گوگل Gemini 4 Argon را با دسترسی محدود معرفی کرد

مدل Gemini 4 Argon، مدل تازه Google برای استدلال در جریان‌های کاری طولانی و پیچیده، در ۳۰ سپتامبر ۲۰۲۶ معرفی شد؛ مدلی که به گفته این شرکت در مهندسی نرم‌افزار، کارهای دانشی سازمانی و دفاع سایبری کاربرد دارد. دسترسی اولیه به آن محدود است و Google می‌گوید عرضه گسترده‌تر را به‌صورت مرحله‌ای پیش خواهد برد؛ تصمیمی که هم به بازخورد کاربران اولیه مربوط است و هم به تقویت تدابیر ایمنی برای استفاده از توانایی‌های سایبری مدل.

دسترسی مرحله‌ای؛ آغاز عرضه با مدافعان سایبری

Google اعلام کرده است Gemini 4 Argon در گام نخست از طریق برنامه Fairwind در اختیار مدافعان سایبری مورد اعتماد قرار می‌گیرد. این شرکت در این دوره به‌دنبال جمع‌آوری بازخورد و توسعه سازوکارهای حفاظتی مدل است. Google همچنین گفته در فرایند داوطلبانه دولت آمریکا برای دسترسی به مدل‌ها پیش از عرضه عمومی مشارکت می‌کند.

عرضه برای گروه‌های گسترده‌تر، از جمله توسعه‌دهندگان، شرکت‌ها و کاربران عادی، برای زمانی در آینده نزدیک برنامه‌ریزی شده است؛ با این حال، شرکت زمان مشخصی برای آن اعلام نکرده است. بر اساس توضیحات منتشرشده، مشتریان پولی API و مشترکان Google AI Ultra از نخستین گروه‌هایی خواهند بود که در مرحله بعد به مدل دسترسی می‌یابند. API راهی برای اتصال قابلیت‌های یک مدل به نرم‌افزارها و خدمات دیگر است.

محدودکردن دسترسی در آغاز، بخشی از رویکرد اعلام‌شده Google برای عرضه این مدل است. شرکت می‌گوید هم‌زمان با گسترش استفاده، باید خطرهای احتمالی کار با ابزارهای سایبری و رفتار عامل‌های هوش مصنوعی را نیز بررسی کند. عامل هوش مصنوعی سامانه‌ای است که می‌تواند برای انجام یک وظیفه، چند مرحله را دنبال کند و با ابزارهای مختلف تعامل داشته باشد.

عملکرد Gemini 4 Argon در آزمون‌ها و قیمت‌گذاری

طبق گزارش TestingCatalog، Gemini 4 Argon در آزمون DeepSWE v1.1 که مهندسی نرم‌افزار در افق زمانی طولانی را می‌سنجد، امتیاز ۷۷٫۹ درصد را کسب کرده است. Google همچنین گفته مدل در شاخص Vals رتبه نخست را گرفته و در AutomationBench شرکت Zapier به امتیاز ۵۱٫۳ درصد رسیده است. در آزمون ویدئویی بلندمدت LVBench نیز امتیاز ۹۱٫۷ درصد برای آن گزارش شده است.

در ارزیابی‌های دیگری که در گزارش آمده، Artificial Analysis عملکرد Gemini 4 Argon را در شاخص Intelligence Index برابر با GPT-6 Astra توصیف کرده و گفته هزینه هر کار در این مقایسه، با قیمت‌های تخفیفی، ۶۰ درصد کمتر است. این مقایسه به ارزیابی همان مؤسسه مربوط است و به‌تنهایی بیانگر عملکرد یکسان در همه وظایف یا شرایط استفاده نیست.

Arena.ai نیز گزارش کرده که نسخه High مدل در Text Arena با امتیاز ۱۵۲۵ در جایگاه نخست قرار گرفته و در بخش Code Arena: WebDev با امتیاز ۱۶۷۹ رتبه هشتم را داشته است. این نهاد هزینه ترکیبی را حدود ۸ دلار به‌ازای هر یک میلیون توکن عنوان کرده است. نتایج این آزمون‌ها تصویرهایی از عملکرد مدل در مجموعه وظایف مشخص ارائه می‌کنند و نباید آن‌ها را معادل تضمین کیفیت در همه کاربردهای روزمره دانست.

Google برای آغاز عرضه، قیمت هر یک میلیون توکن ورودی را ۲ دلار و هر یک میلیون توکن خروجی را ۱۰ دلار اعلام کرده است. توکن واحدی برای پردازش متن توسط مدل است و می‌تواند بخشی از یک واژه یا چند نویسه باشد. ورودی ذخیره‌شده، یعنی متنی که برای استفاده دوباره نگه‌داری می‌شود، با ۹۵ درصد تخفیف نسبت به نرخ ورودی محاسبه خواهد شد. پس از دوره قیمت‌گذاری مقدماتی، نرخ‌ها به‌ترتیب به ۴ دلار برای ورودی و ۲۰ دلار برای خروجی افزایش می‌یابند.

حد خروجی مدل نیز از ۶۴ هزار به یک میلیون توکن افزایش یافته است. این ظرفیت به مدل امکان می‌دهد در یک مسیر پردازشی متن طولانی‌تری تولید کند یا استدلال و کار را در مراحل بیشتری ادامه دهد؛ قابلیتی که برای وظایف بزرگ نرم‌افزاری و جریان‌های کاری چندمرحله‌ای اهمیت دارد.

