Google выпустила Gemini 4 Argon: цены и ограничения

Google 13 октября 2026 года открыла публичный доступ к Gemini 4 Argon — новой флагманской модели искусственного интеллекта для программирования, научных исследований и сложных задач, требующих многоэтапных рассуждений. Ранее модель предоставляли ограниченному кругу специалистов по кибербезопасности в рамках программы Fairwind. Теперь она появилась в приложении Gemini, Поиске Google, средах разработки и API. Бесплатного тарифа для Argon в Gemini API нет.

До 30 ноября Google установила вводную стоимость: $2 за миллион входных токенов и $10 за миллион выходных. С 1 декабря цена увеличится вдвое — до $4 и $20 соответственно. Для пакетной обработки запросов предусмотрена скидка 50%, а повторная обработка входных данных из кэша обходится на 95% дешевле стандартного ввода.

Модель поддерживает контекстное окно на 1 048 576 токенов и специальный режим продолжительной генерации, позволяющий создавать ответы объемом более 65 тысяч токенов. В отличие от обычных моделей, у которых входные данные и вывод ограничиваются отдельными лимитами, Argon использует общий объем контекста для запроса, внутренних рассуждений и ответа.

В официальном анонсе Google заявляет о преимуществах Argon в профессиональных задачах, включая разработку программного обеспечения, финансовый анализ, юриспруденцию и кибербезопасность. Однако опубликованные результаты испытаний показывают, что модель опережает конкурентов не во всех сценариях.

Где доступна Gemini 4 Argon

Впервые Google представила Argon 30 сентября 2026 года. Тогда доступ открыли через Fairwind — программу для проверенных специалистов по кибербезопасности, работающих над обнаружением и устранением уязвимостей.

Публичный запуск состоялся 13 октября. В приложении Gemini модель стала доступна подписчикам Google AI Pro и Google AI Ultra. Эти же подписки позволяют использовать ее в AI Mode — режиме искусственного интеллекта в Поиске Google.

Изначально доступ к наиболее мощной модели связывали с подпиской Ultra. В итоговом релизе Google расширила его и на пользователей Pro.

Для разработчиков Argon появилась в Gemini API, Google AI Studio и Android Studio. Корпоративные пользователи могут работать с моделью через Google Cloud и Gemini for business.

В Google Antigravity, среде для разработки с использованием автономных ИИ-агентов, Argon доступна подписчикам Ultra и пользователям подходящих корпоративных тарифов.

В блоге Android Developers отдельно уточняется, что Android-разработчики могут подключить модель через платный Gemini API. Подписчикам Ultra доступна интеграция с Antigravity, включая Android Studio Canary.

У Argon есть идентификатор gemini-4-argon, который используется при обращении к API.

При этом необходимо различать подписки Google AI Pro и Ultra и тарифы для разработчиков. Подписка Pro открывает модель в пользовательских продуктах Google, но не предоставляет бесплатные вызовы через Gemini API.

Google указывает, что Gemini 4 Argon недоступна на бесплатном уровне API и не включена в тариф Google AI Pro для использования через интерфейс разработчика. Для программного доступа требуется оплачиваемый тариф Gemini API.

Сколько стоит Gemini 4 Argon

Google установила отдельные цены для обычных запросов, пакетной обработки и приоритетного выполнения.

До 30 ноября стандартный тариф составляет $2 за миллион входных токенов и $10 за миллион выходных. Начиная с 1 декабря — $4 и $20 соответственно.

В стоимость выходных данных входят токены, которые модель расходует на внутренние рассуждения. Это важно при сложных задачах программирования, математических доказательствах и длительной работе агентов: пользователь может получить сравнительно короткий ответ, но оплатить значительно больший объем вычислений.

В режиме Batch API стоимость вдвое ниже обычной. До конца ноября миллион входных токенов стоит $1, выходных — $5. С декабря эти цены увеличатся до $2 и $10.

Batch API предназначен для задач, которые можно выполнять без необходимости немедленно получать ответ. Например, для массовой обработки документов, анализа большого количества текстов или подготовки результатов фоновых вычислений.

