Najważniejsze wnioski w pigułce
Dostępność i cena
- Gemini 4 Argon jest dostępny globalnie przez API w AI Studio i na platformie Gemini, w Google Antigravity dla subskrybentów AI Ultra oraz w aplikacji Gemini i AI Mode w wyszukiwarce dla subskrybentów AI Ultra i Pro.
- Cena wprowadzająca wynosi 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych.
- Tokeny wejściowe z pamięci podręcznej (cache) są tańsze o 95%.
Wyniki i benchmarki
- Argon zajmuje 1. miejsce w Vals Index, który mierzy skuteczność modeli w finansach, programowaniu, prawie i podatkach.
- W Google liczba zgłoszeń kodu tworzonego przez agentów wzrosła o ponad 35%, a liczba wycofanych zmian spadła o niemal jedną trzecią.
- Box raportuje wzrost trafności o 14% względem Gemini 3.1 Pro w pracy na dokumentach firmowych.
Konkretne wdrożenia
- Refaktoryzacja fragmentu kodu Chrome liczącego ok. 6 mln linii trwała tygodnie zamiast miesięcy.
- Inferencja modelu Gemma przyspieszyła 2,85 raza, z ok. 37 900 do ponad 108 000 tokenów na sekundę.
- Pakiet chemii kwantowej xTB działa do 2,3 raza szybciej przy przewidywaniu struktur molekularnych.
Znaczenie dla marketingu
- Model lepiej trzyma się wytycznych stylu, mniej asekuruje się w odpowiedziach i unika banałów.
- Argon działa w AI Mode, więc wpływa na to, jak wyszukiwarka analizuje i streszcza treści.
Co Google pokazało i gdzie można używać Argona
Google DeepMind przedstawił Gemini 4 Argon jako swój najnowszy model z najwyższej półki (frontier model). Według Google jest projektowany do „głębokiej pracy”, czyli złożonych, wieloetapowych zadań w programowaniu, finansach, prawie, cyberbezpieczeństwie i nauce. Model od razu trafił do kilku kanałów: deweloperzy i firmy korzystają z niego przez API, subskrybenci planów płatnych w aplikacji Gemini, a użytkownicy AI Ultra i Pro także w AI Mode w wyszukiwarce. Szerszy kontekst biznesowy tej premiery opisaliśmy w tekście o tym, co Gemini 4 Argon oznacza dla biznesu .
Najmocniejszy argument Google to 1. miejsce w Vals Index. Ten ranking sprawdza modele na zadaniach z kluczowych sektorów gospodarki: finansów, programowania, prawa i podatków. To lepsza miara niż wiele akademickich testów, bo odzwierciedla pracę, za którą firmy realnie płacą. Ranking nie zastąpi jednak własnych testów na danych konkretnej organizacji.
Równie ważna jest cena. Na start Google ustalił stawkę 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych, a tokeny z pamięci podręcznej są tańsze o 95%. To cena wprowadzająca, więc warto liczyć się z jej zmianą. Przy procesach, które wielokrotnie przetwarzają ten sam kontekst, np. stałe instrukcje, katalog produktów albo bazę wiedzy, rabat za cache może jednak mocno obniżyć koszt każdego zadania.
Inżynieria w liczbach - Chrome, Gemma i chemia kwantowa
Najciekawsze przykłady Google pochodzą z jego własnych zespołów. Argon pomógł zespołowi Chrome oddzielić obsługę stron od folderu z funkcjami przeglądarki, który liczy ok. 6 mln linii i jest częścią 40-milionowej bazy kodu Chromium. Refaktoryzacja objęła setki plików i zajęła tygodnie zamiast miesięcy. Użytkownicy przeglądarki Google Chrome zobaczą efekt w postaci stron przenoszonych między kartami, panelami bocznymi i pływającymi oknami bez przeładowania. Według Google zniknie też cała kategoria awarii przeglądarki.
Jeszcze bardziej obrazowy jest przykład z Agent Development Kit (ADK), czyli otwartego frameworka Google do budowy agentów. Zespół przekazał modelowi plik z zasadami w katalogu .agents/skills i jednoakapitowy cel. Argon pracował samodzielnie przez noc. Jego optymalizacje skróciły przygotowanie sesji w pamięci o 40% przy długich sesjach i przyspieszyły tzw. zimne importy o 21%. Ten sposób pracy, czyli agent z jasno opisanymi umiejętnościami i regułami, opisaliśmy szerzej przy okazji tekstu o tym, jak Google wprowadza Agent Skills
.
Kolejne liczby dotyczą wydajności. Otwarty model Gemma 4 E2B przyspieszył 2,85 raza na karcie A100 przez vLLM, z ok. 37 900 do ponad 108 000 tokenów na sekundę. Wyniki pozostały w 100% zgodne co do tokenów i nie spadła ich jakość. Taka praca zajmuje zwykle miesiące, a tu zamknęła się w kilka dni. W nauce Argon przyspieszył pakiet xTB do 2,3 raza przy przewidywaniu struktur molekularnych i 1,8 raza przy wyszukiwaniu konformerów. Zmiany trafiły do oficjalnego repozytorium projektu.
