Gemini 4 Argon با قیمت ۴ دلار به‌ازای هر یک میلیون توکن رونمایی شد!

گوگل در ۳۰ سپتامبر ۲۰۲۶ (۸ مهر ۱۴۰۵) از Gemini 4 Argon به‌عنوان مدل پیشرفتهٔ تازهٔ خود رونمایی کرده است. آرگون برای گردش‌کارهای پیچیده در مهندسی نرم‌افزار، کارهای سازمانی مانند امور حقوقی و مالی و امنیت سایبری ساخته شده است.

جمنای ۴ آرگون – Gemini 4 Argon چیست؟

طبق اطلاعیه رسمی Gemini 4 Argon نخستین مدلی است که گوگل با نام خانوادهٔ Gemini 4 معرفی کرده است. این مدل برای انجام کارهایی ساخته شده که به تحلیل عمیق، چند مرحلهٔ پیوسته و کار با حجم زیادی از اطلاعات نیاز دارند؛ از مهندسی نرم‌افزار و تحقیق مالی گرفته تا نگارش حقوقی و امنیت سایبری.

گوگل می‌گوید آرگون در بعضی گردش‌کارهای داخلی این شرکت، برای بررسی کد، پژوهش و حل مسائل مهندسی به کار گرفته شده است. بااین‌حال، این کاربردهای داخلی به‌تنهایی نشان نمی‌دهند که مدل در همهٔ کارها از رقبا بهتر است؛ برای چنین مقایسه‌ای باید نتایج آزمون‌ها و شرایط اجرای هر مدل را هم در نظر گرفت.

تاریخ عرضه و روش دسترسی به Gemini 4 Argon جمنای ۴ آرگون

گوگل معرفی آرگون را در ۳۰ سپتامبر ۲۰۲۶ انجام داد، اما این تاریخ به معنای عرضهٔ عمومی مدل نیست. عرضهٔ مدل فعلاً مرحله‌ای است و دسترسی اولیه از طریق برنامهٔ Fairwind به گروهی از متخصصان امنیت سایبری مورداعتماد داده می‌شود. گوگل می‌گوید پیش از دسترسی گسترده‌تر، بازخورد آزمایش‌کنندگان را جمع‌آوری می‌کند و سازوکارهای حفاظتی مدل را بهبود می‌دهد.

گوگل گفته است دسترسی را به‌تدریج گسترش می‌دهد و عرضه برای مشتریان پولی API و مشترکان Google AI Ultra را از مراحل بعدی برنامه‌ریزی کرده است. در اطلاعیهٔ رسمی، تاریخ مشخصی برای عرضهٔ عمومی یا دسترسی همهٔ کاربران اعلام نشده؛ بنابراین فعلاً نمی‌توان زمان دقیقی برای استفادهٔ عمومی از آرگون تعیین کرد.

قیمت جمنای ۴ آرگون Gemini 4 Argon چقدر است؟

قیمت آغازین API جمنای ۴ آرگون برابر است با ۲ دلار برای هر یک میلیون توکن ورودی و ۱۰ دلار برای هر یک میلیون توکن خروجی. توکن‌های ورودی ذخیره‌شده در کش نیز با ۹۵ درصد تخفیف محاسبه می‌شوند. پس از پایان دورهٔ آغازین، قیمت به ۴ دلار برای ورودی و ۲۰ دلار برای خروجی می‌رسد.

• توکن ورودی: ۴ دلار به‌ازای هر یک میلیون توکن
• توکن خروجی: ۲۰ دلار به‌ازای هر یک میلیون توکن

تغییر شیوهٔ کار و ساخت محصولات در گوگل با Gemini 4 Argon

گوگل می‌گوید هزاران نفر از کارکنان این شرکت از آرگون برای برنامه‌نویسی تخصصی، پژوهش عمیق‌تر و نگارش استفاده می‌کنند. در معرفی رسمی، چند نمونه از کاربردهای داخلی مدل آمده است:

