Gemini 4 Argon: Google выпустил ИИ, который переписывает код и держит в голове миллион ...
Gemini 4 Argon: Google выпустил ИИ, который переписывает код и держит в голове миллион токенов 13 октября 2026 года Google DeepMind сделал то, чего в индустрии ждали с начала осени: флагманская модель Gemini 4 Argon стала доступна разработчикам, предприятиям и обычным пользователям по всему миру. До этого момента доступ к ней был лишь у избранных — например, у специалистов по кибербезопасности в рамках закрытой программы. И вот — глобальный запуск. Что стоит за этим релизом? Прежде всего, масштаб контекста. Gemini 4 Argon поддерживает окно в 1 048 576 токенов — это примерно миллион слов или смесь текста, изображений, видео, аудио и PDF-файлов на входе. Представьте, что вы загружаете в модель целый кодекс законов, научную библиотеку или многолетнюю переписку — и она удерживает всё это в «голове», не теряя нити рассуждения. Для задач, где важна каждая деталь, это меняет правила игры. Но главное — не размер, а применение. Внутри Google модель уже используют для реальной инженерной работы. Команда Chrome с помощью Argon разобрала 40-миллионную кодовую базу Chromium и провела архитектурный рефакторинг сотен файлов — то, что вручную заняло бы месяцы. Другая команда сообщила, что Argon за ночь автономно оптимизировала Python-код, сократив время подготовки сессий в памяти на 40% и ускорив «холодные» импорты на 21%. Это не игрушка для демонстраций — это инструмент, который уже меняет производственные процессы. Для разработчиков и предприятий есть и прагматичные детали. Стартовая цена API составляет 2 доллара за миллион входных токенов и 10 долларов за миллион выходных, с 95%-й скидкой на кэшированные входные данные. Впрочем, с 1 декабря 2026 года тарифы вырастут до стандартных 4 и 20 долларов соответственно. Модель принимает текст, изображения, видео, аудио и PDF, но выдаёт только текст — генерации картинок или звука от неё ждать не стоит. И ещё один штрих. Argon возглавил Vals Index — рейтинг, который оценивает модели по их полезности в финансах, кодинге, юриспруденции и налогах. Это не абсолютная истина, но сигнал: Google нацелился на секторы, где ошибка стоит дорого. Если модель действительно справляется с многомиллионными контекстами и сложными многошаговыми задачами так, как описывают внутренние кейсы, конкуренция среди флагманских ИИ переходит на новый уровень — от «умения отвечать на вопросы» к «умению выполнять работу». И наблюдать за этим будет интересно. #ИИ #Gemini4Argon #GoogleDeepMind #нейросети #программирование #технологии2026 #ВестникТехноРеволюции