Google lança modelo de IA Gemini 4 Argon para uso corporativo e desenvolvedor

O Google DeepMind lançou o Gemini 4 Argon globalmente em 2026-10-13, disponibilizando seu modelo de raciocínio multimodal mais recente para desenvolvedores, empresas e consumidores por meio de múltiplas plataformas, incluindo a API Gemini, IA Studio, Google Antigravity, o aplicativo Gemini e IA Mode in Search, segundo um post no blog de Koray Kavukcuoglu publicado 2026-10-13. O modelo foi anunciado em 2026-09-30 de , com acesso inicial limitado a defensores confiáveis da cibersegurança.

O lançamento tem como alvo usuários que trabalham em tarefas complexas e em múltiplas etapas nos domínios de programação, finanças, jurídico, cibersegurança e ciência. O Google informou que o Argon ocupa o primeiro lugar no Índice Vals, que mede o desempenho do modelo em setores econômicos críticos, incluindo finanças, programação, trabalho jurídico e tributário, até o anúncio de 13 de outubro.

Preços e Especificações Técnicas

Gemini 4 Argon foi lançado com precificação introdutória da API de $2 por milhão de tokens de entrada e $10 por milhão de tokens de saída, com tokens de entrada em cache descontados 95%, segundo o post do blog de outubro de 13 . A documentação do Google Cloud datada de 2026-10-13, afirma que a taxa introdutória se aplica por meio de 2026-11-30, após o qual o preço padrão será $4 por milhão de tokens de entrada e $20 por milhão de tokens de saída.

O modelo suporta uma janela de contexto unificada 1,048,576-tokens compartilhada por entrada e saída, segundo o anúncio de 13 de outubro. A documentação da API do Google especifica que a saída síncrona padrão é limitada a 65,536 tokens, com um protocolo de continuação permitindo uma geração mais longa dentro do orçamento compartilhado de um milhão de tokens. O modelo aceita texto, imagens, vídeo, áudio e PDFs como entrada, mas produz apenas saída de texto; não suporta geração de imagens, geração de áudio ou a Live API, segundo a documentação para desenvolvedores do Google datada de 2026-10-13.

Implantações de Engenharia Interna no Google

O Google relatou casos de uso internos demonstrando a aplicação do modelo em problemas de engenharia de produção. A equipe do Chrome usou o Argon no Google Antigravity para separar o código principal de manuseio de páginas web de uma pasta legada dentro da base de código de 40 milhões de linhas do Chromium, completando uma refatoração arquitetônica em centenas de arquivos que, segundo a equipe disse que levaria meses, segundo o post do blog de 13 de outubro. As mudanças permitirão que páginas web ao vivo se movam entre abas, painéis laterais e janelas flutuantes sem recarregar.

A equipe do Agent Development Kit do Google relatou que a Argon otimizou autonomamente sua base de código Python durante a noite, reduzindo o tempo de preparação das sessões em memória em 40% em sessões longas e acelerando as importações frias em 21%, com mudanças agora disponíveis no repositório google/adk-python, segundo o anúncio de 13 de outubro e um post no blog de desenvolvedores publicado no mesmo dia. Pesquisadores do Google também relataram o uso do Argon para acelerar o motor de inferência vLLM para o Gemma 4 E2B em 2.85 vezes em uma GPU A100 , aumentando a taxa de transferência de aproximadamente 37,900 para mais de 108,000 tokens por segundo, segundo o post do blog de 13 de outubro.

Aplicações empresariais e de pesquisa

A Wiz, uma empresa de cibersegurança que participa do Programa Fairwind do Google, usou o acesso antecipado ao Argon para identificar vulnerabilidades em infraestrutura governamental e de saúde, segundo o anúncio de outubro de 13 . Em colaboração com uma agência federal não identificada, a Argon ajudou a identificar uma lacuna que corria o risco de expor dados sensíveis e infraestrutura governamental. Na área da saúde, o modelo ajudou a descobrir um desvio para download de arquivos públicos que expôs uma chave mestra e concedia acesso ao administrador, potencialmente afetando centenas de milhares de registros privados de pacientes, segundo o post do blog.

