Google introduceert Gemini 4 Argon, een nieuw frontier-model dat is ontworpen voor complexe workflows met een lange horizon, met name in software engineering, de juridische en financiële sector en cybersecurity.
Belangrijkste kenmerken en prestaties:
- Technische upgrade: De output-tokenlimiet is drastisch verhoogd naar 1 miljoen tokens, wat diepere redenering bij complexe problemen mogelijk maakt.
- Interne toepassingen: Bij Google wordt het model al succesvol ingezet voor quantum algoritmische optimalisatie, het autonoom optimaliseren van datacentergeheugen en grootschalige codebase-migraties van C/C++ naar Rust.
- Benchmarks: Argon behaalt leidende scores op diverse benchmarks, waaronder DeepSWE (software engineering), de Vals Index (economische impact van kenniswerk) en LVBench (begrip van lange video's).
- Cybersecurity: Het model blinkt uit in het autonoom vinden, valideren en patchen van softwarekwetsbaarheden, onder andere in samenwerking met Wiz.
Veiligheid en uitrol: Vanwege de krachtige capaciteiten volgt Google een gefaseerde uitrol. Er is extra focus op vier veiligheidsgebieden: bescherming tegen misbruik, resistentie tegen prompt-injecties, monitoring van misalignment en het harden van gesandboxte omgevingen. Het model wordt binnenkort beschikbaar voor API-klanten en Google AI Ultra-abonnees.
Gemini 4 Argon: ons volgende tijdperk van frontier-intelligentie
Gemini 4 Argon biedt frontier-prestaties in complexe workflows binnen software engineering in de echte wereld, zakelijk kenniswerk (zoals juridische en financiële sector) en cybersecurity-verdediging.
Vandaag kondigen we ons nieuwe frontier-model aan, Gemini 4 Argon, dat wordt uitgerold naar een groep vertrouwde cyberverdedigers via ons Fairwind-programma. Argon is gebouwd om diepe redenering vol te houden over complexe workflows met een lange horizon en verandert fundamenteel de manier waarop we bij Google werken en bouwen.
Het veilig uitbrengen van frontier-mogelijkheden op dit niveau vereist een gefaseerde aanpak. We zijn actief betrokken bij het vrijwillige proces van de Amerikaanse overheid voor toegang tot modellen vóór de release, terwijl we de toegang geleidelijk uitbreiden. We blijven feedback verzamelen van vroege testers om de vangrails (guardrails) te optimaliseren voordat we Argon zo snel mogelijk beschikbaar maken voor ontwikkelaars, bedrijven en consumenten.
Prijsstelling Argon zal worden gelanceerd tegen een introductieprijs van $2 per miljoen input-tokens en $10 per miljoen output-tokens, waarbij gecachte input-tokens met 95% korting op de input-tokenprijs worden geprijsd. Na afloop van de introductieperiode geldt een prijs van $4 per 1 miljoen input-tokens en $20 per 1 miljoen output-tokens.
Veranderende manier van werken en bouwen bij Google
Gemini 4 Argon drijft al onze interne workflows aan. Duizenden Googlers benadrukken de sterke punten van het model bij gespecialiseerde codeertaken, het uitvoeren van dieper onderzoek en de kwaliteit van het schrijven. Het helpt teams om sneller te bouwen, de grenzen van engineering-productiviteit te verleggen en doorbraken te versnellen:
- Quantum algoritmische optimalisatie: Argon helpt onze onderzoekers in quantum computing bij het optimaliseren van de spacetime-resources (qubits × gates) van subroutines die belangrijke applicaties vertragen. In één voorbeeld versloeg het model de gepubliceerde baseline met 40% in slechts enkele minuten.
- Geheugenefficiëntie: Een team van Argon-agenten analyseerde fleet-wide profiling-telemetrie om autonoom geheugenoptimalisaties te identificeren en toe te passen in de datacenters van Google. Dit maakte direct meer dan 300 TiB aan geheugen vrij, met een geschatte totale besparing van 500 TiB tot 1 PiB.
