Релиз Gemini 4 Argon: что показало независимое тестирование флагманской модели Google

Ты наверняка помнишь, сколько споров и скепсиса вызывали релизы Google в последние годы. Каждый раз компания заявляла о победе в десятках абстрактных бенчмарков, а когда обычные разработчики открывали чат, то сталкивались со странными галлюцинациями, обрезанным кодом и необъяснимой цензурой на пустом месте. Поэтому, когда Google DeepMind официально выпустила флагманскую модель Gemini 4 Argon, я решил не верить пресс-релизам на слово, а дождаться независимых краш-тестов от практиков.

Технические обозреватели Мэттью Берман (Matthew Berman) и команда Skill Leap AI устроили новинке настоящий стресс-тест в прямом эфире, прогнав модель через 12 сложнейших прикладных сценариев — от генерации интерактивной 3D-графики с физикой столкновений до сквозного аудита корпоративных архивов. Ранее мы уже обсуждали первые анонсы возможностей генерации до миллиона токенов в Argon, но теперь перед нами полная картина её боевого поведения.

Давай вместе разберёмся, где Google действительно совершила инженерный прорыв, а где маркетинговые обещания до сих пор разбиваются о суровую реальность.

Архитектурное ядро: что скрывается под капотом Argon

Начнём с базовых характеристик, которые отличают Gemini 4 Argon от предыдущих итераций семейства. Модель изначально обучалась на специализированных тензорных кластерах Google TPU v5e и v5p как нативно мультимодальная система. Это фундаментальный нюанс: здесь нет отдельных разрозненных нейросетей для зрения, звука и текста, которые сшиваются костылями на уровне промпта.

Для Argon видеопоток — это такая же естественная последовательность смысловых эмбеддингов, как и обычный текст. Модель «видит» видео целиком, с переменной частотой кадров, улавливая динамику движения, пространственные взаимосвязи и микровыражения.

Второе важнейшее новшество — внедрение управляемого уровня рассуждений (reasoning effort). Теперь ты можешь гибко настраивать, сколько вычислительных ресурсов модель должна потратить на внутренний мыслительный процесс перед выдачей первого символа:

• minimal / low: мгновенный отклик для типовой классификации, форматирования и простого диалога;
• medium: оптимальный баланс для рефакторинга функций и поиска логических ошибок;
• high: глубокий многоэтапный анализ архитектуры, математические доказательства и построение комплексных симуляций.

12 тестов в реальном бою: от Three.js до видеоанализа

Самый показательный блок испытаний провёл Skill Leap AI, проверив модель в задачах, на которых традиционно ломались многие флагманы.

Первым делом Argon попросили сгенерировать законченную браузерную 3D-сцену на Three.js: процедурный футуристический город с динамическим неоновым освещением, летающей камерой и частицами дождя. Предыдущие модели обычно выдавали статичный каркас с чёрным экраном из-за забытых шейдеров или кривых матриц трансформации. Argon сгенерировала рабочий код с первой попытки, удержав стабильные 60 кадров в секунду без просадок рендеринга.

Второй тест — нативное понимание видеоматериалов. Модели скормили 40-минутную запись сложной технической лекции без субтитров и текстовой расшифровки. Задача — найти момент, когда спикер оговорился в формуле на доске, назвать точный таймкод и объяснить суть ошибки. Как мы уже отмечали, анализ длинных мультимодальных записей в линейке Gemini стал визитной карточкой Google, но Argon подняла планку: модель выдала точную секунду оговорки и моментально расписала корректное математическое доказательство.

Третий рубеж — автономные цепочки действий (Tasks). Модель не просто ответила на вопрос, а самостоятельно декомпозировала задачу на подшаги, создала структуру каталогов, написала файлы тестов и проверила их исполнение во встроенной интерактивной среде Google Canvas.

