Google apresenta Gemini 4 Argon com foco em raciocínio prolongado
Novo modelo amplia capacidade de raciocínio, programação e trabalho profissional, mas chega primeiro a um grupo restrito enquanto o Google testa proteções antes da abertura comercial.
O Google apresentou o Gemini 4 Argon como um modelo de fronteira preparado para sustentar tarefas que exigem muitas etapas, grandes volumes de informação e autonomia por períodos mais extensos. A empresa, porém, decidiu separar capacidade técnica de disponibilidade comercial e abriu inicialmente o acesso apenas para defensores de cibersegurança selecionados pelo programa Fairwind.
Argon foi projetado para trabalhar por trajetórias mais longas
Uma das mudanças mais relevantes está no limite de saída, que passou de 64 mil para 1 milhão de tokens e amplia significativamente o espaço disponível para uma única execução.
Essa capacidade procura atender trabalhos nos quais o modelo precisa analisar grandes bases de código, documentos extensos ou conjuntos multimodais sem fragmentar todo o processo em várias interações independentes.
Dentro do próprio Google, o Argon já participa de tarefas que ajudam a dimensionar esse tipo de uso, principalmente em engenharia de software, pesquisa aprofundada e otimização de infraestrutura.
Agentes baseados no modelo analisaram operações de data centers e encontraram ajustes com potencial para liberar mais de 300 TiB de memória, segundo os resultados apresentados pela companhia.
Outro teste interno envolveu a migração de sistemas antigos escritos em C e C++ para Rust, processo especialmente complexo quando existem centenas de milhares de linhas interdependentes.
Em um projeto de decodificação de vídeo, os agentes substituíram aproximadamente 32 mil linhas de código SIMD e produziram uma implementação 2,7 vezes mais rápida que um porte anterior.
A mesma proposta aparece nos resultados divulgados para engenharia de software, área na qual o Argon alcançou 77,9% no DeepSWE v1.1.
No AutomationBench, avaliação voltada à conclusão de fluxos empresariais completos, o modelo chegou a 51,3% e ocupou a primeira posição entre os sistemas comparados pelo Google.
Trabalho profissional entra no centro da nova geração
Embora a cibersegurança concentre a fase inicial, o Argon foi construído para alcançar tarefas empresariais que exigem raciocínio especializado em áreas como finanças, direito e tributação.
No Vals Index, conjunto que reúne diferentes trabalhos profissionais, o Google afirma que o modelo assumiu a liderança entre os sistemas avaliados.
A multimodalidade também ocupa parte importante dessa estratégia, porque o modelo pode trabalhar com gráficos, vídeos extensos e documentos que exigem análise distribuída entre diferentes tipos de informação.
No LVBench, teste dedicado à compreensão de vídeos longos, o Argon alcançou 91,7% nos resultados divulgados pela empresa.
O acesso deverá crescer de forma gradual depois da etapa com especialistas, com previsão de chegada a desenvolvedores, empresas e consumidores por canais comerciais do Google.
Clientes pagos da API e assinantes do Google AI Ultra estão entre os públicos previstos para as primeiras fases dessa expansão.
O preço introdutório foi definido em US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, enquanto entradas armazenadas em cache terão desconto de 95%.
Essa estrutura comercial procura tornar viáveis tarefas prolongadas, nas quais contexto extenso e repetido poderia elevar rapidamente o custo de operações profissionais mais complexas.
A estratégia de lançamento mostra que o Gemini 4 Argon não representa apenas uma disputa por resultados superiores em benchmarks, mas uma tentativa de ampliar quanto trabalho um único modelo consegue concluir com menor fragmentação.
O principal teste para o Google será transformar essa autonomia prolongada em produtividade real sem aumentar, na mesma proporção, os riscos associados a agentes capazes de agir por trajetórias cada vez maiores.
Cibersegurança recebe acesso antecipado e proteções adicionais
A escolha de profissionais de defesa cibernética como primeiros usuários mostra que o Google pretende testar o modelo justamente em uma área na qual maior capacidade também pode elevar riscos.
O Argon foi treinado para localizar vulnerabilidades, confirmar falhas e sugerir correções, inclusive em situações nas quais modelos anteriores não encontraram problemas relevantes.
Em uma aplicação inicial, o sistema identificou uma vulnerabilidade crítica em software utilizado no setor de saúde, com potencial de exposição de informações pessoais.
O Google também relata avanço na análise de bases escritas em 20 linguagens e desempenho de 68% no CWE-bench v1, voltado à correção de vulnerabilidades.
Algumas equipes internas e defensores considerados confiáveis poderão utilizar versões com menos limitações cibernéticas, justamente para explorar recursos avançados de segurança que seriam inadequados para acesso irrestrito.
Essa exceção amplia a utilidade defensiva do modelo, mas também explica por que a empresa escolheu uma distribuição inicial mais controlada.
Antes da abertura comercial mais ampla, o Google concentra proteções em uso malicioso, prompt injection, desalinhamento e segurança dos ambientes onde os agentes operam.
A empresa também pretende interromper execuções quando os mecanismos de monitoramento identificarem ações incompatíveis com a intenção original do usuário.
Os ambientes empregados em avaliações de maior risco receberam isolamento adicional para reduzir a possibilidade de que agentes ultrapassem as restrições técnicas definidas pelos pesquisadores.
Testes internos e externos também examinam a resistência do Argon a instruções maliciosas inseridas indiretamente em páginas, documentos ou outros conteúdos processados pelo modelo.
