Gemini 4 Argon: stworzony do najtrudniejszych zadań

Gemini 4 Argon jest już dziś dostępny na całym świecie dla deweloperów i przedsiębiorstw za pośrednictwem interfejsu API w AI Studio i na platformie Gemini , dla subskrybentów Google AI Ultra w Google Antigravity oraz dla subskrybentów Google AI Ultra i Pro w aplikacji Gemini i AI Mode w wyszukiwarce .

Argon doskonale radzi sobie ze złożonymi zadaniami wymagającymi pogłębionej pracy – od programowania po finanse, prawo, cyberbezpieczeństwo i naukę. Dzięki precyzji w wieloetapowych procesach model wyprzedza inne wiodące rozwiązania w testach porównawczych w różnych dziedzinach. Zajmuje m.in. 1. miejsce w rankingu Vals Index, mierzącym wydajność modeli w kluczowych sektorach gospodarki, takich jak finanse, programowanie, podatki czy prawo.

Model debiutuje w promocyjnej cenie 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych (ze zniżką 95% na tokeny buforowane).

Zespoły w Google, firmy oraz środowiska naukowe już wykorzystują model Argon do:

• rozwiązywania poważnych problemów inżynieryjnych, takich jak refaktoryzacja i optymalizacja dużych baz kodu;
• usprawniania procesów w firmach z sektora prawnego, finansowego czy naukowego;
• wykrywania i usuwania krytycznych luk w zabezpieczeniach;
• dokonywania przełomów w informatyce kwantowej, fuzji jądrowej oraz naukach przyrodniczych.

Rozwiązywanie złożonych zadań inżynierskich

W Google wykorzystujemy model Argon do najtrudniejszych wyzwań programistycznych. W ostatnich tygodniach inżynierowie oprogramowania tworzą wysokiej jakości kod szybciej niż kiedykolwiek. Argon w Google Antigravity pomógł zespołom zwiększyć liczbę zmian wdrażanych autonomicznie przez agentów o ponad 35%, zmniejszając jednocześnie konieczność wycofywania zmian o prawie jedną trzecią.

• Uporządkowanie kodu przeglądarki Chrome: model pomógł zespołowi Chrome oddzielić podstawową obsługę stron internetowych od liczącego około 6 milionów linii kodu folderu funkcji w 40-milionowej bazie Chromium. Dzięki wprowadzaniu wielu czystych zmian jednocześnie Argon umożliwił refaktoryzację architektury setek plików w kilka tygodni zamiast miesięcy. Dla miliardów użytkowników Chrome oznacza to płynne przenoszenie kart między oknami i panelami bocznymi bez przeładowywania stron oraz eliminację całej kategorii awarii przeglądarki.

• Optymalizacja kodu w Pythonie w kilka godzin: Argon w Google Antigravity wspiera zespół rozwijający open-source’owy pakiet Agent Development Kit (ADK). Zespół przekazał modelowi zestaw reguł .agents/skills oraz krótkie polecenie: usunąć narzut frameworka bez naruszania istniejących aplikacji. Działając autonomicznie przez noc, Argon przygotował optymalizacje, które są już wdrożone w repozytorium google/adk-python. Skróciły one czas przygotowania sesji w pamięci o 40% i przyśpieszyły import modułów o 21%.
• Optymalizacja pakietów open-source dla chemii kwantowej: xTB to jeden z najpopularniejszych pakietów open-source do modelowania cząsteczek. Naukowcy używają go m.in. do przewidywania trójwymiarowych struktur cząsteczek podczas poszukiwania leków. Wykorzystując model Argon w Google Antigravity, nasi badacze przyśpieszyli przewidywanie struktur cząsteczkowych w xTB nawet 2,3-krotnie, a wyszukiwanie konformacji – 1,8-krotnie. Modyfikacje trafiły do oficjalnego repozytorium xTB na GitHubie.
• Zwiększenie szybkości modeli Gemma niemal trzykrotnie: dzięki modelowi Argon osiągnęliśmy 2,85-krotne przyśpieszenie wnioskowania na procesorze A100 w środowisku vLLM (wzrost przepustowości z ~37 900 do ponad 108 000 tokenów na sekundę w modelu Gemma 4 E2B) – z pełną zgodnością tokenów i bez utraty jakości w zaledwie kilka dni. Dokładne modyfikacje można prześledzić w pull requestach w nadrzędnym repozytorium.
• Tworzenie złożonych wizualizacji 3D: Argon przynosi znaczne ulepszenia w rozumowaniu przestrzennym, precyzji matematycznej i tworzeniu kodu wizualnego. Korzystając z poleceń takich jak /goal oraz pętli wieloagentowych w Google Antigravity, inżynierowie Google tworzą prototypy złożonych wizualizacji 3D, gier i interaktywnych animacji renderowanych bezpośrednio w przeglądarce.