Em pesquisas científicas, o Google relatou que o Argon ajudou a acelerar o trabalho de computação quântica ao traduzir uma versão interna do AlphaQubit, o decodificador de correção de erros quânticos de aprendizado de máquina do Google, em um único kernel de hardware otimizado, quase dobrando o débito de inferência. Uma equipe do Google, trabalhando com o Professor Matt Landreman, da Universidade de Maryland, descobriu uma classe mais ampla de contraexemplos à conjectura de Grad, uma hipótese 1967 sobre campos magnéticos stellaratores, usando Argon, segundo um preprint datado do arXiv 2026-10 citado no anúncio.

A Gamow Labs, uma organização de pesquisa em doenças raras, usou o Argon para analisar genomas de recém-nascidos desidentificados e identificou um rearranjo cromossômico que softwares rotineiros não observavam há anos, segundo o post do blog de outubro de 13 . Nas avaliações privadas do Gamow Labs, derivadas de dados clínicos e laboratoriais, o Argon obteve 57% no RareBench para assistência ao diagnóstico de doenças raras e 52.2% no LabBench para raciocínio em laboratório úmido, segundo um post no blog do Gamow Labs referenciado no anúncio.

Robótica e IA Física

O Google demonstrou a aplicação do Argon à robótica por meio de um pipeline "Video-para-Sim-para-Real", no qual o modelo assistiu a um vídeo de um humano brincando cornhole, calculou os movimentos articulares necessários e construiu código de simulação de forma autônoma. Quando transferido para o robô humanoide Apollo da Apptronik, o robô completou sete arrejecimentos consecutivos bem-sucedidos em um teste no mundo real, segundo o anúncio de 13 de outubro e um post no blog de desenvolvedores publicado no mesmo dia. O Argon obteve 87% no benchmark Embodied Reasoning (ERQA), que testa a capacidade de um modelo de entender e resolver problemas físicos e espaciais em ambientes 3D, segundo o post do blog de 13 de outubro.

Programas de Segurança e Acesso

O Google afirmou que o Argon inclui defesas contra uso indevido, tentativas de jailbreak e injeção rápida. O red teaming biológico externo pode desbloquear menos de 1% das subtarefas biológicas testadas, e violações em um conjunto adversarial projetado para testar o modelo reduziram quase o dobro em comparação com modelos Gemini anteriores, segundo o anúncio de 13 de outubro e o Gemini 4 Argon Model Card publicado pelo Google DeepMind. Em benchmarks de codificação, as tentativas de atalho — instâncias em que o modelo poderia tomar ações não autorizadas para completar uma tarefa — caíram para 2%, e o Argon alcançou uma taxa de sucesso de ataque 0.7% em 15 tentativas adaptativas no benchmark Gray Swan Indirect Prompt Injection, segundo o post do blog de 13 de outubro.

O Google anunciou que oferecerá aos cientistas 10,000 o maior nível de uso do Google Antigravity gratuitamente por seis meses, integrado de forma contínua e sujeito à elegibilidade, capacidade e seleção. As inscrições foram abertas 2026-10-13. A empresa também está expandindo seu Programa Fairwind, que oferece acesso ao Argon sem proteções cibernéticas para defensores confiáveis da cibersegurança, para centenas de parceiros adicionais, segundo o anúncio de 13 de outubro.

Limitações e Contexto do Modelo

O Gemini 4 Argon Model Card publicado pelo Google DeepMind reconhece alucinações, possível lentidão ou timeouts, e um corte de conhecimento 2026-03. O modelo descreve o Argon como uma mistura esparsa de transformadores especialistas e afirma que não é uma modificação ou ajuste fino de um modelo anterior. As avaliações 2026-10 do Google mostram resultados mais fortes em alguns benchmarks de conhecimento de trabalho, contexto longo e multimodais em comparação com modelos IA concorrentes, mas resultados mais fracos em alguns benchmarks de engenharia de software e terminais, segundo o modelo card datado de 2026-10-13. Essas são avaliações reportadas pelo fornecedor.

Fonte: blog.google.