Google lancia Gemini 4 Argon con limite di output a 1 milione di token
Introduzione a Gemini 4 Argon
Google DeepMind ha annunciato la disponibilità generale di Gemini 4 Argon per sviluppatori, aziende e abbonati paganti del servizio Gemini. Argon è un modello “sparse mixture‑of‑experts” (MoE) concepito per lavori lunghi e multi‑step, con focus su settori quali programmazione, finanza, legale, scienza e cybersicurezza. Dopo una fase pilota riservata a difensori informatici, il modello è ora integrato nell’API Gemini a un costo di $2 per i token in input e $10 per quelli in output per milione di token.
Caratteristiche tecniche principali
- Dimensione: numero di parametri non divulgato (architettura MoE sparsa).
- Finestra di contesto: 1 milione di token, condivisi tra input e output.
- Modalità di esecuzione: solo su Google Cloud, tramite Gemini API, AI Studio e la piattaforma Gemini; addestrato su TPU con JAX e ML Pathways.
- Licenza: proprietaria, nessun peso aperto.
- Cut‑off della conoscenza: marzo 2026.
Il nuovo limite di 1 M di token in output
Il limite di output è stato portato da 64 K a 1 M di token, come confermato nel post di annuncio. La finestra di 1 M di token è condivisa: più lungo è il prompt, meno spazio resta per la risposta. Google ha introdotto un protocollo di “continuazione” per decodifiche estese, descritto nella documentazione per sviluppatori e nella guida per le imprese.
Con il prezzo introduttivo, una risposta completa di 1 M di token costa $10 di token di output (i token di input costano $2). Dopo il 30 novembre 2026 il prezzo raddoppierà a $4/$20.
Performance su benchmark di riferimento
Google confronta Argon con GPT‑6 Astra, Claude Fable 5.1 e Claude Opus 5.5, segnalando punteggi superiori nella maggior parte delle categorie:
- DeepSWE v1.1: 77,9 % (vs Opus 5.5 74,2 % e Astra 74,1 %).
- Vals Index: 68,90 % (primo posto, sopra Claude Sonnet 5.5 67,04 %).
- AutomationBench: 51,3 % (vs Opus 5.5 42,5 %).
- Harvey’s Legal Agent Benchmark: 19,6 % (quasi 3× il prossimo modello, pur restando basso).
- GraphWalks (256 K‑1 M token): 84,2 % (vs Astra 71,8 %).
- CWE‑bench v1: 68,0 % (pari ad Astra).
- ERQA embodied reasoning: 87 %.
Le metodologie di valutazione sono disponibili nel documento di valutazione. È importante notare che molti punteggi di confronto provengono da fonti auto‑segnalate o da leaderboard pubbliche.
Dove Argon è meno competitivo
Il modello registra punteggi più bassi in cinque righe della tabella di Google:
- FrontierSWE v2: 55,0 % (vs Astra 65,5 %).
- Terminal‑Bench 4.0: 57,4 % (vs Opus 5.5 66,4 %).
- Terminal‑Bench Science 0.1: 57,6 % (vs Astra 68,1 %).
- PostTrainBench: 45,3 % (vs Opus 5.5 49,3 %).
- OSWorld‑2.0 (offline subset): 69,2 % (vs Astra 72,6 %).
Il model card segnala occasionali allucinazioni, rallentamenti e timeout. Sotto il Frontier Safety Framework, Google non può escludere capacità critiche per la biologia e la cybersecurity, sebbene abbia implementato salvaguardie per mitigare tali rischi.
Confronto tabellare con i principali concorrenti
| Caratteristica | Gemini 4 Argon | GPT‑6 Astra | Claude Opus 5.5 | Claude Fable 5.1 |
|---|---|---|---|---|
| Architettura | Sparse MoE transformer | Non divulgata | Non divulgata | Non divulgata |
| Parametri totali/attivi | Non divulgato | Non divulgato | Non divulgato | Non divulgato |
| Finestra di contesto | 1 M (input + output) | 1 050 000 | 1 M | 1 M |
| Massimo output | Fino a 1 M | 128 K | 128 K | 128 K |
| Modalità di input | Testo, immagine, audio, video | Testo, immagine | Testo, immagine | Testo, immagine |
| Cut‑off conoscenza | Mar 2026 | 30 apr 2026 | giù 2026 | giù 2026 |
| Prezzo API (in/out per 1 M) | $2 / $10 (intro) – $4 / $20 dopo 30 nov 2026 | $10 / $50 | $4 / $20 | $10 / $50 |
| Licenza/Accesso | Proprietaria – API only | Proprietaria – API only | Proprietaria – API only | Proprietaria – API only |
| Vals Index | 68,90 % | 63,13 % | 66,97 % | 65,83 % |
| DeepSWE v1.1 | 77,9 % | 74,1 % | 74,2 % | 67,4 % |
| Terminal‑Bench 4.0 | 57,4 % | 58,2 % | 66,4 % | 57,9 % |
| FrontierSWE v2 | 55,0 % | 65,5 % | 62,3 % | 56,3 % |
Applicazioni interne di Argon prima del rilascio
Nel post di lancio Google ha condiviso alcuni risultati interni:
- Nel programma Antigravity, Argon ha incrementato le sottomissioni di codice agentico del 35 % e ridotto i rollback di quasi un terzo.
- Ha fornito un incremento di 2,85× nella velocità di inferenza vLLM per Gemma 4 E2B su GPU A100.
- L’Agent Development Kit ha registrato una diminuzione del 40 % dei tempi di preparazione della sessione; le importazioni a freddo sono migliorate del 21 %.
- Nel benchmark di iniezione di prompt “Gray Swan”, il tasso di successo degli attacchi è sceso allo 0,7 % su 15 tentativi adattivi.
Modello di pricing e modalità di accesso
L’offerta introduttiva prevede $2 per i token di input e $10 per quelli di output per 1 M di token; i token di input memorizzati in cache hanno uno sconto del 95 %. Dal 30 novembre 2026 i costi raddoppiano a $4 e $20.
Le vie di accesso elencate da Google includono:
- Sviluppatori: tier a pagamento dell’API Gemini in AI Studio e Android Studio.
- Imprese: piattaforma Gemini, Gemini for Business e Google Antigravity.
- Consumatori: app Gemini e modalità AI nella Ricerca per abbonati Google AI Pro e Ultra.
- Difensori cibernetici: tramite il Fairwind Program, con accesso a Argon senza le limitazioni tipiche di cybersecurity.
Conclusioni e considerazioni finali
- Argon rappresenta il primo modello MoE di Google con capacità di generare fino a 1 M di token in una singola risposta.
- Domina il Vals Index (68,90 %) e ottiene i migliori punteggi in molte metriche di conoscenza, lunghezza e video.
- Il prezzo introduttivo è competitivo rispetto a GPT‑6 Astra e Claude Opus 5.5.
- Persistono lacune nei benchmark frontier (FrontierSWE v2, Terminal‑Bench 4.0) e problemi di hallucination e latenza.
- La mancanza di parametri pubblici e la natura proprietaria limitano la trasparenza rispetto ai concorrenti open‑source.
Per approfondire, si consiglia la lettura della Model Card, della Methodology di valutazione e della Guida al prezzo per sviluppatori.