Google выпустил Gemini 4 Argon, очередную версию в серии моделей Gemini. По словам Alphabet, это максимально мощная модель на данный момент, но главный акцент сделан не на универсальных способностях, а на специализации: модель натренирована для оборонительной кибербезопасности и может автономно находить, проверять и исправлять критические уязвимости в ПО. Это неслучайно — Argon катится только избранной группе киберпартнёров Google через программу Fairwind, которая является частью инициативы безопасности компании.
Параллельно Google хвалит возможности Argon в кодировании и инженерии: по информации компании, её собственные сотрудники уже используют модель в повседневной работе для отладки кода и миграции кодовых баз. Добавляются способности в анализе визуала — обработка длинных видеоклипов и графиков. Всё это вписывается в общий тренд: Google позиционирует Argon как инструмент для «глубокого рассуждения в сложных, долгосрочных рабочих процессах».
Большие лаборатории ИИ поймали себя в гонку на превосходство, в которой каждый месяц объявляется «самая мощная модель». OpenAI не так давно запустил Astra с теми же лозунгами о лидерстве, Anthropic выпустил Fable и Opus. Google привык занимать вторые роли в этом цирке, но теперь активно отбивается: в блоге компания ссылается на бенчмарки от Vals и заявляет, что Argon превосходит GPT-6 Astra, Fable и Opus по целому спектру тестов. Vals — молодая компания, специализирующаяся на оценке ИИ-моделей, — показывает Argon на первой строчке своего индекса.
Контекст важен: ещё год-два назад Google воспринимали как аутсайдера в гонке больших языковых моделей. Но весной Gemini начал расти, и в августе компания объявила о миллиарде активных пользователей приложения Gemini ежемесячно — это сравнило бы Google с OpenAI, у ChatGPT также скоро появилось около миллиарда юзеров. Цифры похожи, но обе стороны явно ловят каждый куш, как могут.
Важный момент: модель Argon пока закрыта для всех. Доступ получают лишь киберпартнёры через Fairwind Program, что неудивительно для специализированного инструмента безопасности, но и усложняет проверку заявлений Google независимыми разработчиками. Бенчмарки всегда нужно читать критически — они описывают то, что компании решили тестировать, а не реальное превосходство в работе.
Для российского бизнеса это может быть релевантно в нескольких сценариях. Во-первых, кибербезопасность — всегда острая боль, особенно для компаний, работающих с критичными системами или персональными данными. Если Argon действительно ускоряет поиск и исправление уязвимостей в коде, это может снизить затраты на безопасность. Во-вторых, для разработчиков, которые и так используют ИИ для кода, появление специализированной модели может ускорить миграции и отладку — здесь уже сейчас российские команды применяют инструменты автоматизации разработки, включая локальные и облачные решения. Но доступ к Argon для российских компаний остаётся неясным вопросом, учитывая геополитический контекст и ограничения американских сервисов. Фокус на кибербезопасность и кодировании, а не на универсальности, может и отыграть в пользу локальных альтернатив, если те достаточно развивались.
По сути, новость — это не революция, а логичный шаг Google: вместо того чтобы гнаться за универсальной моделью, компания режет функциональность под конкретные задачи. Это разумнее, чем выпускать очередную мегамодель с одинаковыми баллами на бенчмарках. Вопрос только в том, насколько это действительно лучше работает в боевых условиях, а не только на тестовых наборах данных.