Google ogłosił Gemini 4 Argon. Wyniki w testach robią wrażenie, a cena wejściowa jest niska. Jest tylko jedno „ale”: większość firm jeszcze go nie użyje. Na razie to zapowiedź, a nie produkt, który można włączyć w poniedziałek rano.
Poniżej wyjaśniamy, co faktycznie wiadomo, które liczby mają znaczenie dla automatyzacji w firmie i jak my w B2B Solution podchodzimy do takich zapowiedzi.
Gemini 4 Argon w skrócie: co Google ogłosił 30 września
30 września 2026 Google przedstawił Gemini 4 Argon, swój nowy flagowy model. Najważniejsze punkty:
- Specjalizacja w cyberbezpieczeństwie defensywnym. Według Google model potrafi samodzielnie znajdować, weryfikować i łatać krytyczne podatności w oprogramowaniu.
- Bardzo dobre wyniki w testach, także w zadaniach typowo biznesowych, nie tylko w programowaniu.
- Długie odpowiedzi. Limit pojedynczej odpowiedzi wzrósł do 1 mln tokenów (wcześniej 64 tys.). Okno kontekstu, czyli ile materiału model „widzi” naraz, też wynosi 1 mln tokenów według Artificial Analysis.
- Wprowadzająca cena niższa niż u konkurencji.
Zapowiedź wywołała spore poruszenie. Na Hacker News wątek o niej zebrał w dobę ponad 1400 punktów i ponad 900 komentarzy.
Dostępność Gemini 4 Argon: kto ma dostęp dziś, a kto „wkrótce”
Tu warto zwolnić. W pierwszej kolejności dostęp dostają wyłącznie „zaufani obrońcy cyber” w programie Fairwind, czyli wybrane zespoły zajmujące się bezpieczeństwem.
Dopiero później model trafi do płatnego API i do subskrybentów Google AI Ultra. Kiedy dokładnie? Nie wiadomo. Google pisze tylko, że stanie się to „as soon as possible”.
Dla polskiej firmy oznacza to jedno: dziś nie zbudujesz na Argonie automatyzacji i nie przetestujesz go na własnych danych. Możesz za to spokojnie przygotować się na moment, gdy dostęp się otworzy.
Benchmarki: gdzie Argon wygrywa, a gdzie przegrywa
Google porównał Argona z dwoma najmocniejszymi konkurentami: Claude Opus 5.5 (Anthropic) i GPT-6 Astra (OpenAI). Na 18 ujawnionych testów Argon prowadzi lub remisuje w 13 (12 wygranych i 1 remis). Wybrane wyniki:
| Test | Co sprawdza | Gemini 4 Argon | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|---|
| DeepSWE v1.1 | programowanie | 77,9% | 74,2% | 74,1% |
| AutomationBench | realizacja procesów biznesowych | 51,3% | 42,5% | 41,4% |
| Harvey Legal Agent | zadania prawnicze | 19,6% | 3,8% | 5,4% |
| CWE-bench | naprawa podatności | 68% | 67% | 68% |
| Terminal-bench 4.0 | praca w terminalu | 57,4% | 66,4% | — |
| FrontierSWE v2 | zaawansowane programowanie | 55,0% | — | 65,5% |
„—” oznacza, że nie mamy wyniku dla danego modelu.
Które liczby mają znaczenie dla automatyzacji w firmie
Jeśli myślisz o automatyzacji procesów, najciekawszy jest AutomationBench. Mierzy, jak model radzi sobie z realizacją procesów biznesowych od początku do końca. Argon ma tu 51,3% wobec 42,5% u Claude i 41,4% u GPT-6 Astra. To wyraźna różnica.
Zwróć jednak uwagę na samą skalę. Nawet najlepszy model realizuje poprawnie mniej więcej połowę zadań w tym teście. To mocny argument za tym, żeby automatyzacje projektować z kontrolą jakości i człowiekiem w kluczowych punktach, niezależnie od wybranego modelu.