Transformacja kluczowych procesów w firmie

Argon łączy zaawansowane wnioskowanie, percepcję wizualną i wiedzę branżową, aby wspierać kluczowe procesy w prawie, finansach czy nauce. Model komunikuje się precyzyjnie, pozwala Ci być na bieżąco i rzetelnie przestrzega instrukcji stylu. Odpowiada bezpośrednio, bez niepotrzebnych powtórzeń, kluczenia czy banałów.

Klienci korporacyjni i startupy w programie wczesnego dostępu już osiągają sukcesy przy pomocy modelu Argon.

Dzięki połączeniu wnioskowania z rygorystycznym osadzeniem w źródłach model świetnie sprawdza się w wielomodalnej analizie dokumentów, badaniu danych w czasie oraz w interaktywnych środowiskach analitycznych.

Przełomowe wyniki w nauce i badaniach

Badaczki, inżynierowie i specjaliści ds. bezpieczeństwa wykorzystują model Argon do przesuwania granic w rozwoju cyberbezpieczeństwa, nauk ścisłych i robotyki. Model pomaga testować hipotezy, autonomicznie sprawdzać kluczowe bazy kodu i dowody formalne oraz wykrywać subtelne luki typuzero-day i błędy logiczne.

Wzmocnienie cyberbezpieczeństwa

Od dziś rozszerzamy dostęp do modelu dla setek kolejnych partnerów programu Fairwind.

Firma Wiz stosuje model Argon w inicjatywie „Scan for Good”, która bezpłatnie chroni infrastrukturę krytyczną w interesie publicznym. Dzięki wczesnemu dostępowi do modelu, Wiz zademonstrował realny wpływ Argonu w wielu sektorach o wysokim ryzyku:

• Zabezpieczanie wrażliwych danych rządowych: W ramach długofalowego programu cyberodporności i we współpracy z agencją federalną, Argon pomógł proaktywnie zidentyfikować i usunąć lukę, która groziła ujawnieniem wrażliwych danych i infrastruktury rządowej. Działania te pomogły zapobiec ujawnieniu kluczowych szczegółów rozwoju sektora bezpieczeństwa oraz nieautoryzowanemu dostępowi do specjalistycznych modeli.
• Ochrona krytycznej infrastruktury opieki zdrowotnej: Wiz wykorzystał Argon również do ochrony kluczowej infrastruktury opieki zdrowotnej. Dzięki połączeniu złożonych luk w zabezpieczeniach, model pomógł zespołowi odkryć i szybko naprawić błąd publicznego pobierania plików, który ujawnił klucz główny i przyznał dostęp administratorowi. Argon nie tylko wykrył lukę, ale także proaktywnie zabezpieczył setki tysięcy prywatnych dokumentacji medycznych.

Odkrywanie nowych przełomów naukowych

Argon ma już realny wpływ na społeczność naukową — umożliwiając naukowcom i ekspertom z wielu dziedzin dokonywanie nowatorskich odkryć.

