Раньше гонка шла за контекстное окно. Gemini 4 Argon смещает внимание на другой конец модели: сколько она может выдать за один раз. 30 сентября Google DeepMind представила Argon с лимитом вывода в миллион токенов вместо 64 000. Это ответ размером с книгу. Для маркетологов интереснее вопрос, какой работе он нужен.
Что произошло
В анонсе Google Koray Kavukcuoglu описывает Argon как передовую модель Google «для реального программирования, корпоративного интеллектуального труда и киберзащиты». Лимит выходных токенов расширен до 1M, и модель рассчитана на длинные многошаговые задачи в разработке ПО, юридической и финансовой работе и кибербезопасности, с сильным визуальным пониманием, например анализом графиков и пониманием длинных видео.
Порядок запуска необычен. Сначала Argon получает группа доверенных специалистов по киберзащите через программу Google Fairwind Program, а более широкий доступ для разработчиков, компаний и потребителей запланирован начиная с платных клиентов API и подписчиков Google AI Ultra. Вводная цена — US$2 за миллион входных токенов и US$10 за миллион выходных, после вводного периода — US$4 и US$20, а кэшированный ввод — со скидкой 95%.
Google приводит результаты бенчмарков, включая 77,9% в DeepSWE v1.1 и 91,7% в бенчмарке длинных видео LVBench, и описывает внутренние сценарии, такие как крупные миграции кода. Также компания описывает меры безопасности, включая мониторинг злоупотреблений и рассогласования и устойчивость к косвенным промпт-инъекциям. Это собственные результаты Google.
Почему это важно
Миллион выходных токенов — не о том, чтобы писать более длинные посты в блог. Длинный вывод важен, когда задача — создать завершённый артефакт за один связный проход: полную миграцию кодовой базы, пакет договоров, большой структурированный набор данных. В маркетинге ближайшие аналоги — например, полная переработка товарного фида, полная локализация сайта или библиотека кампании из сотен согласованных вариантов.
Понимание длинных видео — на мой взгляд, более полезная прямо сейчас возможность. Видео доминирует в соцсетях, а большинство брендов по-прежнему анализируют его, просматривая выборку и делая заметки. Модель, способная надёжно читать длинные видео в масштабе, открывает анализ конкурентов и категории, который раньше было невозможно провести основательно.
А запуск с приоритетом на кибербезопасность — сигнал о том, где передовые лаборатории видят риск. Когда лаборатория даёт доступ защитникам раньше всех остальных, она сообщает вам, что модель достаточно способна, чтобы иметь значение и для атакующих.
Что говорят мои исследования
Значительная часть моих исследований была посвящена социальным мультимедиа, а не только тексту. Ещё в начале мы создали bBridge (ACM Multimedia 2016) — платформу больших данных для анализа социальных мультимедиа в разных сетях. А недавно в SOEX: Explainable AI for Competitor Communications Analytics (WWW 2025 Companion) мы сосредоточились на объяснении того, что транслируют конкуренты и почему это работает.
Урок этой работы в том, что масштаб анализа — лишь половина проблемы. Модель, способная посмотреть тысячу видео конкурентов, всё равно должна отвечать на вопросы, важные стратегу: какие сообщения повторяются, какие работают, на какую аудиторию нацелены и какая ниша остаётся свободной. Модели с длинным контекстом и длинным выводом удешевляют чтение и написание. Постановка задачи и проверка остаются вкладом человека, опирающегося на данные об эффективности.
Добавлю одну оговорку. Очень длинные результаты трудно проверять. Сгенерированный документ на 200 страниц может быть верен на 98% и всё равно содержать то единственное утверждение, из-за которого у вас будут проблемы. Чем длиннее вывод, тем больше нужны структура, выборочная проверка и автоматические проверки.
Как я бы использовал модель с длинным горизонтом в маркетинге
- Аудит видео в категории. Запрашивайте структурированные выводы по полному набору видео конкурентов: хуки, утверждения, форматы, призывы к действию. Затем выборочно проверяйте вручную.
- Согласованные библиотеки материалов. Генерируйте полный набор вариантов для кампании за один проход, чтобы тон и утверждения оставались согласованными, и проверяйте их по чек-листу.
- Черновики локализации всего сайта. Создавайте полные черновики для новых рынков, а затем пусть носители языка в первую очередь проверят самые посещаемые страницы.
- Длинные документы с указателем. Требуйте от модели таблицу утверждений с источниками, чтобы люди могли быстро проверить рискованные части.
Главная цифра Argon впечатляет. Ценность для маркетологов появится, когда эта мощность будет сочетаться с дисциплиной проверки результата.
Частые вопросы
Что такое Gemini 4 Argon?
Это передовая модель Google DeepMind, представленная 30 сентября 2026 года для реального программирования, корпоративного интеллектуального труда и киберзащиты, с лимитом вывода в 1 млн токенов вместо 64 000.
Кто первым сможет использовать Gemini 4 Argon?
По словам Google, сначала модель получают доверенные специалисты по киберзащите через программу Fairwind Program, а более широкий запуск для разработчиков, компаний и потребителей запланирован начиная с платных клиентов API и подписчиков Google AI Ultra.
Сколько стоит Gemini 4 Argon?
Google указывает вводную цену US$2 за миллион входных токенов и US$10 за миллион выходных, после вводного периода — US$4 и US$20, а кэшированные входные токены — со скидкой 95%.
Источники
- Gemini 4 Argon: our next era of frontier intelligence — Google (The Keyword), 30 September 2026