• بهینه‌سازی الگوریتم‌های کوانتومی: آرگون به پژوهشگران گوگل در بهینه‌سازی منابع زمانی و مکانی الگوریتم‌های کوانتومی کمک کرده است. در یکی از نمونه‌ها، نتیجهٔ منتشرشدهٔ قبلی را در چند دقیقه ۴۰ درصد بهبود داده است.
• کاهش مصرف حافظه: عامل‌های مبتنی بر آرگون با بررسی داده‌های عملکردی مراکز داده، راه‌های کاهش مصرف حافظه را شناسایی و اجرا کرده‌اند. گوگل می‌گوید این بهینه‌سازی‌ها پس از پیاده‌سازی، بیش از ۳۰۰ ترابایت حافظه آزاد کرده‌اند و برآورد کلی صرفه‌جویی بین ۵۰۰ ترابایت تا یک پتابایت است.
• مهاجرت و بهینه‌سازی کدهای بزرگ: عامل‌های آرگون در پروژهٔ انتقال کدهای C و C++ به Rust مشارکت دارند؛ پروژه‌هایی از کتابخانه‌هایی مانند re2 و libgav1 تا هستهٔ Fuchsia Zircon با بیش از ۸۰۰ هزار خط کد. گوگل تأکید می‌کند که این تغییرها پیش از ورود به محصول، به ممیزی، آزمون شبیه‌سازی و بازبینی انسانی نیاز دارند.
• بازنویسی بخشی از libgav1: عامل‌های آرگون در یک نمونه، ۳۲ هزار خط کد SIMD را با آزمایش‌های مکرر و تحلیل خروجی کامپایلر بازنویسی کردند. گوگل می‌گوید نسخهٔ Rust حاصل، ۲٫۷ برابر سریع‌تر از نسخهٔ Rust قبلی اجرا شده و خروجی ویدئویی یکسانی داشته است.

بنچمارک‌های Gemini 4 Argon جمنای ۴ آرگون

در تصویر زیر بنچمارک‌های منتشر شده در صفحه رسمی Gemini 4 Argon را مشاهده می‌کنید:

قابلیت‌های Gemini 4 Argon

۱. توانایی بیشتر برای حل مسائل پیچیده

گوگل سقف خروجی آرگون را از ۶۴ هزار به یک میلیون توکن افزایش داده است. هدف این است که مدل بتواند در یک مسیر کاری پیوسته، مدت بیشتری استدلال کند و برای حل مسائل دشوار، پاسخ‌های طولانی‌تری تولید کند.

این عدد به سقف خروجی اشاره دارد؛ نباید آن را با تعداد توکن‌های ورودی یا پنجرهٔ متنی ورودی مدل یکی دانست.

۲. کمک به برنامه‌نویسی و کارهای سازمانی

گوگل می‌گوید ترکیب توانایی‌های برنامه‌نویسی، استدلال و چندرسانه‌ای آرگون با امکان انجام وظایف طولانی، آن را برای برخی کارهای سازمانی مناسب می‌کند. مهندسان گوگل از مدل برای رفع خطاهای روزمره، مهاجرت کدهای بزرگ و طراحی الگوریتم استفاده کرده‌اند.

نتایج منتشرشده در صفحهٔ گوگل شامل این موارد است:

• در DeepSWE v1.1، که عملکرد مدل‌ها را در وظایف طولانی‌مدت مهندسی نرم‌افزار می‌سنجد، آرگون به امتیاز ۷۷٫۹ درصد رسیده است.
• در Vals Index، ارزیابی اثرگذاری اقتصادی در حوزه‌های مالی، برنامه‌نویسی، حقوق و مالیات، گوگل آرگون را در جایگاه پیشتاز معرفی می‌کند.
• گوگل از عملکرد مدل در Vals Finance Agent v2 برای پژوهش مالی چندمرحله‌ای و Harvey’s Legal Agent Benchmark برای پژوهش و نگارش حقوقی نیز خبر داده است.
• در AutomationBench، آزمونی برای اجرای کامل فرایندهای کاری کسب‌وکار، آرگون امتیاز ۵۱٫۳ درصد گرفته است.
• در LVBench، که درک ویدئوهای طولانی را می‌سنجد، امتیاز آرگون ۹۱٫۷ درصد اعلام شده است. گوگل این نتیجه را در سطح پیشرو می‌داند.

این اعداد نتایج اعلام‌شده از سوی گوگل و ارزیابی‌های نام‌برده هستند؛ برای مقایسهٔ قطعی مدل‌ها باید روش اجرا و شرایط هر آزمون را هم بررسی کرد.

۳. پیشتازی در امنیت سایبری

گوگل می‌گوید آرگون برای کمک به مدافعان امنیت سایبری آموزش دیده و می‌تواند آسیب‌پذیری‌های مهم نرم‌افزاری را به‌شکل خودکار پیدا کند، درستی آن‌ها را بررسی کند و برای رفعشان پیشنهاد یا اصلاح ارائه دهد. دسترسی به توانایی‌های کامل امنیتی مدل فعلاً برای مدافعان مورداعتماد و تیم‌های داخلی گوگل در نظر گرفته شده است.

شرکت امنیت سایبری Wiz از آرگون در برنامهٔ Scan for Good استفاده می‌کند؛ برنامه‌ای که هدفش شناسایی و اصلاح رایگان آسیب‌پذیری‌های مهم در زیرساخت‌های عمومی است. در یکی از آزمایش‌های اولیه، مدل آسیب‌پذیری مهمی را در نرم‌افزار درمانی مورد استفادهٔ بیمارستان‌ها پیدا کرد که می‌توانست اطلاعات شخصی حساس را در معرض خطر قرار دهد؛ به‌گفتهٔ گوگل، مدل‌های پیشرفتهٔ قبلی این مورد را شناسایی نکرده بودند.

