Google je predstavil Gemini 4 Argon, novi vodilni model umetne inteligence, namenjen predvsem zahtevnemu programiranju, finančnemu in pravnemu delu ter kibernetski varnosti. Zmogljivosti so očitno dovolj napredne, da je Google izbral nenavaden način lansiranja: namesto takojšnje splošne dostopnosti model najprej dobivajo preverjeni strokovnjaki za kibernetsko obrambo, medtem ko podjetje dodatno preizkuša varovalke pred zlorabami.
Poudarki:
- Gemini 4 Argon je Googlov novi vodilni AI model za programiranje, zahtevno strokovno delo in dolgotrajne večstopenjske naloge.
- Model lahko v enem poteku ustvari do milijon izhodnih tokenov, kar močno presega omejitve prejšnjih generacij.
- Google dostop za zdaj omejuje na preverjene kibernetske strokovnjake, širša uvedba za razvijalce in uporabnike pa bo sledila pozneje.
Google z Argonom začenja generacijo Gemini 4
Gemini 4 Argon je prvi predstavljeni model nove generacije Gemini 4 in po Googlovih besedah predstavlja velik preskok predvsem pri nalogah, ki od umetne inteligence zahtevajo več ur oziroma veliko zaporednih korakov dela.
Namesto kratkega vprašanja in odgovora želi Argon izvajati celotne delovne procese: analizirati obsežno programsko kodo, iskati napake, izvajati spremembe, preverjati rezultate in nadaljevati delo brez stalnega posredovanja uporabnika.
Google zato govori o modelu za »long-horizon« oziroma dolgotrajne naloge, kar postaja eno najpomembnejših področij razvoja nove generacije AI agentov.
Razlika je pomembna. Današnji modeli lahko zelo dobro napišejo posamezen del kode ali analizirajo dokument, vendar se pri nalogah z več deset ali sto zaporednimi koraki še vedno pogosto izgubijo, pozabijo prvotni cilj ali naredijo napako, ki se nato prenaša skozi preostanek procesa.
Prav to želi Gemini 4 Argon izboljšati.
Do milijona izhodnih tokenov v enem poteku
Ena najbolj nenavadnih tehničnih lastnosti modela je izredno velika dovoljena količina izhodnega besedila.
Google je največji izhod povečal s prejšnjih približno 64.000 na milijon tokenov. Token ni enak besedi, vendar gre vseeno za možnost ustvarjanja ogromnih količin kode, analiz ali drugih rezultatov znotraj enega samega poteka.
To ni namenjeno pisanju milijon besed dolgih odgovorov uporabniku. Glavni namen je omogočiti modelu dovolj prostora za dolgotrajno sklepanje, uporabo orodij, izvajanje več korakov ter ustvarjanje in popravljanje kode.
Takšne zmogljivosti postajajo pomembne pri AI agentih, ki lahko samostojno delajo na nalogi precej dlje kot običajni klepetalni robot.
Google ga že uporablja pri lastni programski kodi
Argon ni le raziskovalni prototip. Google navaja, da ga pri vsakodnevnem delu že uporablja na tisoče zaposlenih.
Eden bolj zanimivih primerov je optimizacija pomnilnika v Googlovih podatkovnih centrih. Skupina Argonovih agentov je analizirala telemetrijo infrastrukture in odkrila optimizacije, s katerimi naj bi Google po uvedbi sprostil več kot 300 TiB pomnilnika, potencialne skupne izboljšave pa ocenjuje celo med 500 TiB in enim PiB.
Model uporabljajo tudi pri migracijah obsežnih projektov iz programskega jezika C oziroma C++ v Rust. Med projekti, ki jih Google omenja, je celo jedro Zircon operacijskega sistema Fuchsia z več kot 800.000 vrsticami kode.
Pri odprtokodnem video dekoderju libgav1 naj bi Argon pomagal zamenjati približno 32.000 vrstic optimizirane kode in ustvariti različico v Rustu, ki je bila po Googlovih meritvah 2,7-krat hitrejša od prejšnjega porta v Rustu.
Močan poudarek na programiranju, financah in pravu
Google je objavil tudi prve rezultate testov.
Na preizkusu DeepSWE v1.1, ki meri sposobnost reševanja zahtevnih realnih nalog programske opreme, je Gemini 4 Argon dosegel 77,9 odstotka. Na AutomationBench, ki preverja izvajanje celotnih poslovnih procesov, je dosegel 51,3 odstotka, Google pa navaja tudi vodilne rezultate pri finančnih in pravnih nalogah.
