Gemini 4 Argon: Google lancia il suo modello di frontiera, prima ai cyberdifensori

Un lancio al contrario

Google DeepMind presenta Gemini 4 Argon come il suo nuovo modello di frontiera, progettato per sostenere un ragionamento profondo su compiti lunghi e complessi. Sono presi di mira tre ambiti: l'ingegneria del software reale, il lavoro di conoscenza aziendale (legale, finanza) e la cyberdifesa.

Il calendario è insolito. Il modello non arriva prima agli sviluppatori, ma a un gruppo di difensori cyber fidati, tramite il programma Fairwind. Google precisa di partecipare al processo volontario del governo statunitense di accesso ai modelli prima del lancio.

Il grande pubblico, le aziende e gli sviluppatori arriveranno poi, "il prima possibile", a partire dai clienti API a pagamento e dagli abbonati Google AI Ultra. Nessuna data è fornita. Il prezzo di lancio è invece annunciato: 2 $ per milione di token in input, 10 $ in output, e 95% di sconto sull'input in cache.

Ciò che Argon fa già in Google

Il post insiste sull'uso interno, con migliaia di Googler che lo utilizzerebbero per codice specializzato, ricerca approfondita e scrittura. Vengono messi in evidenza tre esempi con dati concreti.

Nell'informatica quantistica, Argon aiuta a ottimizzare le risorse spazio-tempo (qubit × porte) di sottoroutine critiche; in un caso, ha superato il riferimento pubblicato del 40% in pochi minuti. Sull'infrastruttura, un team di agenti Argon ha analizzato la telemetria di profiling della flotta per applicare autonomamente ottimizzazioni di memoria: oltre 300 TiB liberati, e tra 500 TiB e 1 PiB di risparmi attesi.

Il terzo cantiere è la migrazione di codice C/C++ verso Rust, da librerie come re2 e libgav1 fino al kernel Zircon di Fuchsia e le sue 800K+ righe. Su libgav1, gli agenti hanno sostituito 32K righe di codice SIMD con Rust sicuro che il compilatore vettorizza da solo, per un decoder 2,7 volte più veloce rispetto al porting Rust esistente, a output video identico. Google precisa che queste riscritture passano ancora per audit automatici e manuali, test di emulazione e revisione prima della produzione.

1 milione di token in output

Il cambiamento tecnico più concreto per gli utenti è il limite di output, che passa da 64K a 1M di token. Google lo presenta come il più elevato del settore.

L'idea: lasciare che il modello produca centinaia di migliaia di token in un'unica traiettoria, per risolvere un problema difficile "in un colpo solo" invece di moltiplicare gli scambi. È una scommessa sui compiti agentici lunghi, e un costo potenzialmente elevato a 10 $ per milione di token generati.

Enterprise e multimodale: la pioggia di benchmark

Sul codice, Argon stabilisce un nuovo stato dell'arte su DeepSWE v1.1 (77,9%), che misura compiti di ingegneria del software di lunga durata. Fuori dal codice, prende la testa del Vals Index, che pondera finanza, codice, diritto e fiscalità in base al loro peso nel PIL statunitense, e rivendica buoni risultati su Vals Finance Agent v2 e il Legal Agent Benchmark di Harvey.

Su AutomationBench, il benchmark di Zapier sull'esecuzione end-to-end di funzioni aziendali, Argon è primo con 51,3%. Sul fronte visione, raggiunge 91,7% su LVBench, dedicato alla comprensione di video lunghi, e Google mette in evidenza l'analisi di grafici e l'azione a partire da una serie di documenti.

La cyberdifesa, cuore dell'annuncio

Argon è stato addestrato specificamente per la difesa: trovare, validare e correggere vulnerabilità critiche in modo autonomo. Per i difensori fidati e i team interni, verrà fornito senza protezioni cyber, per sfruttarne tutta la capacità.

Wiz lo utilizza già nella sua iniziativa Scan for Good, che protegge gratuitamente infrastrutture pubbliche critiche. Il modello vi ha individuato una vulnerabilità critica che esponeva dati personali sensibili in un software sanitario usato da ospedali in tutto il mondo, una falla che i modelli precedenti avevano mancato.

Su CWE-bench v1, che valuta la correzione di vulnerabilità, Argon è primo a pari merito con 68%. Google cita anche progressi sul proprio benchmark interno (falle trovate in basi di codice che coprono 20 linguaggi) e sul benchmark di pentest a scatola nera di Wiz, rispetto al suo predecessore 3.8 Flash Cyber.

Le protezioni prima dell'apertura

Google dettaglia quattro cantieri. Contro gli abusi (cyber e CBRN), il modello rifiuta le richieste pericolose preservando al contempo la ricerca a duplice uso legittima, e Google monitora le attivazioni interne del modello per individuare usi impropri, con test da parte di red team interni ed esterni.

Contro l'iniezione di prompt indiretta, Argon sarebbe il modello più robusto sul mercato sul benchmark IPI di Gray Swan, grazie al red teaming automatizzato e all'addestramento avversariale. Per il disallineamento, Google monitora la catena di pensiero e le azioni del modello e può interrompere l'esecuzione.

Punto notevole: gli avvisi derivanti dal monitoraggio degli addestramenti non vengono reiniettati nell'addestramento, per non insegnare al modello a eludere il controllo. Google invita il resto del settore a preservare la trasparenza del ragionamento. Infine, gli ambienti sandbox sono isolati e sigillati prima degli addestramenti e delle valutazioni ad alto rischio.