Google предлагает также режим Flex с такими же сниженными тарифами. Он рассчитан на нагрузки, которые допускают более гибкое распределение вычислительных ресурсов.

Приоритетный режим Priority, напротив, дороже стандартного. До 30 ноября его стоимость составляет $3,60 за миллион входных токенов и $18 за миллион выходных. С 1 декабря — $7,20 и $36.

В официальной таблице тарифов также указаны условия использования поиска Google через API. Для запросов с привлечением Google Search предусмотрена отдельная тарификация после исчерпания бесплатной месячной квоты, общей для поддерживаемых моделей Gemini. Поэтому итоговая стоимость приложения может включать дополнительные расходы помимо обработки токенов.

Отдельной повышенной цены для длинного контекста у Argon нет. Google не вводит дополнительный тариф за запросы объемом более 200 тысяч токенов, как это предусмотрено для некоторых других моделей. Однако большой контекст все равно увеличивает стоимость обработки: оплачивается фактическое количество использованных токенов.

Кэширование позволяет экономить до 95% на входных данных

Еще одна особенность Argon — поддержка неявного кэширования. Если приложение несколько раз передает модели одни и те же входные данные, Google может повторно использовать уже обработанную информацию. В таком случае стоимость закэшированных токенов оказывается значительно ниже.

До 30 ноября миллион входных токенов из кэша стоит $0,10 вместо $2. С 1 декабря — $0,20 вместо $4. Разница составляет 95%.

Например, ИИ-агент может многократно обращаться к большому репозиторию исходного кода, меняя только описание текущей задачи. Если общая часть запроса попала в кэш, повторная обработка этой информации будет дешевле.

Такой механизм также полезен при работе с крупными документами, технической документацией и длинными диалогами.

При этом кэширование не гарантировано для каждого запроса. Система самостоятельно определяет, можно ли использовать ранее обработанные данные. Gemini 4 Argon поддерживает только неявное кэширование. Разработчики не могут вручную создавать и управлять сохраненными контекстами через механизм explicit caching. Сведения о реально использованных закэшированных токенах доступны в статистике выполнения запросов.

Что означает миллион токенов контекста

Gemini 4 Argon поддерживает единое контекстное окно размером 1 048 576 токенов.

Оно используется для входных данных, внутренних рассуждений и ответа модели. Поэтому нельзя одновременно передать миллион токенов текста и получить еще миллион токенов вывода.

Токен — единица, на которую модель разбивает обрабатываемые данные. В тексте токен может соответствовать слову, части слова или знаку препинания. Его размер зависит от языка и используемого способа разбиения текста.

Argon принимает текст, изображения, аудио, видео и PDF-документы. На выходе модель формирует текст, включая программный код и структурированные данные.

Она также поддерживает вызовы внешних функций, выполнение кода, поиск информации, обработку файлов и управление компьютером в предварительном режиме.

При этом модель не генерирует изображения или аудио напрямую. Для таких задач Google предлагает другие специализированные модели и инструменты.

В технической карточке Argon указано, что стандартный максимальный объем вывода составляет 65 536 токенов. Для продолжительной генерации Google разработала отдельный механизм long decode.

Как работает генерация длинных ответов

Обычно языковая модель создает ответ в рамках одного запроса и останавливается, когда достигает установленного лимита токенов.

В Gemini 4 Argon Google реализовала механизм long decode, который позволяет продолжать генерацию после достижения стандартного предела.

Для этого ответ разбивается на последовательные этапы. Каждый из них может содержать до 65 536 токенов. После завершения одного этапа система запускает следующий, используя результаты предыдущего.

В результате разработчик может получить значительно более длинный текст или программный код в рамках одной логической задачи.

В Interactions API режим включается через фоновое выполнение с параметром background: true. Также необходимо установить max_output_tokens выше 65 536.

Сервер Google самостоятельно организует последовательные этапы генерации. Каждый из них добавляется к истории взаимодействия, а приложение может получать результаты по мере готовности или после завершения всей операции.

При использовании generateContent механизм продолжения требует соответствующей настройки и совместимой версии клиентской библиотеки Google GenAI.

