Google ప్రకటించింది Gemini 4 Argon సెప్టెంబర్ 30న జ్ఞానాధారిత పనులు, కోడింగ్‌లో మంచి స్కోర్లు, ఒక మిలియన్ అవుట్‌పుట్ టోకెన్ల పరిమితి ఉందన్న వాదన, భవిష్యత్తు API ధరలను వెల్లడించింది. మొదట విశ్వసనీయ సైబర్ రక్షణ నిపుణులు, పరీక్షకుల చిన్న బృందానికి ఈ మోడల్‌ను అందిస్తోంది. డెవలపర్ల కోసం పబ్లిక్ మోడల్ IDనూ, చెల్లింపు API వినియోగదారులు లేదా Google AI Ultra సబ్‌స్క్రైబర్లు ఎప్పటి నుంచి వాడగలరో తేదీనీ ప్రకటించలేదు. Google ప్రకటన మరియు Gemini API మోడల్ కేటలాగ్ మోడల్ ప్రకటనకూ ఎక్కువ మంది పాఠకులకు యాక్సెస్ లభించడానికీ మధ్యనున్న అంతరాన్ని చూపుతున్నాయి.

ప్రధాన మార్పు

  • ఏమి మారింది: Google కొత్త అత్యాధునిక మోడల్‌ను ఎంపిక చేసిన సైబర్ రక్షణ నిపుణులకు అందించింది; అయితే చాలా మంది డెవలపర్లు, సబ్‌స్క్రైబర్లు ఇంకా వాడలేరు. ప్రధాన సామర్థ్యాలు, ధరల వాదనలు బహిరంగమయ్యాయి, కానీ పబ్లిక్ API ఇంకా అందుబాటులోకి రాలేదు.
  • ఇది ఎందుకు ముఖ్యం: Vals AI స్వతంత్ర పరీక్షల్లో విస్తృత జ్ఞానపనులు, ఫైనాన్స్ ఏజెంట్ పరీక్షలో Argon మొదటి స్థానంలో ఉంది. మోడళ్లను పోల్చే బృందాలకు పరిశీలించదగిన కొత్త అభ్యర్థి లభించాడు. పనులవారీగా ఫలితాలు మారడం, పరిమిత విడుదల కారణంగా తమ పని విధానాల్లో పనితీరు, ఖర్చులు ఎలా ఉంటాయో ఇంకా తెలియదు.
  • ఏమి గమనించాలి: తదుపరి బృందాలుగా చెల్లింపు API వినియోగదారులు, AI Ultra సబ్‌స్క్రైబర్లను Google పేర్కొంది, కానీ తేదీ ఇవ్వలేదు. మోడల్ ID, సేవా పరిమితులపై డాక్యుమెంటేషన్ వస్తే డెవలపర్లు తమకు అవసరమైన పనులను పరీక్షించగలరు; చెప్పిన ఒక మిలియన్ అవుట్‌పుట్ టోకెన్లను వాస్తవంగా ఉపయోగించవచ్చో కూడా తెలుసుకోవచ్చు.

ఇప్పుడు Gemini 4ను ఎవరు వాడగలరు

మొదటి వినియోగదారులు తమ Fairwind కార్యక్రమంలోనివిశ్వసనీయ సైబర్ రక్షణ నిపుణులు, పరీక్షకులని Google చెబుతోంది. Fairwind అనేది ఎంపిక చేసిన Google Cloud కస్టమర్లు, ప్రభుత్వ సంస్థలు, భద్రతా భాగస్వాములకు పరిమిత యాక్సెస్ ఇచ్చే కార్యక్రమం. సాధారణ సైబర్ రక్షణ నియంత్రణలు లేకుండానే Argon‌ను విశ్వసనీయ రక్షకులకు అందిస్తున్నామని, తద్వారా దాని రక్షణ సామర్థ్యాలను వాడుకోవచ్చని Google చెబుతోంది. ప్రారంభ విడుదల అత్యంత సున్నితమైన వినియోగాన్ని నియంత్రితంగా పరీక్షించడం.

చెల్లింపు API కస్టమర్లు, Google AI Ultra సబ్‌స్క్రైబర్లతో ప్రారంభించి డెవలపర్లు, సంస్థలు, వినియోగదారులకు యాక్సెస్ విస్తరించాలని Google భావిస్తోంది. ఆ దశకు తేదీ ప్రకటించలేదు. అక్టోబర్ 1న చూసినప్పుడు Google యొక్క Gemini API మోడల్ డైరెక్టరీ లో Gemini 3 మోడళ్లు ఉన్నాయి; Gemini 4 Argon ID లేదు. దాని API ధరల పేజీ లోనూ Argon వరుస లేదు. అందువల్ల API కాల్ మార్గదర్శిని రాయాలంటే Google డాక్యుమెంట్ చేయని మోడల్ పేరు, యాక్సెస్ మార్గాన్ని కల్పించాల్సి వస్తుంది.

