Gemini ۴ Argon؛ پرچمدار جدید گوگل فعلاً پشت درهای بسته است

گوگل بالاخره از مدل پرچمدار نسل بعدی Gemini رونمایی کرد؛ مدلی که برخلاف بسیاری از عرضه‌های قبلی این شرکت، قرار نیست فعلاً همه بتوانند آن را امتحان کنند.

Gemini 4 Argon نام اولین مدل خانواده Gemini ۴ است و گوگل آن را برای کارهایی ساخته که قرار نیست در چند ثانیه تمام شوند؛ از مهندسی نرم‌افزار و تحقیق مالی و حقوقی گرفته تا پیدا کردن و برطرف کردن آسیب‌پذیری‌های امنیتی. فعلاً اما دسترسی به آن فقط در اختیار گروهی از مدافعان سایبری مورد اعتماد گوگل قرار گرفته است.

این تصمیم تا حدی به ماهیت خود مدل برمی‌گردد. Argon قرار است بتواند مدت بیشتری روی یک مسئله کار کند و زنجیره‌ای از اقدامات را پشت سر بگذارد. به همین دلیل گوگل قبل از عرضه عمومی، می‌خواهد مدل را در محیط واقعی آزمایش کند و گاردریل‌های امنیتی آن را تقویت کند.

چرا گوگل Argon را عمومی نکرده است؟

Argon از طریق برنامه Fairwind ابتدا به سازمان‌ها و متخصصان امنیت سایبری مورد اعتماد می‌رسد. این برنامه در اوایل سپتامبر همراه با Gemini ۳.۸ Flash Cyber راه افتاد و حالا بیش از ۶۵۰ شریک در سراسر جهان دارد؛ CrowdStrike، Palo Alto Networks و Wiz هم در میان شرکای این برنامه هستند.

البته این نکته مهم است که Fairwind از ابتدا فقط برای Argon ساخته نشده بود. برنامه در ابتدا دسترسی به Gemini ۳.۸ Flash Cyber و ابزار CodeMender را برای مدافعان سایبری فراهم می‌کرد و حالا Argon هم به این مسیر اضافه شده است.

گوگل می‌گوید عرضه چنین مدلی باید مرحله‌ای باشد. این شرکت همچنین در فرآیند داوطلبانه دولت آمریکا برای دسترسی پیش از انتشار به مدل‌های پیشرفته مشارکت دارد و می‌خواهد بازخورد آزمایش‌کنندگان اولیه را قبل از عرضه گسترده‌تر وارد فرآیند ایمنی مدل کند. فعلاً تاریخ مشخصی برای عرضه عمومی اعلام نشده است.

Argon روی کاغذ چقدر قدرتمند است؟

بخش بزرگی از سر و صدای مربوط به Argon به جدول بنچمارک‌هایی برمی‌گردد که گوگل همراه معرفی مدل منتشر کرده است.

در DeepSWE v1.1، که برای سنجش عملکرد مدل‌ها در وظایف طولانی و واقعی مهندسی نرم‌افزار طراحی شده، Argon امتیاز ۷۷٫۹ درصد گرفته است. در جدول گوگل، GPT-۶ Astra امتیاز ۷۴٫۱ و Claude Opus ۵.۵ امتیاز ۷۴٫۲ درصد دارند.

اما اگر فقط همین عدد را ببینیم، تصویر کاملی به دست نمی‌آید.

در FrontierSWE v2، امتیاز Astra به ۶۵٫۵ درصد می‌رسد، در حالی که Argon روی ۵۵ درصد قرار دارد. در Terminal-Bench 4.0 نیز Opus ۵.۵ با ۶۶٫۴ درصد بالاتر از Argon با ۵۷٫۴ درصد قرار گرفته است. بنابراین ادعای اینکه Argon در تمام کارهای برنامه‌نویسی از رقبا جلو زده، با جدول خود گوگل همخوانی ندارد.

جایی که Argon عملکرد چشمگیری نشان می‌دهد، کارهای طولانی و ترکیبی است. گوگل در Vals Index امتیاز ۶۸٫۹ درصد را گزارش کرده و در AutomationBench نیز با ۵۱٫۳ درصد در رتبه اول جدول خودش قرار گرفته است. در LVBench برای درک ویدیوهای طولانی هم امتیاز ۹۱٫۷ درصد اعلام شده است.

در حوزه امنیت سایبری، Argon در CWE-bench v1 به امتیاز ۶۸ درصد رسیده و با GPT-۶ Astra در رتبه اول مشترک قرار گرفته است. گوگل می‌گوید مدل می‌تواند آسیب‌پذیری‌های مهم را پیدا کند، آن‌ها را اعتبارسنجی کند و برایشان وصله نرم‌افزاری ایجاد کند.

یک نکته را باید در نظر گرفت: این‌ها عمدتاً اعداد اعلام‌شده در ارزیابی‌های گوگل هستند. هنوز زمان زیادی از عرضه Argon نگذشته و تست‌های مستقل گسترده‌ای که بتوانند این نتایج را در شرایط یکسان با رقبا تکرار کنند، در دسترس نیستند. بنابراین فعلاً بهتر است این اعداد را نشانه‌ای از توانایی مدل بدانیم، نه حکم نهایی درباره اینکه Argon بهترین مدل بازار است.

یک تغییر فنی عجیب: خروجی یک‌میلیون توکنی

شاید جالب‌ترین تغییر Argon اصلاً یک امتیاز بنچمارک نباشد.

گوگل سقف خروجی مدل را از ۶۴ هزار توکن به یک میلیون توکن افزایش داده است. یعنی Argon می‌تواند در یک مسیر طولانی، حجم بسیار بزرگی از خروجی را تولید کند؛ چیزی که برای کارهایی مثل مهاجرت یک codebase بزرگ یا حل مسئله‌های چندمرحله‌ای اهمیت دارد.