Google предупреждает, что простая замена идентификатора модели на gemini-4-argon не включает длинную генерацию автоматически.

Без дополнительной настройки действуют стандартные ограничения. Для потоковой выдачи предел одного вызова составляет около 64 тысяч токенов, для обычного непотокового запроса — 32 тысячи.

Long decode предназначен прежде всего для длительных задач: математических доказательств, научных исследований, сложного анализа и генерации больших объемов программного кода.

В документации по long decode Google уточняет, что все этапы генерации используют общее контекстное окно. По мере увеличения ответа пространство для новых токенов сокращается.

Поэтому заявленный миллион токенов — верхний технический предел, а не гарантированный объем любого ответа.

Что показали испытания Gemini 4 Argon

Google опубликовала результаты Argon на наборах заданий, проверяющих программирование, профессиональные знания, научные исследования и кибербезопасность.

В Vals Index, который оценивает выполнение задач в финансах, праве, программировании и налогообложении, Argon набрала 68,9%.

Для сравнения, GPT-6 Astra получила 63,1%, Claude Fable 5.1 — 65,8%, а Claude Opus 5.5 — 67%.

На DeepSWE v1.1, предназначенном для оценки работы с задачами программной разработки, результат Argon составил 77,9%. У GPT-6 Astra — 74,1%, у Claude Opus 5.5 — 74,2%.

В Vibe Code Bench новая модель набрала 91,9%.

Однако результаты других испытаний показывают иную картину.

На FrontierSWE v2 Argon получила 55%, уступив GPT-6 Astra с 65,5% и Claude Opus 5.5 с 62,3%.

В Terminal-bench 4.0, который проверяет способность модели решать задачи через командную строку, Argon набрала 57,4%. Результат GPT-6 Astra составил 58,2%, а Claude Opus 5.5 — 66,4%.

В испытании CWE-bench v1, посвященном обнаружению распространенных классов программных уязвимостей, Gemini 4 Argon и GPT-6 Astra показали одинаковый результат — 68%. Claude Opus 5.5 получила 67%.

Полные показатели и описание применяемых тестов опубликованы в карточке модели Google DeepMind.

Эти результаты не означают, что одна модель лучше другой в любой задаче. На показатели влияют условия испытаний, используемые инструменты, настройки рассуждений и методика оценки. Часть сравнительных данных Google получила из публикаций других разработчиков.

В частности, высокий результат на тесте программирования не гарантирует аналогичную эффективность при реальной работе с большим проектом, где необходимо учитывать особенности инфраструктуры, существующие зависимости и внутренние стандарты компании.

Google использовала Argon для оптимизации собственного кода

До публичного запуска Argon уже применялась в инженерных проектах Google.

Один из примеров — работа с Agent Development Kit (ADK), открытым Python-фреймворком для создания и запуска ИИ-агентов.

Его кодовая база содержит около 205 тысяч строк в почти 800 файлах. Проект проверяется примерно 17 тысячами модульных тестов.

Инженеры поставили перед Argon задачу уменьшить накладные расходы при запуске и работе фреймворка, не нарушив совместимость с существующими приложениями.

Модель изучала исходный код, выполняла измерения производительности, предлагала изменения и проверяла их с помощью тестов.

Один из запусков продолжался около 11 часов без постоянного участия человека. В результате Argon подготовила шесть предложений по оптимизации, затронувших 32 файла. После проверки инженеры приняли два изменения, остальные отклонили.

Одно из принятых решений ускорило работу с историей сеансов. Ранее фреймворк копировал всю историю диалога до отбора необходимых событий. Argon предложила сначала отфильтровывать записи, а затем копировать только нужные данные.

Другое изменение касалось загрузки Python-модулей. Модель выявила компоненты, которые подключались при запуске даже тогда, когда приложению они не требовались.

Принятые оптимизации позволили сократить время подготовки данных сеанса примерно на 40% при длинных диалогах и ускорить первоначальную загрузку пакета на 21%.

Инженеры подробно описали эксперимент, включая ход работы, результаты тестов и причины отказа от части предложений.