DeepSWE dotyczy programowania. Ważny, jeśli AI ma u Ciebie pisać lub poprawiać kod, np. integracje między systemami. Przewaga Argona jest tu niewielka.
Wynik w zadaniach prawniczych (19,6% wobec 3,8% i 5,4%) wygląda spektakularnie, ale wartości bezwzględne są niskie. To sygnał postępu, nie powód, by oddać modelowi umowy do samodzielnej analizy.
Gemini 4 vs Claude Opus 5.5 i Gemini 4 vs GPT-6
Argon nie wygrywa wszędzie. W pracy w terminalu wyraźnie lepszy jest Claude Opus 5.5 (66,4% wobec 57,4%). W FrontierSWE v2 prowadzi GPT-6 Astra (65,5% wobec 55,0%). W naprawie podatności, czyli w specjalności Argona, jest remis z Astrą i minimalna przewaga nad Claude.
W niezależnym rankingu Artificial Analysis Intelligence Index Argon dostał 53 punkty i zajął 8. miejsce na 223 modele. Bardzo dobrze, ale nie bezapelacyjne pierwsze miejsce.
Benchmark to nie produkcja
Test to kontrolowane warunki i z góry znane zadania. Twoja firma to niekompletne dane, nietypowe wyjątki, stare systemy i procesy, które „zawsze robiło się tak”. Model, który wygrywa w tabeli, nie musi wygrać w Twoim dziale obsługi zamówień. Sprawdza się to tylko na prawdziwych przypadkach.
Cena Gemini 4 Argon: ile kosztuje i dlaczego „gadatliwość” podnosi realny koszt
Modele językowe rozlicza się za tokeny, czyli kawałki tekstu, które model czyta (wejście) i generuje (wyjście). Ceny za 1 mln tokenów:
| Model | Wejście | Wyjście |
|---|---|---|
| Gemini 4 Argon (cena wprowadzająca) | $2 | $10 |
| Gemini 4 Argon (cena docelowa) | $4 | $20 |
| Claude Opus 5.5 | $4 | $20 |
| GPT-6 Astra | $10 | $50 |
Tokeny z cache, czyli powtarzające się fragmenty zapytań, są o 95% tańsze. Przy cenie wprowadzającej to $0,10 za milion.
Na papierze wygląda to tak: przez okres promocyjny Argon kosztuje połowę tego, co Claude Opus 5.5, a po nim tyle samo. GPT-6 Astra jest wyraźnie droższy.
Jest jednak haczyk. Argon jest „gadatliwy”. W teście Artificial Analysis wygenerował 110 mln tokenów, podczas gdy mediana modeli wyniosła 82 mln, czyli mniej więcej o jedną trzecią więcej. Płacisz za każdy wygenerowany token, więc realny koszt zadania może być wyższy, niż sugeruje cennik.
Dlatego przy porównaniu modeli liczymy koszt wykonania konkretnego zadania, a nie cenę za milion tokenów. Tańszy cennik plus dłuższe odpowiedzi nie zawsze dają niższy rachunek.
Co Google sam robi Argonem
Ciekawsze od tabel jest to, jak Google używa modelu u siebie. Według firmy Argon posłużył m.in. do:
- optymalizacji algorytmów kwantowych, z poprawą o 40% względem opublikowanych wcześniej wyników,
- optymalizacji pamięci w centrach danych, co zwolniło ponad 300 TiB,
- migracji kodu z C/C++ do Rusta, w tym ponad 800 tys. linii jądra Fuchsia Zircon,
- przepisania dekodera wideo libgav1 (wymiana 32 tys. linii kodu SIMD), dzięki któremu bezpieczna pamięciowo wersja działa 2,7 razy szybciej niż wcześniejszy port w Ruście.
Pracownicy Google używają go na co dzień do debugowania i migracji kodu.