گوگل می‌گوید همین قابلیت در کارهای داخلی خودش هم استفاده شده است.

برای نمونه، تیم‌های این شرکت از Argon برای مهاجرت codebaseهای C و C++ به Rust استفاده کرده‌اند؛ یکی از پروژه‌ها به بیش از ۸۰۰ هزار خط کد در هسته Fuchsia Zircon می‌رسد. در نمونه‌ای دیگر، Argon روی یک نسخه Rust از libgav1 کار کرده و پس از چندین مرحله آزمایش و بهینه‌سازی، اجرای آن را به ۲٫۷ برابر سریع‌تر رسانده است.

در یک پروژه دیگر نیز گوگل می‌گوید استفاده از Argon برای بهینه‌سازی مصرف حافظه دیتاسنترها، پس از استقرار، بیش از ۳۰۰ ترابایت حافظه آزاد کرده و برآورد این شرکت از صرفه‌جویی نهایی بین ۵۰۰ ترابایت تا یک پتابایت است.

گوگل حتی از استفاده Argon در تحقیقات محاسبات کوانتومی صحبت کرده و می‌گوید مدل در یک نمونه توانسته نتیجه منتشرشده قبلی را ۴۰ درصد بهبود دهد. این‌ها البته نمونه‌های داخلی گوگل هستند و طبیعتاً برای قضاوت مستقل درباره عملکرد مدل کافی نیستند.

Argon در امنیت سایبری چه می‌کند؟

یکی از دلایلی که Argon از همان ابتدا در اختیار عموم قرار نگرفته، همین بخش است.

گوگل مدل را برای دفاع سایبری آموزش داده و می‌گوید Argon می‌تواند آسیب‌پذیری‌ها را به‌صورت خودکار پیدا و اعتبارسنجی کند و در نهایت برای آن‌ها patch بسازد. در برنامه Fairwind، گوگل عمداً ابتدا سراغ سازمان‌هایی رفته که قرار است از این قابلیت برای دفاع از زیرساخت‌ها استفاده کنند.

Wiz نیز در یکی از آزمایش‌های اولیه خود با Argon، از کشف یک آسیب‌پذیری بحرانی در نرم‌افزارهای حوزه سلامت خبر داده است؛ آسیب‌پذیری‌ای که طبق توضیح گوگل، می‌توانست اطلاعات شخصی را در معرض خطر قرار دهد و مدل‌های فرانتیر قبلی آن را پیدا نکرده بودند.

در کنار توانایی‌های امنیتی، گوگل روی مقاومت مدل در برابر prompt injection و سوءاستفاده‌های احتمالی هم کار کرده است. این شرکت می‌گوید سیستم‌هایی برای نظارت بر رفتار و اقدامات مدل در نظر گرفته که در صورت تشخیص رفتار خارج از محدوده، می‌توانند اجرای آن را متوقف کنند.

قیمت Argon چقدر است؟

قیمت اولیه شاید برای توسعه‌دهندگان از خود مدل هم جالب‌تر باشد.

گوگل Argon را در دوره معرفی با قیمت ۲ دلار برای هر یک میلیون توکن ورودی و ۱۰ دلار برای هر یک میلیون توکن خروجی عرضه می‌کند. توکن‌های ورودی کش‌شده نیز ۹۵ درصد تخفیف دارند. بعد از پایان دوره معرفی، قیمت به ۴ دلار برای ورودی و ۲۰ دلار برای خروجی افزایش پیدا می‌کند.

اما یک نکته مهم وجود دارد: این قیمت‌ها فعلاً بیشتر یک وعده برای آینده نزدیک هستند، چون Argon هنوز به شکل عمومی در اختیار توسعه‌دهندگان قرار نگرفته است.

گوگل گفته بعد از مرحله آزمایشی، دسترسی ابتدا برای مشتریان پولی API و مشترکان Google AI Ultra باز می‌شود و سپس دامنه دسترسی بیشتر خواهد شد.

گوگل بعد از چند ماه تأخیر بالاخره Gemini ۴ را آورد

رونمایی Argon فقط معرفی یک مدل جدید نیست؛ برای گوگل از نظر رقابت با OpenAI و Anthropic هم اهمیت دارد.

این شرکت پیش‌تر قصد داشت Gemini ۳.۵ Pro را عرضه کند، اما طبق گزارش رویترز، آن برنامه کنار گذاشته شده است. در همین فاصله، OpenAI و Anthropic مدل‌های جدید خود را منتشر کردند و فاصله زمانی عرضه مدل‌های پرچمدار گوگل بیشتر شد.

حالا Argon قرار است نماینده اصلی گوگل در نسل بعدی مدل‌های Gemini باشد؛ مدلی که بیشتر از اینکه روی چت روزمره تمرکز کند، برای کارهایی طراحی شده که ممکن است ساعت‌ها یا حتی یک پروژه کامل را درگیر کنند.

فعلاً اما یک سؤال مهم بی‌جواب مانده: آیا عملکرد Argon در بنچمارک‌ها در استفاده واقعی هم همین‌قدر خوب باقی می‌ماند؟

برای پاسخ به این سؤال باید منتظر دسترسی گسترده‌تر و آزمایش‌های مستقل ماند. فعلاً چیزی که داریم، ترکیبی از نتایج منتشرشده توسط گوگل، چند نمونه استفاده داخلی و دسترسی محدود به مدل است. همین موضوع باعث می‌شود درباره جایگاه نهایی Argon در رقابت مدل‌های پرچمدار هنوز کمی زود باشد.