Pri testu LVBench, namenjenem razumevanju dolgih videoposnetkov, je Argon dosegel 91,7 odstotka.
Kot vedno pri testih umetne inteligence velja nekaj previdnosti. Benchmarki omogočajo primerjavo modelov pri določenih nalogah, ne povedo pa nujno, kateri model bo najboljši pri vsakodnevni uporabi posameznega uporabnika.
Bolj zanimivo je, da Google očitno Argon vidi predvsem kot delovno orodje za strokovnjake, ne le kot boljši model za Gemini klepet.
Največ pozornosti namenjajo kibernetski varnosti
Prav kibernetska varnost je razlog, da Gemini 4 Argon še ni prosto dostopen.
Google trdi, da lahko model samostojno išče programske ranljivosti, preverja, ali jih je mogoče izkoristiti, in nato pripravi popravek. Na testu CWE-bench v1 za odpravljanje varnostnih ranljivosti je dosegel 68 odstotkov in si po Googlovih podatkih deli prvo mesto.
V sodelovanju z varnostnim podjetjem Wiz naj bi Argon odkril tudi kritično ranljivost v programski opremi, ki jo uporabljajo bolnišnice, prejšnji napredni modeli pa je niso zaznali.
Takšne sposobnosti imajo dve plati. Enak model, ki lahko strokovnjakom pomaga najti ranljivost in jo odpraviti, bi lahko napadalcu pomagal pri iskanju poti v sistem.
Zato Google model za zdaj prek programa Fairwind ponuja omejenemu krogu preverjenih strokovnjakov za kibernetsko obrambo. Za te uporabnike so na voljo tudi zmogljivosti, ki niso omejene z običajnimi kibernetskimi varovalkami.
Zakaj model še ni v običajni aplikaciji Gemini?
Google pred širšo izdajo posebej preizkuša zaščito pred zlorabami, napadi s tako imenovanim prompt injectionom in vedenjem, pri katerem bi AI agent poskušal nalogo dokončati na način, ki presega uporabnikova navodila.
Podjetje navaja, da pri nekaterih agentnih nalogah spremlja tudi proces sklepanja in dejanja modela ter lahko izvedbo prekine, če sistem zazna problematično vedenje.
To pojasnjuje precej previdnejši način izdaje. Google običajno nove modele Gemini hitro razširi v Gemini, AI Studio in svoje druge izdelke, pri Argonu pa se je odločil za postopno odpiranje dostopa.
Širša uvedba bo po navedbah podjetja najprej zajela plačljive uporabnike API-ja in naročnike Google AI Ultra, nato pa naj bi sledila dostopnost za več razvijalcev, podjetij in običajnih uporabnikov. Natančnega datuma Google še ni objavil.
Cena bo presenetljivo konkurenčna
Google je že razkril tudi predvideno ceno API-ja.
V uvodnem obdobju bo milijon vhodnih tokenov stal 2 dolarja, milijon izhodnih pa 10 dolarjev. Predpomnjeni vhodni tokeni bodo 95 odstotkov cenejši.
Po koncu promocijskega obdobja se bo cena zvišala na 4 dolarje za milijon vhodnih in 20 dolarjev za milijon izhodnih tokenov.
To kaže, da Google z Argonom ne želi izdelati le demonstracije svojih raziskovalnih zmogljivosti, temveč model, ki bi ga podjetja dejansko uporabljala v velikem obsegu.
Nova bitka ni več samo za najboljšega klepetalnega robota
Gemini 4 Argon prihaja v obdobju, ko se tekmovanje med Googlom, OpenAI, Anthropicom in drugimi laboratoriji seli na novo področje.
Vprašanje ni več samo, kateri model napiše najboljši odgovor na vprašanje. Vedno pomembneje je, koliko kompleksnega dela lahko umetna inteligenca opravi samostojno, preden potrebuje človeka.
Prav tu želi Google z Argonom narediti največji preskok.
Za običajnega uporabnika Gemini se trenutno ne bo spremenilo veliko, saj Argon še ni splošno dostopen. Toda model dobro kaže, kam se premika naslednja generacija umetne inteligence: od pomočnika, ki odgovarja na vprašanja, proti sistemu, ki lahko dobi zahtevno nalogo in jo samostojno izvaja bistveno dlje kot doslej.