- Grootschalige codebase-migraties en optimalisaties: Argon-agenten werken aan de migratie van C/C++ codebases naar Rust binnen Google — schalend van tienduizenden regels in kernbibliotheken zoals
re2 en libgav1 tot meer dan 800.000 regels voor de Fuchsia Zircon-kernel. Vanwege de kritieke aard van veel van deze systemen ondergaan dergelijke grootschalige herschrijvingen een strenge geautomatiseerde en handmatige audit, emulatietests en review voordat ze in productie worden genomen.
- Voor
libgav1, de open-source software van Google voor het decoderen van video, namen Argon-agenten een bestaande Rust-port en vervingen 32.000 regels SIMD-code door vele ronden van profile-guided experimenten uit te voeren, de output van de compiler te bestuderen en veilige Rust-code te produceren zodat de compiler deze automatisch kon vectoriseren. Het resultaat is een geheugenveilige videodecoder die 2,7x sneller draait dan de Rust-port, met een identieke video-output, waardoor het dichter bij de geoptimaliseerde C++ komt.
Aanpak van de meest complexe problemen
Om de mogelijkheden van Gemini 4 Argon te ondersteunen bij langere en complexere use cases, breiden we de output-tokenlimiet van het model aanzienlijk uit naar een industrieleidende 1 miljoen tokens, vergeleken met de vorige 64.000 tokens. Wanneer het model de ruimte heeft om diep na te denken en honderdduizenden tokens in één traject te genereren, voegt dit een nieuw niveau van diepgang in redenering toe om moeilijke problemen in één keer op te lossen.
Codering en enterprise-workflows over diverse domeinen
De capaciteiten van Gemini 4 Argon op het gebied van codering, redenering en multimodaliteit, samen met het vermogen om lange,stapsgewijze taken vol te houden, zorgen ervoor dat het model uitblinkt in diverse zakelijke workflows.
Google-engineers gebruiken Argon al voor hun dagelijkse taken, van alledaags debuggen tot grootschalige codebase-migraties en algoritme-ontwerpen. Het zet een nieuwe standaard op DeepSWE v1.1 (77,9%), dat de prestaties van een model meet in real-world software engineering-taken met een lange horizon.
Naast codering is Argon het leidende model op de Vals Index, die de economische impact meet over finance, codering, juridisch werk en belastingadvies, waarbij elke sector is gewogen naar de bijdrage aan het BBP van de VS. We zien soortige leidende prestaties in andere domeinspecifieke evaluaties, zoals Vals Finance Agent v2 (meerstaps financieel onderzoek) en Harvey’s Legal Agent Benchmark (juridisch onderzoek en opstellen van documenten). Op AutomationBench, de benchmark van Zapier die de end-to-end uitvoering van kernbedrijfsfuncties meet, staat Argon op nummer 1 met een score van 51,3%.
Argon is bovendien uniek sterk wanneer kenniswerk visueel begrip vereist. Het is in staat om professionele grafiekanalyses uit te voeren, details uit lange video's te identificeren en actie te ondernemen op basis van een reeks documenten. Op LVBench, dat het begrip van lange video's meet, is Argon state-of-the-art met een score van 91,7%.
Leider in defensieve cybersecurity
Om cyberverdedigers beter uit te rusten voor het nieuwe tijdperk van cyberaanvallen, hebben we Gemini 4 Argon getraind om zeer bekwaam te zijn in cybersecurity-verdediging. Argon kan autonoom kritieke softwarekwetsbaarheden vinden, valideren en patchen. Voor vertrouwde verdedigers en onze eigen interne teams bij Google brengen we Argon uit zonder cyber-guardrails, zodat zij de volledige frontier-capaciteiten voor cybersecurity-verdediging kunnen benutten.
Wiz gebruikt Argon al voor cybersecurity-verdediging via het 'Scan for Good'-initiatief — een programma dat zich richt op het gratis beschermen van kritieke publieke infrastructuur door risicovolle blootstellingen te vinden en te verhelpen. In een vroege demonstratie ontdekte het model een kritieke kwetsbaarheid die gevoelige persoonlijke informatie blootstelde in zorgsoftware die wereldwijd door ziekenhuizen wordt gebruikt; een ernstig risico dat eerdere frontier-modellen hadden gemist.