Показательно, что автоматическая проверка не выявила все проблемы совместимости. В одном случае изменения проходили открытые тесты проекта, но нарушали работу внутренних тестов Google. Дополнительные исправления потребовали участия разработчиков.

Этот пример показывает возможности Argon при анализе большой кодовой базы, но также подтверждает необходимость обычного инженерного ревью перед включением предложенного ИИ кода в рабочий проект.

Argon ускорила вычисления и помогла переработать Chromium

Google также привела результаты применения новой модели в других крупных проектах.

С помощью Argon инженеры оптимизировали выполнение открытой модели Gemma 4 E2B на графическом ускорителе NVIDIA A100.

В опубликованном эксперименте пропускная способность увеличилась примерно с 37,9 тысячи до более чем 108 тысяч токенов в секунду. Google оценила ускорение в 2,85 раза при сохранении идентичности генерируемых токенов.

Речь идет о конкретной конфигурации с использованием vLLM. Полученные показатели не означают, что любое приложение или модель автоматически ускорится почти втрое при использовании предложенных Argon изменений.

Еще один проект связан с Chromium — открытой основой браузера Chrome.

Инженеры использовали Argon для разделения взаимосвязанных компонентов в крупной части кодовой базы, содержащей около шести миллионов строк. Изменения затронули сотни файлов.

Целью было отделить обработку веб-страниц от отдельных функций браузера и упростить дальнейшую разработку.

По данным Google, ИИ помог завершить архитектурную переработку за несколько недель вместо месяцев.

Компания также сообщает, что применение Argon в Antigravity позволило ее инженерным командам увеличить количество отправляемых изменений кода, подготовленных с участием агентов, более чем на 35% и сократить число откатов почти на треть.

Gemini 4 Argon появилась в сторонних сервисах

Публичный запуск сопровождался интеграцией Argon в популярные инструменты для разработчиков.

Модель появилась в OpenRouter под идентификатором google/gemini-4-argon. Агрегатор предоставляет к ней доступ через Google AI Studio и Google Vertex AI.

Для Argon указано контекстное окно объемом 1 048 576 токенов. При этом в обычном интерфейсе OpenRouter максимальный объем вывода составляет 65 536 токенов.

Поэтому доступность модели через посредника не означает автоматической поддержки продолжительной генерации до миллиона токенов. Возможности зависят от поставщика и конкретного интерфейса API.

Argon также появилась в Cursor. Редактор позволяет использовать ее для работы с большими репозиториями, редактирования файлов, выполнения команд и других операций ИИ-агента.

В документации Cursor отдельно указаны стандартный размер контекста в 200 тысяч токенов и максимальный — один миллион. Эти параметры относятся к настройкам редактора, а не к различию версий самой модели.

Модель добавлена и в Vercel AI Gateway. Через него разработчики могут обращаться к Argon из приложений, используя Vercel AI SDK и совместимые интерфейсы API.

В сообщении Vercel подтверждена поддержка текстовых, графических и видеофайлов на входе, а также вызовов инструментов.

Argon также представлена в Poe. Ее интеграции заявлены и в других сервисах для работы с ИИ-моделями, включая инструменты разработки и агрегаторы API. Для пользователей таких платформ необходимо отдельно проверять доступный объем контекста, лимит вывода и стоимость запросов. Они могут отличаться от условий прямого подключения к Google.

Версия без ограничений по кибербезопасности осталась в Fairwind

Google продолжает предоставлять расширенный доступ к Argon в рамках программы Fairwind.

Она предназначена для проверенных исследователей безопасности, специалистов по защите критической инфраструктуры и других организаций, работающих над обнаружением и устранением уязвимостей.

Публичная версия модели использует дополнительные защитные механизмы, ограничивающие помощь в потенциально опасных сценариях.

Участники Fairwind могут получить версию без специальных ограничений на задачи кибербезопасности. Для этого требуется подать заявку и пройти отбор.

С 13 октября Google начала расширять программу на сотни новых партнеров.

Один из участников Fairwind — компания Wiz, занимающаяся безопасностью облачной инфраструктуры.

В рамках инициативы Scan for Good специалисты Wiz использовали Argon для анализа систем государственных организаций и медицинских учреждений.

