Gemini 4 Argon به جمع مدل‌های پیشرو هوش مصنوعی بازگشت

مدل Gemini 4 Argon، تازه‌ترین مدل پیشرو Google، در ارزیابی‌های اولیه توانسته فاصله این شرکت را با OpenAI و Anthropic کمتر کند؛ هرچند نتایج موجود نشان نمی‌دهد که به‌طور روشن در صدر رقابت قرار گرفته باشد. Google این مدل را در ۳۰ سپتامبر معرفی کرد و برای آن قیمت آغازین نسبتاً پایینی اعلام کرده است، اما دسترسی فعلی محدود است و زمان عرضه عمومی هنوز مشخص نیست. Argon نخستین مدل پیشرو Google در بیش از هفت ماه گذشته است؛ بازگشتی که می‌تواند جایگاه این شرکت را در رقابت مدل‌های هوش مصنوعی تقویت کند.

عرضه Gemini 4 Argon با دسترسی محدود آغاز می‌شود

Google ابتدا Argon را در اختیار گروهی از «مدافعان سایبری مورد اعتماد» قرار می‌دهد؛ این دسترسی از مسیر برنامه Fairwind انجام می‌شود. در این مرحله، این گروه و تیم‌های داخلی Google مدل را بدون محدودیت‌های سایبری معمول دریافت می‌کنند. شرکت می‌گوید توانایی‌های مدل‌هایی در این سطح، رویکردی مرحله‌ای برای عرضه می‌طلبد. Google همچنین در برنامه داوطلبانه دولت ایالات متحده مشارکت دارد که به نهادهای دولتی امکان می‌دهد پیش از انتشار عمومی، به مدل‌های تازه دسترسی پیدا کنند.

بازخورد آزمایش‌کنندگان اولیه قرار است در طراحی و بهبود سازوکارهای ایمنی Argon به کار رود. پس از این مرحله، Google قصد دارد دسترسی را برای توسعه‌دهندگان، کسب‌وکارها و مصرف‌کنندگان گسترش دهد؛ مشتریان پولی API و مشترکان Google AI Ultra در اولویت خواهند بود. API رابطی است که به توسعه‌دهندگان اجازه می‌دهد قابلیت‌های یک مدل را در نرم‌افزارها و سرویس‌های خود به کار بگیرند. شرکت تاریخ مشخصی برای عرضه اعلام نکرده و تنها گفته است این کار را «در اولین فرصت» انجام خواهد داد.

قیمت آغازین اعلام‌شده برای هر یک میلیون توکن ورودی ۲ دلار و برای هر یک میلیون توکن خروجی ۱۰ دلار است. توکن، واحدی از متن است که مدل برای پردازش ورودی یا تولید پاسخ به کار می‌برد. توکن‌های ورودی ذخیره‌شده، که دوباره در درخواست‌های بعدی استفاده می‌شوند، ۹۵ درصد ارزان‌تر هستند و هزینه آن‌ها به حدود ۱۰ سنت برای هر یک میلیون توکن می‌رسد. این نرخ‌ها Argon را از نظر قیمت خام توکن، ارزان‌تر از بسیاری از مدل‌های پیشرو می‌کند؛ با این حال، هزینه نهایی به میزان مصرف توکن هم بستگی دارد.

Google سقف تولید خروجی را نیز از ۶۴ هزار به یک میلیون توکن افزایش داده است. به گفته شرکت، چنین ظرفیتی می‌تواند به مدل امکان دهد در یک مسیر طولانی‌تر مسئله‌های دشوار را بررسی کند و پاسخ را یک‌جا تولید کند. برای مدیریت پاسخ‌های طولانی، قابلیت تازه‌ای به نام Long Decode Continuation به Gemini API اضافه می‌شود: این قابلیت پاسخ را در صورت طولانی‌شدن متوقف می‌کند و سپس از طریق درخواست‌های بعدی ادامه می‌دهد تا فرایند استدلال با پایان زمان مجاز قطع نشود. پنجره ورودی مدل یک میلیون توکن باقی مانده است. Argon متن، تصویر، ویدئو و صدا را می‌پذیرد، اما خروجی آن فقط متن است.