Op CWE-bench v1, dat het vermogen van het model om beveiligingskwetsbaarheden te herstellen evalueert, deelt Argon de eerste plaats met een topscore van 68%, voortbouwend op de frontier-prestaties van 3.8 Flash Cyber op CWE-bench v0.
Gemini 4 Argon laat indrukwekkende sprongen zien in het ontdekken van kwetsbaarheden ten opzichte van 3.8 Flash Cyber. Voorbeelden hiervan zijn:
- Op de interne uitgebreide kwetsbaarheidsbenchmark van Google ontdekte Argon een breed scala aan blootstellingen in complexe codebases over 20 programmeertalen.
- Op de interne black-box penetratietest-benchmark van Wiz, die het vermogen van een model test om live websystemen te analyseren zonder broncode, presteert Argon beter dan 3.8 Flash Cyber in het ontdekken van het aanvalsoppervlak, het identificeren van kwetsbaarheden en het produceren van proof-of-concept bewijzen om deze te valideren.
Versterken van frontier-waarborgen voor brede beschikbaarheid
Voordat we Gemini 4 Argon breed uitrollen, blijven we kritieke frontier-waarborgen versterken op vier hoofdgebieden:
1. Bescherming tegen misbruik Om te voorkomen dat kwaadwillenden Argon gebruiken voor cyberaanvallen of chemische, biologische, radiologische en nucleaire (CBRN) aanvallen, is het model ontworpen om schadelijke verzoeken te weigeren, terwijl legitiem, dual-use wetenschappelijk onderzoek behouden blijft, conform ons Frontier Safety Framework. We versterken de robuustheid van onze waarborgen voor deze lancering, inclusief het verbeteren van technieken om de interne activaties van het model te monitoren om misbruik te spotten. Deze waarborgen zijn ondergaan aan robuustheidstests door interne en externe red teams middels een combinatie van handmatige en geautomatiseerde aanvalsmethoden.
2. Bescherming tegen prompt-injectieaanvallen Argon is ons tot nu toe meest veerkrachtige model tegen indirecte prompt-injecties, waarbij kwaadaardige instructies of context worden gebruikt om het gedrag van een model te kapen. Dit zijn complexe aanvallen die constante waakzaamheid en meerdere lagen van verdediging vereisen. Door geautomatiseerde red teaming en adversarial training loopt Gemini 4 Argon voorop in prompt-injectie-robuustheid op de Indirect Prompt Injection (IPI) benchmark van Gray Swan.
3. Monitoren op misalignment Om te voorkomen dat Argon buiten de perken treedt door een taak op een manier uit te voeren die verder gaat dan de bedoelingen van de gebruiker, implementeren we mitigaties voor misalignment. Deze monitoren de 'chain-of-thought' en acties van Argon en stoppen de uitvoering wanneer dat nodig is.
We hebben een vergelijkbaar systeem gebruikt om onze trainingsruns te monitoren en meldingen te sturen naar een toegewezen incident-responsteam. Hierbij zijn zorgvuldige voorzorgsmaatregelen genomen om te voorkomen dat de bevindingen terug in de training vloeiden, om het risico te vermijden dat de redenering van Argon wordt gevormd om onze monitoring te omzeilen. We moedigen de rest van de industrie sterk aan om de transparantie van redenering te behouden in deze cruciale momenten van toegenomen capaciteiten, zodat model-gedachten behulpzaam blijven bij het identificeren en diagnosticeren van misalignment.
4. Hardening van systemen Naarmate frontier-modellen steeds krachtiger worden, vereist het veilig testen ervan beveiligde omgevingen die kunnen meegroeien met de systemen zelf. In lijn met onze agent-control roadmap harden we onze gesandboxte omgevingen door ze te isoleren en af te sluiten voordat risicovolle trainingen of evaluaties beginnen. We zetten ons ertoe ons deze best-practices voor agent-beveiliging met onze partners te delen om de beveiliging in het hele ecosysteem te verbeteren.