در آزمون CWE-bench v1، آرگون با امتیاز ۶۸ درصد در جایگاه مشترک اول قرار گرفته است. این آزمون توانایی مدل را در اصلاح آسیب‌پذیری‌های امنیتی بررسی می‌کند.

گوگل همچنین می‌گوید در دو ارزیابی دیگر، آرگون در مقایسه با Gemini 3.8 Flash Cyber عملکرد بهتری داشته است:

• در بنچمارک داخلی گوگل، مدل طیف گسترده‌ای از آسیب‌پذیری‌ها را در کدهای پیچیده با ۲۰ زبان برنامه‌نویسی پیدا کرده است.
• در آزمون داخلی Wiz، مدل سامانه‌های زندهٔ وب را بدون دسترسی به کد منبع بررسی کرده و در شناسایی سطح حمله، یافتن آسیب‌پذیری و ارائهٔ شواهد برای تأیید آن بهتر عمل کرده است.

تقویت سازوکارهای ایمنی پیش از عرضهٔ گسترده Gemini 4 Argon

گوگل پیش از عرضهٔ عمومی آرگون، روی چهار حوزهٔ حفاظتی کار می‌کند:

۱. جلوگیری از سوءاستفاده

این مدل هوش مصنوعی برای رد درخواست‌های آسیب‌زا در حوزه‌هایی مانند حملات سایبری یا تهدیدهای شیمیایی، زیستی، پرتوی و هسته‌ای طراحی شده است؛ در عین حال، گوگل می‌خواهد پژوهش علمی مشروعی که کاربرد دوگانه دارد، بی‌دلیل مسدود نشود. این سازوکارها را تیم‌های داخلی و خارجی با روش‌های دستی و خودکار آزمایش کرده‌اند.

۲. مقابله با تزریق دستور غیرمستقیم

تزریق دستور غیرمستقیم زمانی رخ می‌دهد که دستورهای مخرب در متن‌ها یا محتوای جانبی پنهان شوند و رفتار مدل را تغییر دهند. گوگل می‌گوید آرگون در آزمون مقاومت در برابر این نوع حمله، در بنچمارک Indirect Prompt Injection شرکت Gray Swan عملکرد پیشرو داشته است.

۳. پایش رفتار ناسازگار

گوگل می‌گوید برای جلوگیری از اقدام خارج از خواستهٔ کاربر، سامانه‌هایی به کار می‌گیرد که زنجیرهٔ استدلال و اقدام‌های مدل را بررسی می‌کنند و در صورت نیاز، اجرای آن را متوقف می‌کنند. این شرکت همچنین می‌گوید در زمان آموزش، از سامانه‌های پایش و تیم واکنش به رخداد استفاده کرده است.

۴. ایمن‌سازی محیط‌های آزمایشی

با افزایش توانایی مدل‌ها، محیط آزمایش آن‌ها نیز باید در برابر دسترسی ناخواسته مقاوم باشد. گوگل می‌گوید محیط‌های آزمایشی محصور و ایزوله را برای آموزش‌ها و ارزیابی‌های پرخطر تقویت می‌کند و قصد دارد تجربه‌های امنیتی خود را با شرکایش به اشتراک بگذارد.

تفاوت Gemini 4 Argon با مدل‌های قبلی جمنای

تفاوت اصلی آرگون با مدل‌های قبلی، تمرکز آن بر کارهای طولانی و پیچیده است. افزایش سقف خروجی از ۶۴ هزار به یک میلیون توکن نیز برای همین نوع وظایف در نظر گرفته شده است. گوگل علاوه بر این، روی توانایی‌های برنامه‌نویسی، کارهای دانشی سازمانی و امنیت سایبری تأکید کرده است.

گوگل در بخش امنیت سایبری، آرگون را با Gemini 3.8 Flash Cyber مقایسه می‌کند و می‌گوید در آزمون‌های داخلی خود، آرگون آسیب‌پذیری‌های بیشتری را در کدهای پیچیده پیدا کرده است. بااین‌حال، در همان اطلاعیه عدد مستقیمی برای همهٔ مقایسه‌ها منتشر نشده است؛ بنابراین نمی‌توان از این توضیح نتیجه گرفت که آرگون در تمام کارها و بنچمارک‌ها از مدل‌های قبلی بهتر است.

آیا Gemini 4 Pro هم معرفی شده است؟

تا زمان انتشار این مقاله، گوگل در اطلاعیهٔ رسمی فقط Gemini 4 Argon را معرفی کرده است. در این اطلاعیه، از عرضهٔ Gemini 4 Pro یا مدلی با نام جداگانهٔ Gemini 4 خبری نیست؛ همچنین برنامه یا تاریخ مشخصی برای رونمایی از چنین مدل‌هایی اعلام نشده است.