• Komputery kwantowe: Argon pomaga naszym badaczom przyspieszyć postępy zarówno w zakresie kwantowej korekcji błędów, jak i projektowania algorytmów. Aby pomóc dekoderom błędów dotrzymywać kroku sprzętowi kwantowemu w czasie rzeczywistym, Argon przełożył wewnętrzną wersję AlphaQubit , naszego dekodera kwantowej korekcji błędów ML, na jedno, wysoce zoptymalizowane jądro sprzętowe — niemal podwajając jego przepustowość wnioskowania, dzięki czemu możemy wdrażać większe, bardziej wydajne modele i skalować do większych urządzeń kwantowych, jednocześnie nadal spełniając surowe progi czasu rzeczywistego. Argon zmniejsza również koszty czasoprzestrzenne dla podprogramów kwantowych. W przypadku arcsin, elementu składowego ostatnich algorytmów symulacji kwantowej, implementacja napisana przez Argon i formalnie zweryfikowana w Lean obniża koszty czasoprzestrzenne o ponad 100 razy w porównaniu z opublikowaną bazą kwantową CORDIC, co stanowi krok w kierunku standardowej biblioteki zoptymalizowanych obwodów kwantowych.
• Fuzja jądrowa: Stellaratory to niezwykle złożone urządzenia, które stanowią wiodący kandydat na źródło nieograniczonej, czystej energii syntezy jądrowej, ale optymalizacja ich trójwymiarowych pól magnetycznych jest powszechnie uznawana za trudną. Od 1967 roku długotrwała hipoteza znana jako „hipoteza Grada” zakładała, że ​​znalezienie dokładnych rozwiązań matematycznych dla tych pól jest niemożliwe, aż do niedawnych kontrprzykładów, w tym autorstwa profesora Matta Landremana (Uniwersytet Maryland). Obecnie zespół Google wraz z profesorem Landremanem odkrył szerszą klasę kontrprzykładów dla hipotezy Grada . Te nowe rozwiązania zapewniają społeczności zajmującej się fuzją niezawodne testy porównawcze do testowania kodów symulacyjnych stellaratorów, które są cennymi narzędziami do przyszłych projektów.
• Badania nad rzadkimi chorobami: Naukowcy z Gamow Labs wykorzystali Argon do analizy zanonimizowanych genomów noworodków z rzadkimi zaburzeniami rozwojowymi płuc. W jednym przypadku Argon zidentyfikował rearanżację chromosomową, którą rutynowe oprogramowanie pomijało przez lata, i wyjaśnił, dlaczego pozostawała ona niewykryta. W prywatnych ocenach Gamow Labs, opartych na rzeczywistych danych klinicznych i laboratoryjnych, Argon uzyskał najlepsze wyniki w RareBench (57% w zakresie pomocy w diagnostyce rzadkich chorób) i LabBench (52,2% w zakresie wnioskowania w laboratorium mokrym). Te postępy wskazują na szybszą diagnostykę rodzin z rzadkimi chorobami. Zobacz blog ¹ Aby uzyskać więcej szczegółów.
• Projektowanie enzymów: Inżynieria enzymów o precyzyjnej reaktywności jest niezwykle powolna i często wymaga miesięcy dostrajania modeli i badań kandydatów. Esterazy serynowe to klasa enzymów, które przecinają wiązania estrowe w docelowych cząsteczkach, szeroko stosowana w recyklingu oraz produkcji leków, biopaliw i detergentów. Nasi naukowcy współpracowali z firmą Argon nad zaprojektowaniem esteraz serynowych, celując w wzorcową cząsteczkę 4MU-octan, która świeci w świetle UV po zerwaniu wiązań estrowych. W ciągu kilku godzin firma Argon zebrała odpowiednie dane, przeprowadziła dostrajanie modeli i zidentyfikowała wiele filtrów inspirowanych biochemią, aby uzyskać ostateczny zestaw pięciu nowatorskich projektów. Późniejsze testy laboratoryjne potwierdziły wysoką aktywność katalityczną tych projektów. Szybkość i łatwość skutecznego wytwarzania enzymów wskazują na potencjał szybkiego przyspieszenia inżynierii enzymów w takich dziedzinach jak bioprodukcja, zielona chemia i rozwój leków.

Aby jeszcze bardziej przyspieszyć tempo badań, oferujemy 10 000 naukowców najwyższy poziom użytkowania w Google Antigravity bezpłatnie przez 6 miesięcy (z możliwością dołączenia w trybie ciągłym). Nabór wniosków jest już otwarty .

Przyspieszenie rozwoju robotyki

Łącząc zaawansowane rozumowanie wizualno-semantyczne, głębokie rozumienie fizyczne i autonomiczne generowanie kodu, Argon otwiera nowe przepływy pracy w całym stosie robotyki i przyspiesza postęp w kierunku fizycznej sztucznej inteligencji ogólnej (AGI). Ten skok w możliwościach znajduje odzwierciedlenie w wynikach Argona w teście Embodied Reasoning (ERQA) , który testuje zdolność modelu do rozumienia i rozwiązywania problemów fizycznych i przestrzennych w środowiskach 3D. Opierając się na czystym rozumowaniu, Argon wyprzedził wszystkie wiodące modele z wynikiem 87%.

Aby zademonstrować te możliwości w praktyce, przetestowaliśmy zdolność Argona do nauki umiejętności fizycznej poza zasięgiem, po prostu obserwując. W teście wewnętrznym Argon obejrzał surowy film przedstawiający człowieka grającego w cornhole, zmapował współrzędne przestrzenne otoczenia i obliczył wymagane ruchy stawów całego ciała. Następnie autonomicznie stworzył kod symulacyjny. Po przeniesieniu na humanoidalny statek Apollo firmy Apptronik , robot szybko oddał siedem kolejnych strzałów w rzeczywistych warunkach próbnych.

Ten proces „Video-to-Sim-to-Real” skraca tygodnie ręcznego modelowania symulacyjnego do kilku godzin, przekształcając zwykłe filmy w skalowalny, nieskończony poligon doświadczalny dla robotyki. Dowiedz się więcej o tym, jak przyspiesza to tempo rozwoju robotyki, odwiedzając nasz blog dla programistów .