کاربردهای داخلی؛ از بهینه‌سازی تا انتقال کد

Google می‌گوید هزاران نفر از کارکنانش از Gemini 4 Argon برای برنامه‌نویسی، پژوهش و نگارش استفاده می‌کنند. این شرکت نمونه‌هایی از به‌کارگیری مدل در پروژه‌های داخلی ارائه داده، اما این نتایج را باید به‌عنوان گزارش خود شرکت در نظر گرفت و نه ارزیابی مستقل از همه کاربردهای مدل.

به گفته Google، مدل در چند دقیقه توانسته یک خط مبنای منتشرشده برای بهینه‌سازی الگوریتم کوانتومی را ۴۰ درصد بهبود دهد. شرکت همچنین گزارش کرده گروهی از عامل‌های مبتنی بر Argon در بهینه‌سازی حافظه مراکز داده مشارکت کرده‌اند؛ اقدامی که پس از پیاده‌سازی بیش از ۳۰۰ تیبی‌بایت حافظه آزاد کرده است. Google میزان صرفه‌جویی نهایی پیش‌بینی‌شده را بین ۵۰۰ تیبی‌بایت تا یک پبی‌بایت اعلام کرده است. این واحدها برای سنجش ظرفیت‌های بسیار بزرگ داده و حافظه به کار می‌روند.

یکی دیگر از موارد استفاده، کمک به انتقال کدهای C و C++ به Rust است. این کار از کتابخانه‌های اصلی با ده‌ها هزار خط کد تا هسته Fuchsia Zircon را دربر می‌گیرد؛ هسته‌ای که به گفته Google بیش از ۸۰۰ هزار خط کد دارد. چون این سامانه‌ها حساس‌اند، شرکت می‌گوید تغییرات پیش از استفاده عملی، با ممیزی خودکار و دستی، آزمون شبیه‌سازی و بازبینی بررسی می‌شوند.

Google همچنین از پروژه‌ای در رمزگشای ویدئویی libgav1 خبر داده است. در این پروژه، ۳۲ هزار خط کد SIMD در نسخه Rust با کد Rust ایمن جایگزین شده و نتیجه، طبق اعلام شرکت، با خروجی یکسان ۲٫۷ برابر سریع‌تر اجرا شده است. SIMD روشی برای اجرای یک دستور روی چند داده به‌صورت هم‌زمان است و در پردازش‌هایی مانند ویدئو کاربرد دارد.

توانایی سایبری و تدابیر ایمنی

در آزمون CWE-bench v1، که آسیب‌پذیری‌های نرم‌افزاری را بررسی می‌کند، Gemini 4 Argon با امتیاز ۶۸ درصد در جایگاه مشترک نخست قرار گرفته است. Google می‌گوید شرکت امنیت سایبری Wiz از مدل در برنامه Scan for Good استفاده کرده و به یک آسیب‌پذیری بحرانی در نرم‌افزارهای حوزه سلامت رسیده است؛ نقصی که به گفته Google اطلاعات شخصی حساس را در معرض خطر قرار می‌داد و مدل‌های پیشرفته قبلی آن را تشخیص نداده بودند.

توانایی یافتن آسیب‌پذیری می‌تواند برای دفاع از سامانه‌ها مفید باشد، اما ممکن است در صورت استفاده نادرست خطرآفرین شود. Google می‌گوید در دسترسی اولیه، مدافعان مورد اعتماد و تیم‌های داخلی شرکت برای کار دفاعی می‌توانند از Argon بدون تدابیر محدودکننده سایبری استفاده کنند. هم‌زمان، عرضه عمومی مرحله‌ای باقی می‌ماند تا حفاظت در برابر سوءاستفاده سایبری و خطرهای مرتبط با مواد شیمیایی، زیستی، پرتوزا و هسته‌ای تقویت شود.

این شرکت همچنین از کار روی محافظت در برابر تزریق غیرمستقیم دستور و رفتار ناسازگار عامل‌ها خبر داده است. تزریق غیرمستقیم دستور زمانی رخ می‌دهد که محتوای بیرونیِ دیده‌شده توسط مدل، آن را به انجام کاری خلاف هدف اصلی سوق دهد. Google افزوده است که محیط‌های ایزوله و مقاوم‌تری برای آموزش و ارزیابی‌های پرخطر آماده می‌کند. جزئیات بیشتری درباره زمان تکمیل این تدابیر یا زمان عرضه عمومی ارائه نشده است.

این خبر برای چه کسانی اهمیت دارد

معرفی Gemini 4 Argon برای توسعه‌دهندگان و شرکت‌هایی اهمیت دارد که به مدل‌های توانمند در تحلیل کد، انجام وظایف طولانی و کار با حجم زیادی از اطلاعات نیاز دارند؛ به‌ویژه آن‌هایی که پیش از انتخاب سرویس، عملکرد و هزینه مدل‌ها را با یکدیگر مقایسه می‌کنند. قیمت‌گذاری توکنی و افزایش سقف خروجی نیز برای تیم‌هایی که وظایف بزرگ یا چندمرحله‌ای دارند، از عوامل مهم ارزیابی خواهد بود.

این خبر برای متخصصان امنیت سایبری هم دو وجه دارد: مدل می‌تواند به شناسایی ضعف‌ها کمک کند، اما همین قابلیت نیازمند کنترل دسترسی و حفاظت در برابر سوءاستفاده است. در نهایت، نتایج اعلام‌شده در آزمون‌ها و پروژه‌های داخلی، نشانه‌هایی از هدف‌گذاری Google برای Argon هستند؛ کیفیت عملی مدل در دسترس عمومی و در وظایف گوناگون، با گسترش استفاده و ارزیابی‌های بیشتر روشن‌تر خواهد شد.