نتایج ارزیابی‌ها؛ نزدیک به رقبا، نه پیشتاز قطعی

در ارزیابی مستقل Artificial Analysis، Gemini 4 Argon در بالاترین سطح استدلال در دسترس، یعنی High، امتیاز ۵۳ را در Intelligence Index گرفت. این نتیجه با امتیاز GPT-6 Astra (max) از OpenAI و Claude Fable 5.1 برابر است و یک امتیاز بالاتر از GPT-6.1 Sol (max) قرار می‌گیرد. با این حال، مدل‌های Anthropic در همان شاخص بالاتر بودند: Claude Opus 5.5 امتیاز ۵۸ و Claude Sonnet 5.5 امتیاز ۵۶ کسب کردند. در مقایسه با Gemini 3.1 Pro Preview، مدل پیشین Google، Argon در این ارزیابی ۲۳ امتیاز پیشرفت کرده است.

هزینه اجرای یک وظیفه در Intelligence Index با قیمت تبلیغاتی فعلی حدود ۱٫۹۹ دلار برآورد شده است؛ رقمی معادل ۶۰ درصد هزینه GPT-6 Astra که ۳٫۲۶ دلار است، اما ۲٫۷ برابر هزینه GPT-6.1 Sol محسوب می‌شود. پس از پایان قیمت تخفیفی، هزینه Argon به ۳٫۹۸ دلار می‌رسد؛ حدود ۲۰ درصد بیشتر از GPT-6 Astra. تفاوت قیمت توکن به‌تنهایی تصویر کاملی از بهره‌وری نمی‌دهد: طبق داده‌های Artificial Analysis، Argon برای هر وظیفه به‌طور میانگین ۶۲ هزار توکن خروجی مصرف می‌کند، درحالی‌که GPT-6 Astra به ۲۷ هزار توکن نیاز دارد.

نتایج آزمون‌های دیگر تصویر متنوع‌تری از توانایی مدل ارائه می‌کنند. Argon در AutomationBench-AA، نسخه Artificial Analysis از آزمون سنجش وظایف عامل‌محور، با امتیاز ۷۷٫۵ درصد رتبه نخست را به دست آورده و شش امتیاز از Claude Sonnet 5.5 (max) جلوتر بوده است. مدل‌های عامل‌محور برای انجام زنجیره‌ای از کارها و پیگیری چندمرحله‌ای یک هدف طراحی می‌شوند. در Terminal Bench 4، Argon امتیاز ۵۷ درصد گرفت؛ جهشی ۵۳ امتیازی نسبت به Gemini 3.1 Pro Preview. با این حال، در همین آزمون از Claude Sonnet 5.5 با ۶۴ درصد، Claude Opus 5.5 با ۶۰ درصد و GPT-6 Astra با ۵۹ درصد عقب ماند.

Artificial Analysis همچنین نرخ پایین توهم‌زایی Argon را برجسته کرده است. توهم‌زایی زمانی رخ می‌دهد که مدل اطلاعات نادرست را با لحنی مطمئن بیان کند. در آزمون AA-Omniscience که دانش واقعی و نحوه برخورد مدل با ندانستن را می‌سنجد، نرخ توهم‌زایی Argon برابر ۱۵ درصد بود؛ در مقابل، این نرخ برای GPT-6 Astra (max) به ۵۱ درصد و برای GPT-6.1 Sol (max) به ۵۴ درصد رسید. در عوض، دقت Argon در همان آزمون ۵۰ درصد بود: پنج امتیاز کمتر از Gemini 3.1 Pro Preview و ۱۳ امتیاز پایین‌تر از GPT-6 Astra (max). امتیاز کلی آن ۴۲ بود، تقریباً هم‌سطح GPT-6.1 Sol با ۴۲ و نزدیک به GPT-6 Astra با ۴۳.

Google در آزمون‌های داخلی خود نتایج مساعدتری گزارش کرده و می‌گوید Argon در بیشتر آن‌ها پیشتاز است؛ با این حال، مقایسه نتایج داخلی شرکت با ارزیابی‌های مستقل باید با توجه به تفاوت روش‌ها انجام شود. در Vals Index، این مدل با امتیاز ۶۸٫۹ درصد جایگاه نخست را گرفت و در ۲۰ مورد از ۲۲ آزمون بررسی‌شده در میان پنج مدل برتر بود. عملکرد آن در حوزه‌های مالی، حقوق، برنامه‌نویسی و امنیت برجسته گزارش شد. The Decoder یادآوری می‌کند که در همین شاخص، Sonnet 5.5 نیز از مدل پرچم‌دار Anthropic، یعنی Opus 5.5، بالاتر قرار گرفته است؛ نکته‌ای که ضرورت احتیاط در تفسیر یک رتبه‌بندی منفرد را نشان می‌دهد.