Binnenkort beschikbaar
We hebben Gemini 4 Argon gebouwd met frontier-capaciteiten op het gebied van codering, kenniswerk, cybersecurity-verdediging en creatief schrijven om een partner te zijn voor ontwikkelaars, professionals en bedrijven bij het aanpakken van de moeilijkste problemen. We zijn dankbaar voor de eerste cohort cyberverdedigers en vertrouwde testers wiens evaluaties in de echte wereld ons helpen onze systemen te versterken voordat we deze releasen voor ontwikkelaars, bedrijven en consumenten, beginnend met betaalde API-klanten en Google AI Ultra-abonnees.
Gemini 4 Argon: ons volgende tijdperk van frontier-intelligentie
Gemini 4 Argon biedt frontier-prestaties in complexe workflows binnen software engineering in de echte wereld, zakelijk kenniswerk (zoals juridische en financiële sector) en cybersecurity-verdediging.
Vandaag kondigen we ons nieuwe frontier-model aan, Gemini 4 Argon, dat wordt uitgerold naar een groep vertrouwde cyberverdedigers via ons Fairwind-programma. Argon is gebouwd om diepe redenering vol te houden over complexe workflows met een lange horizon en verandert fundamenteel de manier waarop we bij Google werken en bouwen.
Het veilig uitbrengen van frontier-mogelijkheden op dit niveau vereist een gefaseerde aanpak. We zijn actief betrokken bij het vrijwillige proces van de Amerikaanse overheid voor toegang tot modellen vóór de release, terwijl we de toegang geleidelijk uitbreiden. We blijven feedback verzamelen van vroege testers om de vangrails (guardrails) te optimaliseren voordat we Argon zo snel mogelijk beschikbaar maken voor ontwikkelaars, bedrijven en consumenten.
Prijsstelling Argon zal worden gelanceerd tegen een introductieprijs van $2 per miljoen input-tokens en $10 per miljoen output-tokens, waarbij gecachte input-tokens met 95% korting op de input-tokenprijs worden geprijsd. Na afloop van de introductieperiode geldt een prijs van $4 per 1 miljoen input-tokens en $20 per 1 miljoen output-tokens.
Veranderende manier van werken en bouwen bij Google
Gemini 4 Argon drijft al onze interne workflows aan. Duizenden Googlers benadrukken de sterke punten van het model bij gespecialiseerde codeertaken, het uitvoeren van dieper onderzoek en de kwaliteit van het schrijven. Het helpt teams om sneller te bouwen, de grenzen van engineering-productiviteit te verleggen en doorbraken te versnellen:
- Quantum algoritmische optimalisatie: Argon helpt onze onderzoekers in quantum computing bij het optimaliseren van de spacetime-resources (qubits × gates) van subroutines die belangrijke applicaties vertragen. In één voorbeeld versloeg het model de gepubliceerde baseline met 40% in slechts enkele minuten.
- Geheugenefficiëntie: Een team van Argon-agenten analyseerde fleet-wide profiling-telemetrie om autonoom geheugenoptimalisaties te identificeren en toe te passen in de datacenters van Google. Dit maakte direct meer dan 300 TiB aan geheugen vrij, met een geschatte totale besparing van 500 TiB tot 1 PiB.
- Grootschalige codebase-migraties en optimalisaties: Argon-agenten werken aan de migratie van C/C++ codebases naar Rust binnen Google — schalend van tienduizenden regels in kernbibliotheken zoals
re2 en libgav1 tot meer dan 800.000 regels voor de Fuchsia Zircon-kernel. Vanwege de kritieke aard van veel van deze systemen ondergaan dergelijke grootschalige herschrijvingen een strenge geautomatiseerde en handmatige audit, emulatietests en review voordat ze in productie worden genomen.
