Google ha annunciato Gemini 4 Argon, un nuovo modello frontier pensato per sostenere ragionamenti profondi su attività professionali complesse e di lunga durata. La notizia arriva dalla newsletter Futurepedia, che riprende il comunicato ufficiale: Argon viene descritto come un modello capace di lavorare su workflow articolati nel software engineering reale, nel knowledge work enterprise (legale e finanza) e nella difesa informatica. Il rilascio, però, non è ancora pubblico: il modello sta arrivando a un gruppo selezionato di difensori informatici attraverso il Fairwind Program.
Cosa cambia rispetto ai modelli precedenti
Il dato più concreto riguarda i limiti di contesto e di output. Argon porta il tetto dei token di output a 1 milione, contro i 64.000 precedenti, e mantiene un limite di contesto di 1 milione di token. In pratica, il modello può generare centinaia di migliaia di token in una singola traiettoria di ragionamento, un elemento che Google indica come centrale per affrontare problemi complessi in un unico passaggio senza dover spezzare il lavoro.
Il modello è già in uso internamente: secondo la fonte, migliaia di dipendenti Google lo utilizzano per attività di coding specializzato, ricerca approfondita e scrittura. Tra gli esempi citati ci sono l’ottimizzazione di subroutine per il calcolo quantistico, con un miglioramento del 40% rispetto al baseline pubblicato, e interventi di ottimizzazione della memoria nei data center, con oltre 300 TiB liberati e una stima finale tra 500 TiB e 1 PiB.
Migrazioni di codice e benchmark
Un altro fronte riguarda le migrazioni di grandi codebase da C/C++ a Rust. La fonte cita casi che vanno da librerie core come re2 e libgav1 fino al kernel Fuchsia Zircon, con oltre 800.000 righe di codice. Nel caso di libgav1, gli agenti basati su Argon avrebbero sostituito 32.000 righe di codice SIMD, ottenendo un decoder video memory-safe 2,7 volte più veloce del port Rust precedente e con output identico.
Sul piano delle valutazioni, Google riporta un punteggio di 77,9% su DeepSWE v1.1, che misura le prestazioni in attività di software engineering di lungo periodo, e il primo posto su Vals Index, che pesa i settori in base al contributo al PIL statunitense. Argon è indicato come leader anche su Vals Finance Agent v2, sul Legal Agent Benchmark di Harvey e su AutomationBench di Zapier, dove segna 51,3%. Su LVBench, che misura la comprensione di video lunghi, il punteggio è 91,7%.
Sicurezza, accesso e prezzo
La parte più delicata riguarda la cyber defense. Argon è stato addestrato per individuare, validare e correggere autonomamente vulnerabilità critiche del software. Per i difensori fidati e per i team interni Google, il modello verrà rilasciato senza le guardrail cyber, in modo da sfruttarne appieno le capacità. La società sottolinea di aver adottato un rilascio graduale, con partecipazione al processo volontario del governo statunitense per l’accesso pre-rilascio ai modelli, e di voler raccogliere feedback prima di estendere l’accesso a sviluppatori, imprese e consumatori.
Il prezzo introduttivo indicato è di 2 dollari per milione di token in input e 10 dollari per milione di token in output, con i token di input in cache scontati del 95% rispetto al prezzo di input. Si tratta di cifre che, se confermate al momento del rilascio generale, collocano Argon in una fascia alta ma non estrema per un modello frontier.
A chi può servire e cosa resta da verificare
Argon si rivolge soprattutto a team di sviluppo, studi legali e finanziari, e realtà che si occupano di sicurezza informatica. La promessa è quella di ridurre il numero di passaggi manuali in attività che richiedono di leggere grandi quantità di codice, documenti o video e di produrre output coerenti. Per ora, però, l’accesso è limitato e molte delle informazioni disponibili arrivano dalla stessa Google: i benchmark citati sono interni o di terze parti non ancora verificate in modo indipendente, e non è chiaro quando il modello sarà disponibile per il pubblico né con quali guardrail definitivi.
Per chi segue l’evoluzione dei modelli frontier, la notizia conferma una tendenza già vista nelle settimane scorse: l’attenzione si sposta dalla semplice generazione di testo alla capacità di sostenere compiti lunghi e articolati, con un occhio particolare a coding, finanza e sicurezza. Maggiori dettagli sono disponibili nella pagina della newsletter Futurepedia.