Google pokazało też możliwości wizualne modelu. Argon w pętlach wieloagentowych budował sceny 3D w Blenderze przez Blender MCP, gry w Three.js oraz animacje działające bezpośrednio w przeglądarce. Dla firm spoza branży IT to sygnał, że protokół MCP staje się standardem łączenia modeli z narzędziami. Widać to także w e-commerce, co pokazuje przykład integracji WooCommerce z Model Context Protocol .
Prawo, finanse, nauka i dokumenty - co mówią pierwsi klienci
Google podkreśla, że Argon łączy rozumowanie, percepcję wizualną, wiedzę dziedzinową i lepsze pisanie. Firmy z programu wczesnego dostępu podają konkretne wyniki. Deloitte informuje, że w jego testach długich zadań model kończył pracę skutecznie w 100% przypadków i zachowywał kontekst przy korzystaniu z wielu narzędzi. Box odnotował wzrost trafności o 14% względem Gemini 3.1 Pro, także przy informacjach ukrytych w wykresach i rycinach.
W prawie wyróżnia się przykład MinutaIA. W jednej z ewaluacji Argon przewyższył klucz odpowiedzi przygotowany przez eksperta, bo wskazał istotny prawnie szczegół, który człowiek przeoczył. LexisNexis raportuje dobre wyniki w analizie umów, pozwów i notatek badawczych oraz w wyszukiwaniu trafnych cytatów. Ambience Healthcare przetestowało model na ponad 200 syntetycznych kartach pacjentów. Argon osiągnął najwyższą kompletność i precyzję kodów ICD-10 spośród porównywanych modeli, a firma sprawdza go teraz na rzeczywistych danych.
Ważne są też dane o efektywności. Quadrillion podaje, że Argon kończy testy 1,5 raza szybciej niż konkurencyjne modele przy jednej czwartej kosztu zadania. Cartwheel skrócił czas działania swojego silnika rekonstrukcji 3D niemal 100-krotnie i ograniczył zużycie tokenów o 90%. Roboflow umieścił Argona na 1. miejscu w testach wykrywania obiektów na zdjęciach z produkcji, logistyki i lotnictwa. To deklaracje partnerów Google, więc traktujemy je jako mocny sygnał, ale nie jako niezależny audyt.
Co to oznacza dla marketingu i SEO
Dla marketerów najważniejsze jest to, że Argon działa w AI Mode. Gdy wyszukiwarka korzysta z modelu, który łączy dowody z wielu dokumentów i lepiej analizuje dane wizualne, rośnie znaczenie treści eksperckich i dobrze ustrukturyzowanych. Strony z ogólnikami, bez konkretnych danych, będą mniej przydatne jako materiał do odpowiedzi. Jak przygotować serwis na wyszukiwarki działające jak agenci, opisujemy w tekstach o agentic engine optimization i o tym, jak agentic web zmienia technical SEO .
Druga zmiana dotyczy jakości pisania. Google deklaruje, że Argon lepiej niż wcześniejsze modele Gemini trzyma się instrukcji stylu, odpowiada wprost, mniej się asekuruje, nie powtarza się i unika banałów. Dla zespołów contentowych to praktyczna korzyść: mniej poprawek redakcyjnych i łatwiejsze utrzymanie spójnego tonu marki. Model nie zastąpi jednak eksperta, który weryfikuje fakty i dodaje własne doświadczenie. O tym, jak łączyć automatyzację z kontrolą jakości, piszemy w tekście o tym, jak automatyzujemy tworzenie treści z Claude Code .
Trzeci obszar to ekonomia automatyzacji. Niska cena wejścia, rabat za cache i wysoka skuteczność długich zadań sprawiają, że opłaca się automatyzować analizy kampanii, raporty czy przetwarzanie feedów produktowych. W kampaniach płatnych liczy się jednak przekładanie tych możliwości na wynik, a nie sam model. Dlatego w ramach performance marketingu zaczynamy od wskazania procesów, w których AI realnie skraca czas lub poprawia decyzje. Dopiero potem dobieramy narzędzia.
Podsumowanie
Gemini 4 Argon to model, który Google od razu wdrożył we własnej inżynierii, w API i w wyszukiwarce. Wyniki z Chrome, Gemmy i od partnerów pokazują wyraźny skok w długich, wieloetapowych zadaniach. Dla marketingu oznacza to bardziej wymagający AI Mode i tańszą automatyzację. Warto więc już teraz sprawdzić, czy treści i procesy w Twojej firmie są na to gotowe.
Źródło: Gemini 4 Argon: Built to solve your hardest problems - Google Blog (otwiera się w nowej karcie)
