Google представила Gemini 4 Argon: модель для кода, науки и 3D-графики

Google представила Gemini 4 Argon — новую флагманскую модель. Она доступна разработчикам и компаниям по API в AI Studio и на платформе Gemini, подписчикам Google AI Ultra — в Google Antigravity, а подписчикам AI Ultra и Pro — в приложении Gemini и режиме ИИ в поиске. Модель рассчитана на сложные практические задачи в программировании, финансах, праве, кибербезопасности и науке. По данным Google, Argon превосходит другие ведущие модели в отраслевых бенчмарках и занимает первое место в Vals-Index. Цена на старте — 2 доллара за миллион входных токенов и 10 долларов за миллион выходных, а стоимость кэшированных входных токенов снижена на 95 процентов. Команды Google уже применяли Argon для рефакторинга и оптимизации больших кодовых баз. В Chrome модель помогла отделить ключевые функции веб-страниц от исторически сложившегося каталога примерно на 6 миллионов строк внутри 40-миллионной кодовой базы Chromium. Argon вносил несколько чистых изменений одновременно, что позволило завершить архитектурный рефакторинг сотен файлов и выполнить месяцы работы за несколько недель. Для пользователей Chrome это даёт плавное переключение страниц между вкладками, боковыми панелями и плавающими окнами без перезагрузки и устраняет целый класс падений браузера. В Antigravity число отправок кода агентами выросло более чем на 35 процентов, а количество откатов кода сократилось почти на треть. Для open-source фреймворка Agent Development Kit (ADK) Argon работал автономно ночью и нашёл оптимизации, которые теперь доступны в google/adk-python: подготовка сессий в памяти при длинных сессиях ускорилась на 40 процентов, холодные импорты — на 21 процент. В проекте xTB, одном из самых цитируемых open-source пакетов для квантовой химии, исследователи с помощью Argon в Antigravity ускорили предсказание структур молекул до 2,3 раза и поиск конформеров в 1,8 раза. Изменения переданы в официальный репозиторий xTB на GitHub. Для открытых моделей Gemma удалось почти втрое ускорить сквозной инференс: на A100 через vLLM достигнут рост в 2,85 раза, пропускная способность выросла примерно с 37 900 до более чем 108 000 токенов в секунду на Gemma 4 E2B при 100-процентной токенной эквивалентности и без потери качества. Модель демонстрирует более сильное пространственное мышление, математическую точность и визуальное кодирование по сравнению с предыдущими моделями Gemini. Через слеш-команды вроде /goal и мультиагентные циклы с пользовательскими навыками в Antigravity сотрудники Google прототипируют сложные 3D-визуализации, игры высокого разрешения и интерактивные анимации на чистом коде, которые рендерятся прямо в браузере. Фотографии реального рабочего стола модель превратила в играбельную миниатюрную гонку: объекты, помещение и трасса смоделированы с Blender MCP и проверены на коллизии, текстурированы с Nano Banana, соединены с физикой, кастомными шейдерами и звуками двигателя от Gemini Omni Flash в Three.js. Также Argon написал Python-скрипты для процедурной генерации 3D-игры, риггинга, анимации и PBR-рендеринга, используя визуальные циклы критики нескольких агентов, и реализовал всё в Three.js с GLSL-шейдерами, Shatter-физикой и одиночным ИИ для веба. Отдельно модель без внешних библиотек, только на Python, создала собственную систему 3D-рейтрейсинга с видеотулзой и аудиомикшером, библиотеку Sunlit с нуля и документацией; видео собрано с озвучкой Gemini 3.8 TTS и музыкой Lyria 3.5.