گوگل مدل مرزی تازه‌اش را با نام Gemini 4 Argon معرفی کرده است. برخلاف انتشار هم‌زمان برای همه، این نسل ابتدا فقط در اختیار گروهی از مدافعان سایبری مورد اعتماد قرار می‌گیرد تا قبل از باز شدن به توسعه‌دهندگان و مصرف‌کنندگان، لایه‌های ایمنی بیشتر آزمایش شوند.

دسترسی فعلی و مسیر عرضه

طبق پست رسمی وبلاگ گوگل (۱ اکتبر ۲۰۲۶)، آرگون از مسیر برنامهٔ Fairwind به مجموعه‌ای از cyber defenders مورد اعتماد رسیده است. گوگل می‌گوید همزمان در فرایند داوطلبانهٔ دولت آمریکا برای دسترسی پیش از انتشار مدل‌های مرزی مشارکت دارد و بازخورد آزمون‌گران اولیه را برای تقویت guardrailها جمع می‌کند. عرضه به توسعه‌دهندگان، سازمان‌ها و مصرف‌کنندگان «هرچه زودتر» وعده شده؛ شروع با مشتریان پولی API و مشترکان Google AI Ultra.

قیمت API و سقف توکن خروجی

قیمت مقدماتی اعلام‌شده این است: ۲ دلار به‌ازای هر میلیون توکن ورودی و ۱۰ دلار به‌ازای هر میلیون توکن خروجی. توکن‌های ورودی کش‌شده با ۹۵٪ تخفیف نسبت به قیمت ورودی قیمت‌گذاری می‌شوند. برای پشتیبانی از کار طولانی و پیچیده، سقف توکن خروجی به یک میلیون رسیده است؛ در نسل قبل این رقم ۶۴ هزار بوده است. این عدد را گوگل «industry-leading» توصیف کرده است.

گوگل داخل سازمان از آرگون چه استفاده‌ای می‌کند؟

پست رسمی چند نمونهٔ داخلی می‌آورد: در بهینه‌سازی الگوریتم کوانتومی، آرگون در دقایقی پایهٔ منتشرشده را حدود ۴۰٪ بهتر کرده است. عامل‌های آرگون با تحلیل تلمتری ناوگان، بهینه‌سازی حافظه در مراکز داده را پیشنهاد و اعمال کرده‌اند؛ بیش از ۳۰۰ تیبی‌بایت حافظه آزاد شده و برآورد صرفه‌جویی کل بین ۵۰۰ تیبی‌بایت تا ۱ پیبی‌بایت است. همچنین مهاجرت کد C/C++ به Rust در مقیاس ده‌ها هزار تا بیش از ۸۰۰ هزار خط (مثل هستهٔ Fuchsia Zircon) با ممیزی و تست سخت در جریان است. در libgav1، عامل‌ها حدود ۳۲ هزار خط SIMD را با Rust امن جایگزین کردند و ادعا شده خروجی ویدیو یکسان و سرعت حدود ۲٫۷ برابر پورت Rust قبلی است.

ایمنی قبل از دسترسی گسترده

گوگل می‌گوید قبل از عرضهٔ وسیع، روی چهار محور کار می‌کند: جلوگیری از سوءاستفاده (از جمله حملات سایبری و CBRN طبق Frontier Safety Framework)، مقاومت بیشتر در برابر prompt injection غیرمستقیم (با ارجاع به بنچمارک Gray Swan IPI)، پایش misalignment روی زنجیرهٔ فکر و اقدام‌ها، و سخت‌کردن محیط‌های سندباکس برای آزمون پرریسک. تأکید شده یافته‌های پایش عمداً به آموزش برنمی‌گردد تا مدل یاد نگیرد از نظارت فرار کند.

جمع‌بندی برای خوانندهٔ فارسی‌زبان

آرگون هنوز محصول روزمرهٔ Chat یا اپ موبایل برای همه نیست؛ فعلاً خبرِ یک مدل مرزی با قیمت مشخص API و تمرکز روی مهندسی نرم‌افزار، کار دانشی و دفاع سایبری است. اگر توسعه‌دهنده یا تیم سازمانی هستید، منطقی است صفحهٔ رسمی و وضعیت دسترسی API را دنبال کنید؛ برای کاربر عادی، تغییر محسوس وقتی رخ می‌دهد که نسخه به AI Ultra یا محصولات مصرفی برسد.

برای کار شما اولویت کدام است: قدرت استدلال طولانی، قیمت توکن، یا زمان رسیدن به دسترسی عمومی؟

منبع: Google Blog — Gemini 4 Argon (۱ اکتبر ۲۰۲۶).