Gemini 4 Argon es el último modelo de IA fronterizo de Google, anunciado mediante el blog oficial de la empresa. El modelo ofrece un límite líder en la industria de 1 millón de tokens tanto para entrada como para salida, lo que permite un razonamiento profundo y de varios pasos en flujos de trabajo de largo plazo. Actualmente se está implementando para defensores cibernéticos de confianza a través del Programa Fairwind, con un lanzamiento más amplio previsto después de las pruebas de seguridad y el refinamiento de las salvaguardias.
Las evaluaciones de rendimiento muestran que Gemini 4 Argon logra un nuevo estado del arte del 77,9% en DeepSWE v1.1 para tareas de ingeniería de software del mundo real y lidera las puntuaciones en el Vals Index, Vals Finance Agent v2, el Benchmark de Agente Legal de Harvey y AutomationBench (#1 con 51,3%). Internamente, el modelo ha optimizado los recursos espacio-tiempo de algoritmos cuánticos en un 40% en minutos, ha identificado ahorros de memoria que superan los 300 TiB en los centros de datos de Google y está migrando bases de código C/C++ a Rust, incluidas más de 800 000 líneas para el núcleo Zircon de Fuchsia y reemplazando 32 000 líneas de SIMD en libgav1 con Rust seguro que produce un decodificador de video 2,7 veces más rápido.
El artículo cita el rendimiento de Gemini 4 Argon en DeepSWE v1.1 como un resultado de vanguardia, indicando su fortaleza en el razonamiento de ingeniería de software.
El artículo señala que Gemini 4 Argon obtiene puntuaciones líderes en el Vals Index entre otros benchmarks.
El artículo menciona el benchmark Harvey's Legal Agent como uno de los benchmarks donde Gemini 4 Argon obtiene puntuaciones líderes.
El artículo afirma que Gemini 4 Argon ocupa el puesto #1 en AutomationBench con un 51,3%, resaltando sus capacidades de automatización.
En ciberseguridad, Gemini 4 Argon puede encontrar, validar y parchear autónomamente vulnerabilidades críticas de software, empatando en el primer lugar en CWE-bench v1 con una puntuación del 68%. Wiz ha utilizado el modelo a través de su iniciativa Scan for Good para descubrir una vulnerabilidad crítica que expone información personal en software de salud utilizado por hospitales de todo el mundo. Las medidas de seguridad incluyen el Marco de Seguridad Fronterizo, el monitoreo de activaciones internas para detectar uso indebido, la robustez ante inyección de indicaciones mediante entrenamiento adversarial, las mitigaciones de desalineación que monitorean la cadena de pensamiento y los entornos sandboxed endurecidos para pruebas seguras.