అయినా లాంచ్ పోస్ట్‌లో భవిష్యత్తు టోకెన్ ధరలను కంపెనీ తెలిపింది. ప్రారంభ ధర ప్రతి మిలియన్ ఇన్‌పుట్ టోకెన్లకు 2 డాలర్లు, ప్రతి మిలియన్ అవుట్‌పుట్ టోకెన్లకు 10 డాలర్లు; క్యాష్ చేసిన ఇన్‌పుట్ ధర సాధారణ ఇన్‌పుట్ రేటు కంటే 95% తక్కువ. ప్రారంభ కాలం తర్వాత ధరలు 4, 20 డాలర్లుకు పెరుగుతాయని Google చెబుతోంది. ప్రారంభ కాలం ఎప్పుడు ముగుస్తుందో చెప్పలేదు. ఇవి ప్రకటించిన ధరలే, ప్రస్తుతం అందుబాటులో ఉన్న స్వీయ-సేవ API ధరలు కావు. దీర్ఘ ఏజెంట్ పనికి అవసరమైన రీజనింగ్, టూల్ వినియోగం, అవుట్‌పుట్ పరిమాణం తెలియకపోతే టోకెన్ ధరతో మొత్తం ఖర్చు అర్థం కాదు.

మంచి స్కోర్లు, కనిపించే బలహీనతలు

Argonపై Vals AI స్వతంత్ర రికార్డు Vals Indexలో 68.90% ± 0.97 గా నమోదైంది; వారి పట్టికలోని 41 మోడళ్లలో మొదటి స్థానం. Finance Agent v2లో 73లో మొదటిగా 65.40% ± 0.32 సాధించింది. Vibe Code Benchలో 106లో రెండో స్థానం, 91.91% ± 1.90. Code Migrationలో 71లో రెండోది, 68.17% ± 4.35; CyberBench v1.1లో 43లో రెండోది, 77.86% ± 5.30. పలు పనుల్లో ఇది బలమైన ప్రారంభ ప్రదర్శన; ప్రతి పనిలో Argon అత్యుత్తమమని మాత్రం అర్థం కాదు.

అదే మూల్యాంకన సంస్థ Terminal-Bench 4.0లో Argon‌ను 42 మోడళ్లలో ఐదో స్థానంలో ఉంచి 57.58% ± 2.31 ఇచ్చింది; MedScribeలో 106లో 15వ స్థానం, కంప్యూటర్ వినియోగ CUA-benchలో ఎనిమిదిలో ఏడో స్థానం, 4.83%. ఒక్కో పరీక్షకు కొలిచిన ఖర్చులోనూ పెద్ద తేడా ఉంది: Vals Index పరీక్షకు $15.68 , CUA-benchకు $193.78 . ఇవి మూల్యాంకన పనుల ఖర్చులు; Google ప్రకటించిన ప్రతి మిలియన్ టోకెన్ల ధరకు వేరు. కొన్ని ఏజెంట్ పరీక్షల్లో స్థిరమైన హార్నెస్, మరికొన్నింటిలో మోడల్ సొంత ఏజెంట్ వాడతామని Vals చెబుతోంది. నివేదించిన ప్రామాణిక లోపాలు ప్రాంప్ట్‌లు, సీడ్‌లు లేదా డిప్లాయ్‌మెంట్ సెట్టింగ్‌ల మధ్య తేడాలను చూపవు. స్కోరులో చిన్న వ్యత్యాసాన్ని ఈ నేపథ్యంలో చూడాలి.

Google DeepMind సొంత పోలిక పట్టిక అన్ని పనుల్లోనూ ముందుందన్న వాదనకు మరిన్ని ప్రతివాదాలను చూపుతుంది. DeepSWE v1.1లో Argon GPT-6 Astra కంటే ముందుంది, 77.9% to 74.1%; కానీ FrontierSWE v2లో Astra కంటే వెనుక, 55.0% to 65.5%; Terminal-Bench Scienceలోనూ వెనుక, 57.6% to 68.1%. Terminal-Bench 4.0లో Claude Opus 5.5 Argon కంటే ముందుంది, 66.4% to 57.4%; PostTrainBenchలోనూ, 49.3% to 45.3%. పట్టికలోని ఆఫ్‌లైన్ OSWorld-2.0 ఉపసమితిలో Astra 72.6% , Argon 69.2% సాధించాయి. ఈ పోలికలు Google ఎంచుకున్న పట్టిక, పేర్కొన్న బెంచ్‌మార్క్ అమరికలపై ఆధారపడతాయి; డాక్యుమెంటేషన్ ఉన్న పబ్లిక్ సేవలో కస్టమర్ పరీక్షలకు ఇవి ప్రత్యామ్నాయం కావు.