Odpowiedzialne i bezpieczne rozwijanie Argonu

Bezpieczeństwo i ochrona stanowią fundament rozwoju modeli w Google. Ponieważ Argon to model o wysokich możliwościach, współpracowaliśmy z wieloma partnerami zewnętrznymi w zakresie pomiaru niektórych możliwości i zabezpieczeń modelu. Gemini 4 Argon to nasz jak dotąd najbardziej kompleksowy pakiet zabezpieczeń i ochrony:

• Obrona przed nadużyciami i jailbreakiem: Te same możliwości kodowania i naukowe, które pomagają obrońcom łatać oprogramowanie szpitalne lub przyspieszać bioinżynierię, wymagają również silnych zabezpieczeń przed złośliwymi podmiotami. W ramach naszego Frontier Safety Framework oceniliśmy ulepszone możliwości Argona w kilku domenach i wdrożyliśmy wielowarstwowy stos obronny łączący odporność na jailbreak, monitorowanie i egzekwowanie. To znacznie poprawiło naszą odporność — na przykład zewnętrzny zespół ds. bezpieczeństwa biologicznego mógł odblokować tylko mniej niż 1% testowanych przez nas podzadań biologicznych. Co więcej, jeśli chodzi o niebezpieczne żądania — od pisania kodu exploita po pomoc w zakresie niebezpiecznych materiałów biologicznych — Argon jest znacznie lepszy w niespełnianiu szkodliwych żądań niż nasze poprzednie modele. W zestawie przeciwstawnym, mającym na celu testowanie modelu pod kątem obciążenia, naruszenia zmniejszyły się prawie dwukrotnie — co również jest znacznie lepszym wynikiem niż w poprzednich modelach Gemini.
• Wyrównanie agentów i monitorowanie w czasie rzeczywistym: W miarę jak agenci stają się coraz bardziej kompetentni w rozwiązywaniu problemów, musimy zadbać o to, aby nie wykazywali nadmiernego entuzjazmu w dążeniu do ukończenia zadania, stosując nieautoryzowane skróty w przypadku napotkania przeszkód, takich jak błąd uprawnień lub niezaliczony test.
  • Najpierw nauczyliśmy Argon respektować granice systemu, uczciwie raportować negatywne wyniki i czekać na potwierdzenie przez człowieka przed podjęciem nieodwracalnych kroków. W testach kodowania, w których modele nie mają motywacji do powstrzymywania się, liczba prób skrótów spadła do zaledwie 2% w Gemini 4 Argon – to nasz najlepszy wynik w porównaniu z poprzednimi modelami Gemini.
  • Po drugie, jako warstwę obrony dogłębnej, zbudowaliśmy zautomatyzowany monitor niezgodności, który odczytuje krok po kroku rozumowanie i działania agenta, aby wychwytywać i blokować niezamierzone obejścia w czasie rzeczywistym. Używaliśmy tego monitora podczas wdrożeń wewnętrznych, ocen możliwości i treningów z wykorzystaniem uczenia wzmacniającego – jednocześnie unikając karania za myśli modelu podczas treningu, aby jego rozumowanie pozostało transparentne i możliwe do monitorowania.
• Odporność na ataki typu prompt injection: Kiedy agenci przeglądają strony internetowe, czytają e-maile lub analizują kod, mogą napotkać ukryte złośliwe instrukcje, mające na celu przejęcie ich zadań. Dzięki szkoleniu adwersarzy i zautomatyzowanemu red teamingowi, Argon jest liderem w teście Gray Swan Indirect Prompt Injection (IPI), zmniejszając skuteczność ataków z 15 adaptacyjnych prób do 0,7%.

Więcej informacji znajdziesz na raporcie na temat modelu Gemini 4 Argon.

Zacznij już dziś

Argon radzi sobie z najbardziej skomplikowanymi zadaniami naukowymi, inżynieryjnymi i agentowymi m.in. dzięki limitowi miliona zunifikowanych tokenów wejścia i wyjścia w Gemini API. Zapoznaj się z dokumentacją dla programistów, aby poznać nowy protokół kontynuacji. Model jest udostępniany globalnie:

• Dla programistów: w płatnej wersji Gemini API w Google AI Studio i Android Studio, a dla subskrybentów Google AI Ultra także w Google Antigravity;
• Dla przedsiębiorstw: wypróbuj model w usłudze Gemini dla firm, API i Google Antigravity.
• Dla zwykłych użytkowników: wypróbuj tę funkcję już dziś w aplikacji Gemini i trybie AI w wyszukiwarce, jeśli jesteś subskrybentem Google AI Ultra lub Pro.
• Dla naukowców i badaczy: złóż wniosek o szansę na bezpłatny dostęp do najwyższego poziomu użytkowania Google Antigravity przez 6 miesięcy (z możliwością dołączenia w trybie ciągłym). Nabór wniosków jest już otwarty .
• Dla obrońców cyberbezpieczeństwa: złóż wniosek o przystąpienie do Programu Fairwind , aby uzyskać dostęp do Argon bez cyberzabezpieczeń na zasadzie ciągłej.

Gemini 4 Argon to dopiero początek. Z niecierpliwością czekamy na prezentację pozostałych modeli z rodziny Gemini 4.