модель · Google · вышла 30 сентября
Gemini 4 Argon
Передовая модель Google на ноябрь 2026 года для сложного программирования, научных задач и долгой работы ИИ-агентов
О модели
Gemini 4 Argon — модель Google для сложного программирования, исследований и работы ИИ-агентов — программ, которые самостоятельно выполняют цепочку действий. В её основе — «смесь экспертов»: при обработке данных задействована лишь часть блоков нейросети. При дообучении использовали задачи на многошаговые рассуждения, решение проблем и доказательство теорем.
По сравнению с прежними Gemini она может готовить более длинные ответы в специальном фоновом режиме, что полезно для подробных отчётов и больших изменений в коде. По документации Google, Argon отвечает быстрее и расходует меньше токенов — фрагментов текста — на задачу, чем Gemini 4 Carbon. Компания рекомендует Argon для большинства сложных задач разработки и анализа, а Carbon — для задач, требующих более глубоких рассуждений и повторных проверок. Соседнюю Gemini 4 Hydrogen Google ориентирует на быстрое выполнение повседневных задач программирования и агентов.
По замерам Google в анонсе, Argon решила 77,9% заданий DeepSWE v1.1 — теста на долгие задачи реальной разработки. Внутри компании агенты на её основе переводят проекты с C и C++ на Rust и ищут способы ускорить программы. Среди других сценариев Google выделяет финансовые исследования, подготовку юридических документов, научные расчёты и анализ графиков.
Google предупреждает, что Argon может выдумывать факты, отвечать медленно или не завершать запрос до истечения времени ожидания. Даже внутри компании код, переписанный агентами, проходит автоматические и ручные проверки перед внедрением.
источники:Анонс Google ↗Документация Argon ↗Карточка модели ↗
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиПодробнее на английском ↗
весь рейтинг10место из 257индекс 167вероятный разброс 164–170
- Furniture Assembly60,7%высокое
- WeirdML v346,0%высокое
- FrontierSWE55,0%высокое
- DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗96,0%низкое
- LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗74,9%высокое
- Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗60,3%высокое
- EBR-benchУчится ли модель на опыте: она раз за разом играет в малоизвестную карточную настольную игру Earthborne Rangers и ведёт заметкиБалл — доля из 21 игровой цели в лучшей из двух итоговых партий после тренировочных; сам по себе он не показывает, выросла ли модель.Подробнее на английском ↗64,8%высокое
- MirrorCodeМодель с нуля воссоздаёт целую консольную программу по её поведению, документации и примерам, не видя исходного кодаПодробнее на английском ↗58,9%высокое
- FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗78,0%высокое
- FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗90,5%высокое
- FrontierCodeМодель исправляет проблему в открытом проекте, а правку оценивают по тому, приняли бы её сопровождающие проектаБалл выставляют по критериям сопровождающих и усредняют по пяти запускам; если нарушен хотя бы один обязательный критерий, за задачу ставят ноль.Подробнее на английском ↗47,5%среднее
- PostTrainBenchМожет ли ИИ-агент сам дообучить базовую языковую модель за 10 часов на одной видеокарте H100, без готового кода и данныхБалл — результат дообученной модели на нескольких тестах; официальные версии тех же моделей от разработчиков набирают около 51%.Подробнее на английском ↗40,4%высокое
- ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗99,0%
- APEX-Agents480 многошаговых рабочих задач из инвестбанкинга, консалтинга и корпоративного права: агент работает с файлами, почтой, таблицамиЗадача засчитывается, только если выполнены все пункты экспертного списка критериев; проверяет их другая модель.Подробнее на английском ↗82,4%
- Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗56,9%высокое
- Remote Labor IndexНастоящие заказы с фриланс-площадок — дизайн, архитектура, анализ данных, программирование — выполняемые агентом целикомЧисло — доля заказов, выполненных так, что заказчик принял бы работу; даже у лидеров это немного.Подробнее на английском ↗17,1%
- SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗76,0%высокое
- ARC-AGI-2Вторая, более трудная версия головоломок на клетках: по примерам найти скрытое правило и применить его к новой картинкеНа каждое задание даётся две попытки; люди в среднем решают около 60% заданий.Подробнее на английском ↗91,2%высокое
- OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗100,0%высокое
- SimpleBenchВопросы с подвохом на здравый смысл: пространство, время, поведение людей. 213 вопросов, у каждого шесть вариантов ответаЛюди в проверке авторов набрали около 84%, а балл модели — средняя точность по пяти прогонам.Подробнее на английском ↗90,0%
- GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗99,2%высокое
- ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗98,5%среднее
Новости о модели
все упоминания · 116Google выпустила плагин для программирования роботов через чат
С новым плагином модель Google Gemini 4 Hydrogen строит симуляцию по описанию задачи, чтобы разработчик мог проверить движения перед запуском управляющей программы на реальном роботе.
Gemini 4 Carbon помогла Google за недели проверить код шифрования Signal
Новая модель Google помогла за недели доказать ключевые свойства безопасности кода Signal, а учёным из программы компании её дают бесплатно.
Уиллисон сравнил три модели Gemini 4 на рисунках пеликанов
Gemini 4 Hydrogen выполнила задачу быстрее и дешевле Carbon и Argon, но Уиллисон счёл её рисунки заметно хуже.
Google выпустила модель Gemini 4 Hydrogen для самостоятельной работы с кодом
На стандартном уровне рассуждений Hydrogen выполняет задачи в 2,5 раза быстрее Gemini 3.8 Flash, по замерам Google.
Google внедрила Gemini 4 Hydrogen в поиск по всему миру
Обновление доступно всем пользователям; по словам Google, поиск точнее разбирает составные вопросы и показывает больше изображений, сравнительных таблиц и ссылок.
Google открыла модель Gemini 4 Carbon разработчикам и компаниям
Новая передовая модель Google появилась в подписке Google AI Ultra, а разработчики могут за плату подключать её к своим приложениям. Вводная цена для разработчиков продержится до конца ноября, потом вырастет вдвое.
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).