ఒకే ట్రాజెక్టరీలో Argon గరిష్ఠంగా ఒక మిలియన్ అవుట్‌పుట్ టోకెన్లుఉత్పత్తి చేయగలదని Google చెబుతోంది; గత పరిమితి 64,000 టోకెన్లు. Vals ఒక మిలియన్ టోకెన్ల కాంటెక్స్ట్ విండోను పేర్కొంది, కానీ Argon మూల్యాంకనంలో గరిష్ఠ అవుట్‌పుట్‌ను 262,144 టోకెన్లుగా అమర్చింది. ఈ సెట్టింగ్ Google భవిష్యత్తు ఉత్పత్తికి కఠిన పరిమితిని నిర్ధారించదు. అయితే Vals పబ్లిక్ ఫలితాల్లో పూర్తి ఒక మిలియన్ టోకెన్ల జనరేషన్ లేదు; సాధారణ డెవలపర్లకు అందే అవుట్‌పుట్ పరిమితిని స్పష్టం చేసే పబ్లిక్ API నమోదును Google ఇంకా ప్రచురించలేదు.

అంతర్గత వినియోగం, భద్రతా వాదనలకు ప్రత్యేక ఆధారాలు కావాలి

C/C++ నుంచి Rustకు కోడ్ మార్పు, క్వాంటం కంప్యూటింగ్ సబ్‌రూటీన్, డేటా సెంటర్ మెమరీ మెరుగుదలల్లో Argon ఏజెంట్లు సహాయం చేశాయని Google వివరిస్తోంది. మెమరీ మార్పుల ఒక సెట్‌ను అమలు చేసిన తర్వాత 300 TiB కంటే ఎక్కువ స్థలం ఖాళీ అయిందని చెబుతోంది. భాగస్వామి Wiz, Argonతో ఆరోగ్య సంరక్షణ సాఫ్ట్‌వేర్‌ను ప్రభావితం చేసే తీవ్రమైన లోపాన్ని కనుగొన్నట్లు కూడా తెలిపింది. ఇవి అంతర్గత లేదా భాగస్వామి పనిపై Google చెప్పిన వివరాలు; వాటిని నిర్ధారించడానికి లేదా పునరావృతం చేయడానికి లాంచ్ మెటీరియల్‌లో తగిన స్వతంత్ర వివరాలు లేవు. భారీ Rust మార్పులు ఉత్పత్తిలోకి వెళ్లేముందు ఆటోమేటెడ్, మాన్యువల్ సమీక్ష పొందుతాయని Google చెబుతోంది.

భద్రత కోసం హానికర అభ్యర్థనలను నిరాకరించే శిక్షణ, పరోక్ష ప్రాంప్ట్ ఇంజెక్షన్‌కు రక్షణ, వినియోగదారు ఉద్దేశానికి విరుద్ధమైన ప్రవర్తనను గుర్తించేందుకు మోడల్ రీజనింగ్, చర్యల పర్యవేక్షణ, మూల్యాంకన వాతావరణాల బలమైన వేర్పాటు ఉన్నాయని Google చెబుతోంది. పరోక్ష ప్రాంప్ట్ ఇంజెక్షన్‌కు Argon తన అత్యంత నిరోధక మోడల్ అన్నది విక్రేత వాదన. ప్రారంభ సైబర్ బృందానికి సాధారణ సైబర్ రక్షణ నియంత్రణలు లేకుండానే యాక్సెస్ ఇస్తున్నట్లు Google తెలిపింది. కాబట్టి యాక్సెస్ విస్తరించేకొద్దీ దాని పరిధి, పర్యవేక్షణ మరింత కీలకం.

రోజువారీ ఉపయోగంపై తొలి ఆధారాలు పరస్పర విరుద్ధంగా ఉన్నాయి. Axios నివేదించింది : Bloomberg అనామక వనరులను ఉటంకిస్తూ కొంతమంది Google ఉద్యోగులకు Argon అంతర్గత పనితీరు బలహీనంగా అనిపించిందని తెలిపింది; ఆ కథనం తప్పని Google Bloombergతో చెప్పిందని Axios కూడా నివేదించింది. కష్టమైన కోడింగ్, పరిశోధన పనులకు ఉద్యోగులు మోడల్‌ను వాడారని Google Axiosతో చెప్పింది. ఈ రెండు కథనాల్లో ఏదీ పబ్లిక్ వెర్షన్ ఎలా పనిచేస్తుందో తేల్చదు. డాక్యుమెంట్ చేసిన సెట్టింగ్‌లలో యాక్సెస్, ఇతరులు పరిశీలించగల పని ఫలితాలు, ఖర్చులే తదుపరి ఉపయోగకరమైన ఆధారాలు.