Gemini 4 Argon stiže sa ozbiljnim rezultatima: Google tvrdi da je nadmašio GPT i Claude
Dodajte Kurir u vaš Google izborGoogle je predstavio Gemini4 Argon, novi model namenjen složenim zadacima u programiranju, finansijama, pravu i sajber bezbednosti. Kompanija tvrdi da je model na sopstvenim benchmark testovima nadmašio konkurentske modele OpenAI-ja i Anthropic-a u većem broju kategorija. Argon za sada nije dostupan široj javnosti, već ga Google prvo daje ograničenom broju bezbednosnih partnera.
Model je napravljen za zadatke koji zahtevaju više uzastopnih koraka, a ne samo generisanje odgovora na jedno pitanje. Ima kontekst od milion tokena i može da obrađuje veoma velike količine materijala, što Google navodi kao jednu od njegovih važnijih karakteristika za rad sa velikim bazama koda i obimnim dokumentima. Kompanija ga već koristi interno za programiranje i druge zadatke, ali će tek šira upotreba pokazati kako se ponaša van kontrolisanog okruženja.
Rezultati nisu isti u svakom testu
Prema rezultatima koje je objavio Google, Gemini 4 Argon je bio prvi u 13 od 19 poređenja sa modelima kao što su GPT-6 Astra i Claude Opus 5.5, dok je u jednom testu rezultat bio izjednačen sa OpenAI modelom. Na DeepSWE v1.1 testu, koji meri sposobnost rešavanja softverskih problema, Argon je ostvario 77,9 odsto, dok su Claude Opus 5.5 i GPT-6 Astra imali 74,2, odnosno 74,1 odsto. To ipak ne znači da je Argon najuspešniji u svim vrstama zadataka.
Na drugim testovima rezultati su išli u suprotnom smeru. Na FrontierSWE v2 GPT-6 Astra je ostvario 65,5 odsto, dok je Argon imao 55 odsto, a na Terminal-Bench 4.0 Claude Opus 5.5 je sa 66,4 odsto bio ispred Googleovog modela sa 57,4 odsto. Zbog toga se prednost koju Google prikazuje odnosi na konkretne kategorije i ne može se svesti na jednostavnu tvrdnju da je Argon bolji od svih konkurenata.
Veliki fokus na sajber bezbednosti
Jedan od glavnih pravaca razvoja Gemini 4 Argona je sajber bezbednost. Google navodi da model može da pronalazi, proverava i popravlja određene softverske ranjivosti, pa je prvi pristup dobila ograničena grupa stručnjaka kroz program namenjen testiranju takvih sposobnosti. Šira dostupnost za sada je odložena, dok kompanija proverava kako se model ponaša u situacijama u kojima ima pristup stvarnim bezbednosnim zadacima.
Argon se koristi i unutar Googlea za programiranje, otkrivanje grešaka i rad na velikim softverskim projektima. Kompanija navodi i primer analize telemetrijskih podataka koja je rezultirala uštedom od oko 300 TiB memorije u njenim data centrima. Takvi podaci dolaze direktno od Googlea, pa će nezavisne provere biti potrebne kako bi se utvrdilo koliko se slični rezultati mogu ponoviti u drugim okruženjima.
Za sada nije dostupan svima
Iako je Google objavio model, korisnici trenutno ne mogu jednostavno da otvore Gemini i izaberu Argon za svakodnevni rad. Prvi pristup imaju odabrani partneri iz oblasti sajber bezbednosti, dok kompanija istovremeno sprovodi dodatna testiranja pre nego što model ponudi programerima, kompanijama i drugim korisnicima. Nema ni garancije da će konačna verzija imati potpuno iste karakteristike kao model koji se sada testira.
Google je najavio početnu cenu od 2 dolara za milion ulaznih tokena i 10 dolara za milion izlaznih tokena. To je cena za početnu ponudu i može se promeniti kada model postane šire dostupan. Za sada je važnije to što korisnici još nemaju mogućnost da rezultate iz Googleovih benchmark testova provere u svakodnevnom radu pod istim uslovima.
Google ulazi u novu rundu trke
Gemini 4 Argon dolazi u trenutku kada se najveći AI modeli sve češće porede prema konkretnim zadacima, umesto kroz jedan univerzalni rezultat. Googleovi podaci daju Argonu prednost u pojedinim kategorijama, ali istovremeno pokazuju da GPT i Claude imaju testove na kojima ostvaruju bolje rezultate. Zbog toga će poređenja nezavisnih testera biti posebno značajna kada Argon izađe iz ograničene faze.
Google je pritom preskočio planirani Gemini 3.5 Pro i direktno prešao na Gemini 4, posle perioda u kojem je uglavnom predstavljao manje Flash modele. Argon sada treba da prođe i test stvarne upotrebe, gde se modeli suočavaju sa različitim podacima, nepredviđenim zahtevima i zadacima koji nisu unapred pripremljeni za benchmark. Tek tada će moći preciznije da se vidi koliko rezultati koje Google sada objavljuje odgovaraju stvarnim performansama modela.
Zabranjeno preuzimanje dela ili čitavog teksta i/ili foto/videa, bez navođenja i linkovanja izvora i autora, a u skladu sa odredbama WMG uslova korišćenja i Zakonom o javnom informisanju i medijima.