Gemini 4 Argon: разбор бенчмарков и стратегии Google

Что в ролике
Если вы ждали новый флагман от Google, то Gemini 4 Argon отвечает на этот запрос: модель показала 77,9% на Deep SWE, что выше всех текущих аналогов. Автор сразу призывает к скепсису: Epoch нашла 23 дефектных задачи в Deep SWE, а все 113 задач и решения публичны с мая, поэтому лаборатории, выпускающие модели позже, могут использовать их в постобучении. Google продлевает вывод до 1 миллиона токенов вместо прежних 64 000, и это важно, потому что удерживать связность автогрессивной модели на такой длине сложно: если каждый токен надёжен на 99%, цепочка из 100 шагов даёт лишь 37% шанса на полную корректность. По деньгам Argon временно дешевле конкурентов из Anthropic и OpenAI, но после окончания скидки цена удвоится, а на графике Парето модель всё равно лежит ниже фронта, уступая по совокупности цены и качества. Отдельная проблема — экосистема: у Codex 5 млн активных пользователей в неделю против 2,4 млн у Antigravity, и Google пока не сделал свой харнесс по-настоящему конкурентным. Стратегически Google, уже будучи публичной компанией, направляет ресурсы туда, где есть выручка: модель отдадут подписчикам Ultra и платным API-клиентам, а не в гонку дешёвых подписок. На квартальном звонке Google отчиталась о 22 млрд токенов в минуту через API — на 6 млрд больше прошлого квартала, что объясняет, почему компания говорит о нехватке мощностей. Так Argon показывает, что Google держит темп на переднем крае, но до реального смещения лидеров в разработке ещё далеко.
Практика
- Что получишь
- Критический взгляд на бенчмарки новых моделей и понимание, почему Google делает ставку на дорогие каналы вместо массовой подписки.
- Первый шаг
- Сравнить Argon со своей текущей моделью на собственной задаче генерации кода или длинного текста, воспользовавшись временной скидкой на API.
- Цифры
- —77,9% — результат Gemini 4 Argon на бенчмарке Deep SWE, выше всех текущих моделей по заявлению Google
- —5 млн против 2,4 млн — активные пользователи в неделю у Codex и Antigravity соответственно
- —22 млрд токенов в минуту — объём обработки через API Google на квартальном звонке, на 6 млрд больше прошлого квартала
- —1 миллион токенов — новый лимит выходной длины Argon, увеличенный с 64 000
- Честно
- В ролике нет рекламы или партнёрских ссылок, автор делится собственной аналитикой анонса. Транскрипт обрывается на середине рассуждения о генерации, поэтому финальная часть рассуждений автора неизвестна. Все оценки и интерпретации бенчмарков — мнение автора, а не официальные заявления Google.
Если слова незнакомы — 6 терминов
- Deep SWEбенчмарк, где модель должна решать реальные задачи из GitHub-репозиториев на Python
- Парето-фронткривая, показывающая лучшие сочетания цены и качества среди моделей
- автогрессивная модельмодель, которая генерирует текст последовательно, токен за токеном, опираясь на уже написанное
- постобучениеэтап дообучения модели на дополнительных данных после основного обучения
- APIпрограммный интерфейс, через который разработчики вызывают модель из своего кода
- харнесссреда или обвязка, которая подключает модель к редактору кода и инструментам
Компоненты
5 шт.Формат: мнение · для продвинутых · уверенность разметки 0.85 · источник