Gemini 4 Argon: силён в коде, но не везде

Что в ролике
Если вы выбираете флагманскую модель для длинных многошаговых задач, анонс Gemini 4 Argon важнее сравнить по конкретным бенчмаркам, чем по одному яркому результату. В Deep Sweet Google заявляет 77,9% против 74,1% у GPT6 Astra и 67,4% у Fable, но уже в Frontier SWE порядок обратный: Astra 65,5%, Fable 56,3%, Argon 55,0%. Независимые замеры это подтверждают: в сводном индексе Artificial Analysis модель набирает 53 балла в режиме высокого рассуждения — ровно столько же, сколько топовая конфигурация Astra, а в узком налоговом бенчмарке Fable обходит Argon на 1,41 процентного пункта. Главный кейс Google — оптимизация видеодекодера libgavv1: агенты заменили 32 000 строк кода на Rust и ускорили декодирование в 2,7 раза, не меняя выходные кадры. Для длинных задач Argon получил лимит генерации до 1 млн токенов вместо прежних 64 000, но это не гарантирует правильность, а увеличивает счёт. Вводные цены $2 за млн входных и $10 за млн выходных токенов, стандартные будут $4 и $20; на измеренных задачах Artificial Analysis средняя стоимость Argon $1,99 против $3,26 у Astra вводно, но после стандартных цен станет $3,98 против $3,26. Пока модель доступна только партнёрам, поэтому обычным пользователям стоит оставаться на Fable или Astra и готовить тест на своих задачах.
Практика
- Что получишь
- Поймёте, в каких тестах Argon обходит конкурентов, где уступает, и как изменится стоимость после окончания вводных цен.
- Первый шаг
- Дождитесь публичного доступа или партнёрского ключа и прогоните одинаковые задачи на Argon, Astra и Fable, замеряя результат, время, стоимость и число ваших вмешательств.
- Цифры
- —77,9% — результат Argon в Deep Sweet, против 74,1% у Astra и 67,4% у Fable
- —2,7 раза — ускорение видеодекодера libgavv1 после замены агентами 32 000 строк кода
- —1 млн токенов — новый потолок генерации Argon вместо прежних 64 000
- —$2 и $10 за млн входных и выходных токенов — вводные цены; стандартные $4 и $20
- Честно
- Промо в ролике ограничено просьбой подписаться и поставить лайк, платных продуктов или партнёрских ссылок не видно. Автор не тестировал модель сам — все выводы построены на таблицах Google и независимых замерах Artificial Analysis и Val. Публичного доступа к Argon на момент ролика нет, поэтому повторить запуск у себя обычный зритель не может.
Если слова незнакомы — 3 терминов
- бенчмаркстандартизированный тест для сравнения моделей на одинаковых задачах
- токенединица текста, которую модель читает или генерирует; внутренние рассуждения тоже считаются
- агентпрограмма, которая сама выполняет шаги, запускает команды и правит код
Связки из этого ролика
2 шт.- Rust
- C++
Компоненты
6 шт.Формат: реакция на новость · для практикующих · уверенность разметки 0.9 · источник