குவாண்டம் கணினி துணைநிரல், தரவு மைய நினைவக மேம்பாடு ஆகியவற்றில் Argon முகவர்கள் உதவியதாக Google விவரிக்கிறது. நினைவக மாற்றங்களின் ஒரு தொகுப்பைச் செயல்படுத்தியபின் 300 TiB-க்கும் மேல் இடம் விடுவிக்கப்பட்டதாகக் கூறுகிறது. மருத்துவ மென்பொருளைப் பாதித்த கடுமையான குறைபாட்டை Argon மூலம் தனது கூட்டாளர் Wiz கண்டதாகவும் சொல்கிறது. இவை உள் அல்லது கூட்டாளர் பணிகள் குறித்த Google-ன் விளக்கங்கள்; முடிவுகளை உறுதிப்படுத்தவோ மீண்டும் உருவாக்கவோ போதுமான சுயாதீன விவரங்கள் வெளியீட்டு ஆவணங்களில் இல்லை. பெரிய Rust மறுஎழுத்துகள் தயாரிப்பில் சேர்வதற்கு முன் தானியங்கி மற்றும் மனித ஆய்வுக்கு உட்படும் என Google கூறுகிறது.

பாதுகாப்பு அம்சங்களில் தீங்கான கோரிக்கைகளை மறுக்கும் பயிற்சி, மறைமுக prompt injection-க்கு எதிரான பாதுகாப்பு, பயனர் நோக்கத்துக்கு அப்பாற்பட்ட நடத்தையைக் கண்டறிய மாதிரியின் பகுத்தறிதல் மற்றும் செயல்களைக் கண்காணித்தல், மதிப்பீட்டு சூழல்களை வலுவாகத் தனிமைப்படுத்துதல் ஆகியவற்றை Google விவரிக்கிறது. மறைமுக prompt injection-க்கு Argon தமது மிகத் தாங்கும் மாதிரி என்பது விற்பனையாளரின் கூற்று. ஆரம்ப சைபர் குழுவுக்கும் வழக்கமான சைபர் பாதுகாப்புக் கட்டுப்பாடுகள் இல்லாமல் அணுகல் கிடைப்பதாக Google கூறுகிறது; அணுகல் விரிவடையும்போது அதன் வரம்பும் கண்காணிப்பும் அதனால் முக்கியம்.

அன்றாடப் பயன்பாடு குறித்த தொடக்க ஆதாரங்கள் முரண்படுகின்றன. [Axios தெரிவித்தது](https://www.axios.com/2026/09/30/google-gemini-4) : Bloomberg பெயர் வெளியிடாத ஆதாரங்களை மேற்கோள் காட்டி, சில Google ஊழியர்களுக்கு Argon-இன் உள் செயல்திறன் பலவீனமாகத் தோன்றியதாகக் கூறியது; அந்தத் தகவல் துல்லியமற்றது என Google Bloomberg-க்கு சொன்னதாகவும் Axios தெரிவித்தது. கடினமான நிரலாக்கம் மற்றும் ஆராய்ச்சிப் பணிகளுக்கு ஊழியர்கள் மாதிரியைப் பயன்படுத்தியதாக Google Axios-க்கு கூறியது. எந்த விளக்கமும் பொதுவான பதிப்பின் செயல்திறனைத் தீர்மானிக்கவில்லை. அடுத்த பயனுள்ள ஆதாரம் ஆவணப்படுத்தப்பட்ட அமைப்புகளில் அணுகலும், மற்றவர்கள் ஆராயக்கூடிய பணிமுடிவுகள் மற்றும் செலவுகளும் ஆகும்.

## Sources

- [Google-ன் Gemini 4 Argon அறிவிப்பு](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/) — அதிகாரப்பூர்வ அறிமுகம், அணுகல் திட்டம், எதிர்கால விலைகள், கூறப்பட்ட வெளியீட்டு வரம்பு, உள் திட்டங்கள், பாதுகாப்பு அறிக்கைகள். உள் முடிவுகளும் பாதுகாப்பு ஒப்பீடுகளும் விற்பனையாளரின் கூற்றுகள்.
- [Google DeepMind Gemini மாதிரிப் பக்கம்](https://deepmind.google/models/gemini/) — Argon முன்னிலை மற்றும் பின்தங்கிய முடிவுகள் உட்பட Google தேர்ந்தெடுத்த நேரடி ஒப்பீட்டுப் பட்டியல்; அக்டோபர் 1 அன்று சரிபார்க்கப்பட்டது.
- [Gemini API மாதிரி பட்டியல்](https://ai.google.dev/gemini-api/docs/models) — உருவாக்குநர்களுக்கான பொதுவான மாதிரி பட்டியல்; சரிபார்த்தபோது Gemini 4 Argon ID இல்லை. இதனால் தனிப்பட்ட அணுகல் இல்லை என்று கூற முடியாது.
- [Gemini API விலை](https://ai.google.dev/gemini-api/docs/pricing) — உருவாக்குநர்களுக்கான பொதுவான விலைப் பக்கம்; சரிபார்த்தபோது Argon பதிவு இல்லை. வெளியீட்டு பதிவு எதிர்கால விலைகளை வழங்குகிறது.
- [Vals AI-யின் Gemini 4 Argon மதிப்பீடு](https://www.vals.ai/models/google_gemini-4-argon) — சுயாதீன மதிப்பீட்டாளரின் மதிப்பெண்கள், தரவரிசைகள், பணிச் செலவுகள், அமைப்புகள்; 262,144 அதிகபட்ச வெளியீட்டு டோக்கன்களும் அடங்கும்.
- [Vals AI மதிப்பீட்டு முறை](https://www.vals.ai/methodology) — பணி வடிவமைப்பு, முகவர் சோதனைச் சூழல் மாறுபாடு, நிலையான பிழைகள் எதைப் பிடிக்கின்றன அல்லது விடுகின்றன என்பதை விளக்குகிறது.
- [Google Fairwind திட்டம்](https://blog.google/innovation-and-ai/technology/safety-security/fairwind-program/) — வரையறுக்கப்பட்ட சைபர் பாதுகாப்புத் திட்டம் மற்றும் இலக்கு கூட்டாளர்கள் குறித்த Google-ன் பின்னணி.
- [வெளியீடு குறித்த Axios செய்தி](https://www.axios.com/2026/09/30/google-gemini-4) — அணுகல் நிலை மற்றும் Google கருத்து குறித்த சுயாதீனப் பின்னணி; Bloomberg தெரிவித்த பெயரிடப்படாத ஊழியர்களின் சந்தேகமும் Google மறுப்பும் இதில் உள்ளன.
- [வெளியீடு குறித்த Ars Technica செய்தி](https://arstechnica.com/google/2026/09/google-announces-gemini-4-argon-ai-model-but-you-cant-use-it-yet/) — வெளியீட்டின் சுயாதீனப் பின்னணி; உள் பயன்பாடுகள் Google தெரிவித்த கூற்றுகளாகவே உள்ளன.