Робототехника и пространственный интеллект: Video-to-Sim-to-Real

Пожалуй, самый интригующий результат тестов Мэттью Бермана связан с бенчмарком пространственного мышления ERQA (Embodied Reasoning and Question Answering). Здесь Argon показала безоговорочное мировое лидерство в рейтинге Vals Index.

Что это значит на человеческом языке? Смотри: большинство языковых моделей живут в абстрактном мире слов. Они знают, что «яблоко падает вниз», но не понимают физической массы, трения и траектории отскока. Argon продемонстрировала способность конвертировать обычные бытовые видеозаписи манипуляций руками в физически точные симуляции для физического движка MuJoCo, который используют инженеры-робототехники. Модель понимает геометрию пространства, что делает её идеальным «мозгом» для автономных дронов и сервисных манипуляторов.

Корпоративная интеграция с Box: конец ручной бюрократии

Ещё одна важная веха релиза — нативное подключение Gemini 4 Argon к корпоративному облаку Box. Вместо того чтобы выгружать сотни PDF-документов на локальный компьютер и мучительно нарезать их для передачи в контекстное окно, компании получили возможность натравить модель напрямую на всё хранилище документации.

В ходе тестов модель в один запрос:

• свела финансовые показатели из десятков разрозненных квартальных отчётов разных филиалов в единую непротиворечивую таблицу;
• провела юридический аудит договоров поставки, подсветив пункты с неустойками, превышающими стандартные ставки;
• построила граф связей между проектами компании без предварительной разметки данных.

Практика: работа с Gemini 4 Argon через Google GenAI SDK

Если ты планируешь интегрировать Argon в свои сервисы или автоматизации, Google подготовила обновлённый SDK. Вот как выглядит базовая инициализация модели с включением адаптивного бюджета рассуждений:

from google import genai
from google.genai import types

# Инициализация официального клиента Google GenAI
client = genai.Client()

# Запрос к Gemini 4 Argon с явным указанием лимита токенов на рассуждение
response = client.models.generate_content(
    model="gemini-4-argon",
    contents="Спроектируй Three.js сцену с процедурным генератором лабиринта и физикой столкновений.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_budget=2048),
        temperature=0.2,
        response_mime_type="text/plain",
    ),
)

print(response.text)

А вот сценарий, который критически важен для надёжных бэкендов — гарантированный структурированный вывод по Pydantic-схеме, исключающий галлюцинации полей:

from pydantic import BaseModel, Field
from google import genai

class CodeAuditReport(BaseModel):
    vulnerability_score: float = Field(description="Оценка безопасности от 0 до 100")
    critical_issues_found: int = Field(description="Количество критических уязвимостей")
    recommended_patches: list[str] = Field(description="Список обязательных исправлений")
    is_production_ready: bool = Field(description="Готовность кода к развёртыванию")

client = genai.Client()

audit_result = client.models.generate_content(
    model="gemini-4-argon",
    contents="Проведи аудит безопасности смарт-контракта на Solidity и выдели потенциальные уязвимости переполнения стека.",
    config={
        "response_mime_type": "application/json",
        "response_schema": CodeAuditReport
    },
)

# Результат гарантированно парсится как валидный JSON по заданной схеме
print(audit_result.text)

Трезвый вердикт: кому нужен Argon прямо сейчас

Давай подведём честный итог. Вернула ли Google себе корону лидера? В сегменте мультимодальности, обработки длинного видеоконтекста и пространственного анализа — однозначно да. Gemini 4 Argon чувствует себя в этих дисциплинах увереннее конкурентов.

Но это инструмент не для всех и не на каждый день. Если тебе нужно просто сгенерировать пост для Telegram или написать скрипт на 20 строк, огромные вычислительные аппетиты Argon будут избыточны. Зато для архитекторов сложных мультимодальных пайплайнов, разработчиков 3D-графики и аналитиков гигантских массивов документов выход Argon — это сильнейший шаг вперёд, который задаёт новую планку для всей индустрии.