Na froncie bezpieczeństwa firma Wiz w ramach inicjatywy „Scan for Good” znalazła Argonem krytyczną podatność w oprogramowaniu szpitalnym przetwarzającym dane osobowe. To dobry przykład AI w cyberbezpieczeństwie w praktyce: model pomaga obrońcom znaleźć lukę, zanim zrobi to ktoś inny.
Co nowy model Google AI oznacza dla polskiej firmy B2B, a czego jeszcze nie
Co zmienia:
- Konkurencja między dostawcami rośnie, a ceny spadają. To dobra wiadomość dla każdego, kto płaci za AI w procesach.
- Wynik w AutomationBench pokazuje, że modele coraz lepiej radzą sobie z wieloetapowymi procesami biznesowymi, a nie tylko z pisaniem tekstów.
- Specjalizacja w bezpieczeństwie i odporność na ataki (o tym niżej) mają znaczenie dla firm, które dają AI dostęp do maili, dokumentów i systemów.
Czego nie zmienia, przynajmniej na razie:
- Nie masz do niego dostępu i nie wiesz, kiedy go dostaniesz.
- Nie wiesz, jak sprawdzi się na Twoich danych i w Twoich procesach.
- Nie znasz realnego kosztu Twoich zadań, bo cennik to tylko połowa rachunku.
Nasze stanowisko jest proste: model dobiera się do zadania, nie do nagłówków. W naszych wdrożeniach pracujemy na kilku modelach i projektujemy automatyzacje tak, by model dało się podmienić bez przebudowy całego procesu. Gdy Argon będzie szerzej dostępny, przetestujemy go na realnych procesach klientów, zanim cokolwiek polecimy.
Jeśli masz dziś działającą automatyzację, nie przepinaj jej pod wpływem jednej tabelki. Poczekaj na dostęp, przetestuj, policz i dopiero wtedy decyduj.
FAQ
Czy moja firma może już korzystać z Gemini 4 Argon?
Najpewniej nie. Na start dostęp mają tylko wybrani obrońcy cyber w programie Fairwind. Płatne API i subskrypcja Google AI Ultra mają przyjść później, ale Google nie podał daty.
Czy wyjdzie taniej niż Claude albo GPT?
Według cennika w okresie wprowadzającym tak: $2/$10 za milion tokenów wobec $4/$20 u Claude Opus 5.5 i $10/$50 u GPT-6 Astra. Potem cena Argona zrówna się z Claude. Model generuje jednak więcej tokenów niż przeciętny, więc realny koszt zadania trzeba policzyć na własnym przypadku.
Czy warto przepiąć automatyzacje na Argona, czy czekać?
Czekać i się przygotować. Działających procesów nie zmieniamy na podstawie zapowiedzi. Warto natomiast sprawdzić, czy Twoje automatyzacje pozwalają łatwo podmienić model. Jeśli tak, test Argona po otwarciu dostępu będzie szybki i tani.
Co model do cyberbezpieczeństwa oznacza dla bezpieczeństwa moich danych?
Dwie rzeczy. Po pierwsze, takie modele pomagają obrońcom szybciej znajdować i łatać luki, jak w przypadku podatności w oprogramowaniu szpitalnym wykrytej przez Wiz. Po drugie, Argon dobrze radzi sobie z pośrednim prompt injection, czyli ukrytymi poleceniami podrzucanymi modelowi np. w treści maila czy dokumentu. W teście Gray Swan skuteczne było tylko 0,7% ataków. Google dodał też zabezpieczenia przed nadużyciami w obszarze cyber i CBRN (broń chemiczna, biologiczna, radiologiczna i jądrowa). To ważne, gdy agent AI pracuje na Twoich danych, ale nie zwalnia z dobrej architektury: ograniczonych uprawnień i kontroli w kluczowych krokach.
Porozmawiajmy o Twoich procesach
Zastanawiasz się, który model najlepiej sprawdzi się w Twojej firmie i czy zmiana się opłaci? Umów bezpłatną konsultację z B2B Solution. Pomożemy dobrać model do zadania i policzyć, ile naprawdę będzie kosztował.
