Google открыла доступ к Gemini 4 Argon для сложных задач в коде и науке

13 октября 2026 года Google DeepMind представила Gemini 4 Argon. Компания описывает модель как инструмент для многоэтапных задач в программировании, анализе документов, финансах, праве, кибербезопасности и научной работе. На старте Argon стала доступна разработчикам и корпоративным пользователям через API, AI Studio и Gemini Platform.

Модель также появилась в продуктах Google для подписчиков. Владельцы Google AI Ultra получили доступ к Argon в Google Antigravity, а подписчики Google AI Ultra и Pro, по заявлению компании, могут использовать её в приложении Gemini и режиме AI Mode в Search.

Доступ к модели зависит от платформы

В API Google указала начальную цену 2 доллара за миллион входных токенов и 10 долларов за миллион выходных токенов. Кэшированные входные токены должны обходиться на 95% дешевле обычной обработки. Итоговая стоимость зависит от объёма передаваемых данных и длины ответа.

Условия доступа различаются по продуктам. Наличие модели в конкретном аккаунте может зависеть от тарифа, лимитов и выбранного интерфейса. Поэтому перед началом работы разработчику или студенту нужно проверить доступ непосредственно в нужном сервисе.

Google показала работу с кодом и 3D-сценами

В демонстрациях DeepMind Argon анализировала большие наборы документов, изображения и пространственные данные. Один из примеров использовал около 50 ГБ воздушных лазерных сканов, географические векторы, чертежи Библиотеки Конгресса США и архивы для реконструкции археологического объекта Чако-Каньон.

Для разработки модель применяли вместе с Blender, Three.js, Python и другими инструментами. По описанию Google, Argon могла создавать 3D-сцены, писать код для интерактивных проектов и выполнять последовательную проверку результата через визуальные циклы. Компания также показала сценарии подготовки игровых прототипов и научных визуализаций.

Где Argon может пригодиться в учебной работе

Для курсовых и исследовательских проектов модель может быть полезна при разборе технической документации, подготовке чернового кода, структурировании данных и создании прототипов визуализации. Эти возможности не заменяют проверку результата: цитаты, формулы, библиографию, программные зависимости и научные выводы нужно сверять с первоисточниками.

Заявленные примеры и показатели отражают позицию Google DeepMind. Перед использованием Argon стоит отдельно проверить доступность функции, тариф API и правила обработки загружаемых документов.