پس در حال حاضر نمی‌توان گفت Gemini 4 Pro عرضه شده یا قطعاً در آینده عرضه خواهد شد. ممکن است گوگل بعداً مدل‌های دیگری از خانوادهٔ جمنای ۴ معرفی کند، اما این احتمال را باید از خبر رسمی جدا دانست. «Argon» نام مدل معرفی‌شده است و «Pro» در نام آن وجود ندارد.

مقایسه Gemini 4 Argon با مدل‌های جدید OpenAI و Anthropic

عرضهٔ آرگون هم‌زمان با رقابت نزدیک شرکت‌های هوش مصنوعی بر سر مدل‌های پیشرفته انجام شده است. در روزهای پایانی سپتامبر ۲۰۲۶، OpenAI مدل GPT‑6.1 Sol و آنتروپیک مدل‌های Claude Sonnet 5.5 و Claude Opus 5.5 را معرفی کردند.

OpenAI می‌گوید GPT‑6.1 Sol برای برنامه‌نویسی پیچیده، استفاده از رایانه و کارهای حرفه‌ای، عملکردی نزدیک به GPT‑6 Astra با هزینهٔ کمتر ارائه می‌دهد. Anthropic نیز Sonnet 5.5 را مدلی سریع‌تر برای کارهای روزمره و Opus 5.5 را گزینه‌ای مناسب‌تر برای وظایف پیچیده و نیازمند قضاوت معرفی کرده است.

مقایسه Gemini 4 Argon با GPT‑6.1 Sol و Claude Sonnet 5.5 و Opus 5.5

بنچمارک‌های جدول از آزمون‌های یکسان به دست نیامده‌اند. بلکه اطلاعات گرداوری شده از صفحه رسمی بنچمارک‌های هر مدل هستند. بنابراین جدول برای آشنایی با نقاط قوت اعلام‌شدهٔ هر مدل است، نه رتبه‌بندی قطعی آن‌ها. برای نمونه، امتیاز DeepSWE آرگون را نمی‌توان مستقیماً با نتیجهٔ Terminal-Bench مدل‌های Claude مقایسه کرد.

مدل	تمرکز اعلام‌شده	نمونه‌ای از نتیجهٔ منتشرشده
Gemini 4 Argon	کارهای طولانی، برنامه‌نویسی، دانش سازمانی و امنیت سایبری	۷۷٫۹٪ در DeepSWE v1.1
GPT‑6.1 Sol	برنامه‌نویسی پیچیده، استفاده از رایانه و کار حرفه‌ای با هزینهٔ کمتر	OpenAI آن را نزدیک به GPT‑6 Astra از نظر عملکرد معرفی می‌کند
Claude Sonnet 5.5	وظایف روزمره، رفع باگ و تولید اسناد و ارائه	۷۰٫۶٪ در Terminal-Bench 4.0
Claude Opus 5.5	کارهای پیچیده، برنامه‌نویسی عاملی و دانش سازمانی	۶۶٫۴٪ در Terminal-Bench 4.0 و ۵۴٫۴٪ در FrontierCode v1.1

دسترسی به مدل‌های هوش مصنوعی در هوشا

در هوشا می‌توانید به مجموعه‌ای از مدل‌های هوش مصنوعی از جمله مدل‌های چت جی پی تی، جمنای و Claude دسترسی داشته باشید و برای کارهای مختلف از قابلیت‌های آن‌ها استفاده کنید. آرگون در حال حاضر در عرضهٔ عمومی قرار ندارد؛ پس از آنکه دسترسی این مدل برای کاربران فراهم شود، اطلاعات به‌روز آن را در هوشا اعلام می‌کنیم.

جمع‌بندی

Gemini 4 Argon نخستین مدل معرفی‌شده از خانوادهٔ جمنای ۴ است و تمرکز اصلی آن روی وظایف طولانی و چندمرحله‌ای، برنامه‌نویسی، دانش سازمانی و امنیت سایبری قرار دارد. گوگل سقف خروجی یک‌میلیون‌توکنی و نتایج چند بنچمارک تخصصی را از ویژگی‌های برجستهٔ آن می‌داند.

بااین‌حال، آرگون هنوز در دسترس عموم نیست و عرضهٔ آن به‌صورت مرحله‌ای پیش می‌رود. همچنین تا این لحظه خبری رسمی از Gemini 4 Pro یا زمان معرفی مدل‌های دیگر این خانواده منتشر نشده است. بنابراین هر مطلبی دربارهٔ عرضهٔ قطعی نسخهٔ Pro یا تفاوت‌های آن با آرگون، پیش از اعلام گوگل، در حد گمانه‌زنی خواهد بود.