- Voor
libgav1, de open-source software van Google voor het decoderen van video, namen Argon-agenten een bestaande Rust-port en vervingen 32.000 regels SIMD-code door vele ronden van profile-guided experimenten uit te voeren, de output van de compiler te bestuderen en veilige Rust-code te produceren zodat de compiler deze automatisch kon vectoriseren. Het resultaat is een geheugenveilige videodecoder die 2,7x sneller draait dan de Rust-port, met een identieke video-output, waardoor het dichter bij de geoptimaliseerde C++ komt.
Aanpak van de meest complexe problemen
Om de mogelijkheden van Gemini 4 Argon te ondersteunen bij langere en complexere use cases, breiden we de output-tokenlimiet van het model aanzienlijk uit naar een industrieleidende 1 miljoen tokens, vergeleken met de vorige 64.000 tokens. Wanneer het model de ruimte heeft om diep na te denken en honderdduizenden tokens in één traject te genereren, voegt dit een nieuw niveau van diepgang in redenering toe om moeilijke problemen in één keer op te lossen.
Codering en enterprise-workflows over diverse domeinen
De capaciteiten van Gemini 4 Argon op het gebied van codering, redenering en multimodaliteit, samen met het vermogen om lange,stapsgewijze taken vol te houden, zorgen ervoor dat het model uitblinkt in diverse zakelijke workflows.
Google-engineers gebruiken Argon al voor hun dagelijkse taken, van alledaags debuggen tot grootschalige codebase-migraties en algoritme-ontwerpen. Het zet een nieuwe standaard op DeepSWE v1.1 (77,9%), dat de prestaties van een model meet in real-world software engineering-taken met een lange horizon.
Naast codering is Argon het leidende model op de Vals Index, die de economische impact meet over finance, codering, juridisch werk en belastingadvies, waarbij elke sector is gewogen naar de bijdrage aan het BBP van de VS. We zien soortige leidende prestaties in andere domeinspecifieke evaluaties, zoals Vals Finance Agent v2 (meerstaps financieel onderzoek) en Harvey’s Legal Agent Benchmark (juridisch onderzoek en opstellen van documenten). Op AutomationBench, de benchmark van Zapier die de end-to-end uitvoering van kernbedrijfsfuncties meet, staat Argon op nummer 1 met een score van 51,3%.
Argon is bovendien uniek sterk wanneer kenniswerk visueel begrip vereist. Het is in staat om professionele grafiekanalyses uit te voeren, details uit lange video's te identificeren en actie te ondernemen op basis van een reeks documenten. Op LVBench, dat het begrip van lange video's meet, is Argon state-of-the-art met een score van 91,7%.
Leider in defensieve cybersecurity
Om cyberverdedigers beter uit te rusten voor het nieuwe tijdperk van cyberaanvallen, hebben we Gemini 4 Argon getraind om zeer bekwaam te zijn in cybersecurity-verdediging. Argon kan autonoom kritieke softwarekwetsbaarheden vinden, valideren en patchen. Voor vertrouwde verdedigers en onze eigen interne teams bij Google brengen we Argon uit zonder cyber-guardrails, zodat zij de volledige frontier-capaciteiten voor cybersecurity-verdediging kunnen benutten.
Wiz gebruikt Argon al voor cybersecurity-verdediging via het 'Scan for Good'-initiatief — een programma dat zich richt op het gratis beschermen van kritieke publieke infrastructuur door risicovolle blootstellingen te vinden en te verhelpen. In een vroege demonstratie ontdekte het model een kritieke kwetsbaarheid die gevoelige persoonlijke informatie blootstelde in zorgsoftware die wereldwijd door ziekenhuizen wordt gebruikt; een ernstig risico dat eerdere frontier-modellen hadden gemist.
Op CWE-bench v1, dat het vermogen van het model om beveiligingskwetsbaarheden te herstellen evalueert, deelt Argon de eerste plaats met een topscore van 68%, voortbouwend op de frontier-prestaties van 3.8 Flash Cyber op CWE-bench v0.
Gemini 4 Argon laat indrukwekkende sprongen zien in het ontdekken van kwetsbaarheden ten opzichte van 3.8 Flash Cyber. Voorbeelden hiervan zijn:
- Op de interne uitgebreide kwetsbaarheidsbenchmark van Google ontdekte Argon een breed scala aan blootstellingen in complexe codebases over 20 programmeertalen.