В одном из случаев модель помогла выявить цепочку уязвимостей, позволявшую обойти ограничения загрузки файлов, получить главный криптографический ключ и административный доступ.

После обнаружения проблемы специалисты устранили недостатки, которые могли привести к раскрытию конфиденциальных медицинских записей.

В описании программы Fairwind Google приводит дополнительные примеры применения Argon для защитных исследований.

Как Google защищает Argon от опасных действий

В новой модели разработчики усилили защиту от вредоносных запросов, обхода ограничений и несанкционированных действий ИИ-агентов.

Один из рассматриваемых рисков — prompt injection, при котором злоумышленник размещает инструкции для модели внутри внешнего содержимого: документа, веб-страницы, письма или исходного кода.

Если агент неправильно отделяет такие данные от поручения пользователя, он может выполнить команду атакующего.

В испытании Gray Swan Indirect Prompt Injection доля успешных атак против Argon составила 0,7% при серии из 15 адаптивных попыток.

Google также обучала модель корректно реагировать на ошибки доступа и другие препятствия, не пытаясь обходить установленные ограничения.

В тестах программирования частота попыток несанкционированного обхода ограничений снизилась до 2%.

Дополнительно компания разработала автоматизированную систему наблюдения за действиями ИИ-агентов. Она анализирует последовательность рассуждений и операций, чтобы обнаруживать нежелательное поведение и блокировать его во время выполнения задачи.

Эти меры особенно важны для моделей, которые способны самостоятельно работать с терминалом, браузером, файлами и внешними системами.

Однако показатели относятся к конкретным испытаниям. Они не гарантируют полной защиты от prompt injection или других ошибок поведения.

Вопросы и ответы (FAQ)

Когда вышла Gemini 4 Argon?

Google представила модель 30 сентября 2026 года, первоначально открыв доступ участникам Fairwind. Публичный запуск состоялся 13 октября.

Можно ли пользоваться Gemini 4 Argon бесплатно?

В Gemini API бесплатного тарифа для Argon нет. В приложении Gemini и AI Mode модель доступна по подпискам Google AI Pro и Ultra. Отдельно Google предлагает ограниченную программу бесплатного доступа к высокому тарифу Antigravity для отобранных ученых и исследователей.

Сколько стоит Gemini 4 Argon через API?

До 30 ноября стандартная цена составляет $2 за миллион входных токенов и $10 за миллион выходных. С 1 декабря стоимость увеличится до $4 и $20. В оплату выходных токенов включаются внутренние рассуждения модели.

Дает ли Google AI Pro доступ к Argon API?

Подписка Pro открывает Argon в приложении Gemini и AI Mode, но не включает бесплатный доступ к Gemini API. Для программных запросов требуется отдельный платный тариф.

Какой размер контекста у Gemini 4 Argon?

Общее контекстное окно составляет 1 048 576 токенов. Этот объем распределяется между входными данными, рассуждениями и ответом модели.

Может ли Argon сгенерировать миллион токенов текста?

Технически продолжительная генерация поддерживается до общего предела контекста. Для этого нужен режим long decode с соответствующими настройками. Стандартный предел вывода — 65 536 токенов.

Поддерживает ли Gemini 4 Argon изображения и видео?

Модель принимает текст, изображения, аудио, видео и PDF. На выходе она формирует текст и программный код. Прямая генерация изображений и аудио не поддерживается.

Можно ли использовать Argon в Cursor и OpenRouter?

Да. Поддержка модели подтверждена в обоих сервисах. При этом у посредников могут действовать собственные ограничения контекста, вывода и тарификации.

Чем Argon отличается от Claude Opus 5.5?

В опубликованных Google испытаниях Argon опережает Claude Opus 5.5 на DeepSWE v1.1 и Vals Index, но уступает на FrontierSWE v2 и Terminal-bench 4.0. Итоговый выбор зависит от типа задач и используемых инструментов.

Что такое программа Fairwind?

Это программа Google для проверенных специалистов по кибербезопасности. Она позволяет получить расширенный доступ к Argon без специальных защитных ограничений на задачи кибербезопасности после рассмотрения заявки.