ترجیح کاربران برای متن و محدودیت‌های کاربردی

در Arena.ai، پلتفرمی که کاربران پاسخ مدل‌ها را در مقایسه‌های رو‌در‌رو ارزیابی می‌کنند، Argon در Text Arena با امتیاز ۱٬۵۲۵ به رتبه نخست رسید. این امتیاز ۲۰ واحد بالاتر از Claude Opus 4.6 (High) در جایگاه دوم بود. طبق نتایج Arena، Argon در نوشتن خلاقانه، پیروی از دستورها، پرسش‌های دشوار، درخواست‌های طولانی و برنامه‌نویسی رتبه بالایی دارد. همچنین در رشته‌های حرفه‌ای ارزیابی‌شده و در پرسش‌های انگلیسی، چینی، روسی و زبان‌های غیرانگلیسی در مجموع جایگاه نخست را گرفت.

این جایگاه به معنای برتری در همه کاربردها نیست. در Code Arena: WebDev، آزمون توسعه وب، Argon با امتیاز ۱٬۶۷۹ در رتبه هشتم قرار گرفت. این نتیجه نسبت به Gemini 3.8 Flash (High) بهبود ۹۶ امتیازی و صعود از رتبه ۲۹ را نشان می‌دهد، اما هنوز آن را در صدر این حوزه قرار نمی‌دهد. Arena همچنین Argon را از نظر نسبت قیمت به عملکرد در Text Arena مقرون‌به‌صرفه‌ترین مدل فعلی رتبه‌بندی معرفی کرده است؛ ارزیابی‌ای که بر مبنای نرخ ترکیبی ۸ دلار به‌ازای هر یک میلیون توکن انجام شده است.

عملکرد در آزمون‌ها به‌تنهایی تجربه روزمره کاربران را تعیین نمی‌کند. نتیجه هر سرویس می‌تواند به نرم‌افزار و ابزارهایی که پیرامون مدل ساخته شده‌اند نیز وابسته باشد. گزارش The Decoder می‌گوید اپلیکیشن Gemini در مقایسه با Claude Cowork و ChatGPT Work هنوز عقب‌تر است. بنابراین، دسترسی به یک مدل توانمند لزوماً به معنای برتری محصول نهایی در انجام کارهای واقعی نیست. Argon باید پس از عرضه گسترده‌تر، در استفاده روزمره نیز توانایی‌هایش را نشان دهد.

معرفی Argon پس از دوره‌ای دشوار برای توسعه مدل‌های Google انجام شده است. طبق گزارش The Decoder، فاصله آن با Gemini 3.1 Pro بیش از هفت ماه بوده و مدل پیشرو اعلام‌شده Gemini 3.5 نیز در نهایت کنار گذاشته شده است. نتایج فعلی نشان می‌دهد Google بار دیگر در جمع سازندگان اصلی مدل‌های پیشرفته حضور دارد؛ اما رقابت همچنان نزدیک است و برتری Anthropic در برخی ارزیابی‌ها و تفاوت عملکرد Argon میان آزمون‌ها، تصویر پیچیده‌تری از جایگاه آن ترسیم می‌کند.

این خبر برای چه کسانی اهمیت دارد

معرفی Gemini 4 Argon برای توسعه‌دهندگانی مهم است که هزینه API، طول زمینه و ظرفیت تولید پاسخ‌های بلند را در انتخاب مدل‌های خود می‌سنجند؛ به‌ویژه آن‌هایی که با درخواست‌های پیچیده یا چندمرحله‌ای کار می‌کنند. کسب‌وکارها نیز می‌توانند نتایج اولیه را برای مقایسه توانایی‌های مدل در برنامه‌نویسی، تحلیل و تولید متن بررسی کنند، اما باید مصرف بالای توکن را در محاسبه هزینه لحاظ کنند. برای کاربران عمومی، نکته اصلی این است که Argon هنوز به‌صورت گسترده در دسترس نیست و تاریخ عرضه مشخصی ندارد. همچنین رتبه‌های بالای آن در برخی بنچمارک‌ها، به‌تنهایی تضمین نمی‌کند که در همه کاربردها یا در محصول نهایی Google بهترین گزینه باشد.