- Op de interne black-box penetratietest-benchmark van Wiz, die het vermogen van een model test om live websystemen te analyseren zonder broncode, presteert Argon beter dan 3.8 Flash Cyber in het ontdekken van het aanvalsoppervlak, het identificeren van kwetsbaarheden en het produceren van proof-of-concept bewijzen om deze te valideren.
Versterken van frontier-waarborgen voor brede beschikbaarheid
Voordat we Gemini 4 Argon breed uitrollen, blijven we kritieke frontier-waarborgen versterken op vier hoofdgebieden:
1. Bescherming tegen misbruik Om te voorkomen dat kwaadwillenden Argon gebruiken voor cyberaanvallen of chemische, biologische, radiologische en nucleaire (CBRN) aanvallen, is het model ontworpen om schadelijke verzoeken te weigeren, terwijl legitiem, dual-use wetenschappelijk onderzoek behouden blijft, conform ons Frontier Safety Framework. We versterken de robuustheid van onze waarborgen voor deze lancering, inclusief het verbeteren van technieken om de interne activaties van het model te monitoren om misbruik te spotten. Deze waarborgen zijn ondergaan aan robuustheidstests door interne en externe red teams middels een combinatie van handmatige en geautomatiseerde aanvalsmethoden.
2. Bescherming tegen prompt-injectieaanvallen Argon is ons tot nu toe meest veerkrachtige model tegen indirecte prompt-injecties, waarbij kwaadaardige instructies of context worden gebruikt om het gedrag van een model te kapen. Dit zijn complexe aanvallen die constante waakzaamheid en meerdere lagen van verdediging vereisen. Door geautomatiseerde red teaming en adversarial training loopt Gemini 4 Argon voorop in prompt-injectie-robuustheid op de Indirect Prompt Injection (IPI) benchmark van Gray Swan.
3. Monitoren op misalignment Om te voorkomen dat Argon buiten de perken treedt door een taak op een manier uit te voeren die verder gaat dan de bedoelingen van de gebruiker, implementeren we mitigaties voor misalignment. Deze monitoren de 'chain-of-thought' en acties van Argon en stoppen de uitvoering wanneer dat nodig is.
We hebben een vergelijkbaar systeem gebruikt om onze trainingsruns te monitoren en meldingen te sturen naar een toegewezen incident-responsteam. Hierbij zijn zorgvuldige voorzorgsmaatregelen genomen om te voorkomen dat de bevindingen terug in de training vloeiden, om het risico te vermijden dat de redenering van Argon wordt gevormd om onze monitoring te omzeilen. We moedigen de rest van de industrie sterk aan om de transparantie van redenering te behouden in deze cruciale momenten van toegenomen capaciteiten, zodat model-gedachten behulpzaam blijven bij het identificeren en diagnosticeren van misalignment.
4. Hardening van systemen Naarmate frontier-modellen steeds krachtiger worden, vereist het veilig testen ervan beveiligde omgevingen die kunnen meegroeien met de systemen zelf. In lijn met onze agent-control roadmap harden we onze gesandboxte omgevingen door ze te isoleren en af te sluiten voordat risicovolle trainingen of evaluaties beginnen. We zetten ons ertoe ons deze best-practices voor agent-beveiliging met onze partners te delen om de beveiliging in het hele ecosysteem te verbeteren.
Binnenkort beschikbaar
We hebben Gemini 4 Argon gebouwd met frontier-capaciteiten op het gebied van codering, kenniswerk, cybersecurity-verdediging en creatief schrijven om een partner te zijn voor ontwikkelaars, professionals en bedrijven bij het aanpakken van de moeilijkste problemen. We zijn dankbaar voor de eerste cohort cyberverdedigers en vertrouwde testers wiens evaluaties in de echte wereld ons helpen onze systemen te versterken voordat we deze releasen voor ontwikkelaars, bedrijven en consumenten, beginnend met betaalde API-klanten en Google AI Ultra-abonnees.
Groetjes,