Gemini 4 Argon вышла в доступ: что умеет и сколько стоит
Google начала публичную раскатку Gemini 4 Argon, а вместе с релизом показала карточку модели с важными деталями по цене, ограничениям и рискам. Для пользователей и команд разработки это значит, что модель уже можно попробовать в ряде продуктов, но условия доступа заметно отличаются.
Где уже доступна Gemini 4 Argon
13 октября Google запустила публичное распространение Gemini 4 Argon, которую анонсировали в конце сентября. Модель добавили в платный API, а в приложении Gemini она открывается подписчикам Pro и Ultra.
Доступ зависит от среды. В Gemini и AI Mode в Google Search модель дают на тарифах Google AI Pro за $20 и Ultra за $200. В Gemini API сейчас действует промо-цена: $2 за миллион входящих токенов и $10 за миллион исходящих, а с 1 декабря ставки должны вырасти до $4 и $20. В Google AI Studio и Android Studio доступ привязан к Ultra, а в Antigravity нужны Ultra, десктопное приложение или CLI и актуальная версия. Это важно для тех, кто планирует тестировать модель в работе, а не просто в чате.
Что показали бенчмарки и почему к ним стоит относиться осторожно
По тестам Argon выглядит сильной, но не без перекосов. В индексе Artificial Analysis Intelligence Index v4.3.2 версия High получила 53 балла — столько же, сколько GPT-6 Astra Max, тогда как у Claude Opus 5.5 Max с default fallback показатель выше, 58. Но такие сводные оценки не означают одинаковое качество во всех задачах.
В Code Arena возможный диапазон ранга Argon — 7–13 место, а в AA-Omniscience доля галлюцинаций ниже, чем у GPT-6 Astra: 15% против 51%. При этом точных ответов тоже меньше — 50% против 63%. Для обычного пользователя это значит, что модель не всегда будет самой стабильной, зато может быть полезной там, где важны разные режимы работы и умение не фантазировать без уверенности.
Безопасность, цена и реальные сценарии использования
Google отдельно указала, что воспринимает Argon как потенциально рискованную модель без защитных мер. В карточке говорится о возможной помощи в биологических угрозах и крупных кибератаках, а также о результатах тестов на понимание среды и скрытность: модель прошла 14 из 15 таких заданий. При этом компания считает, что дополнительные ограничения снижают риск до приемлемого уровня: среди мер названы наблюдение за рассуждениями и действиями агента с возможностью остановки выполнения.
Из практических демонстраций Google особенно заметны два примера. В одном Argon вместе с другими инструментами собрала мини-игру Desk Racer по фотографиям рабочего стола. В другом модель помогла оптимизировать Google ADK — Python-фреймворк на 205 тысяч строк: после 11 часов работы в режиме /goal команда получила шесть предложений, из которых приняли две. Для бизнеса и разработчиков это сигнал, что модель может пригодиться не только для текста, но и для задач с кодом, агентами и рабочими процессами.