Co Google udostępnił 13 października
Gemini 4 Argon to nowy flagowy model Google. 30 września trafił tylko do wybranych zespołów bezpieczeństwa w ramach programu Fairwind, a od 13 października jest ogólnie dostępny. Google pozycjonuje go jako model do długich, wieloetapowych zadań: programowania, pracy agentowej, analiz prawnych i finansowych oraz bezpieczeństwa. W API model ma identyfikator gemini-4-argon i łączny limit wejścia i wyjścia do 1 mln tokenów (dłuższe odpowiedzi obsługuje specjalny protokół kontynuacji, dostępny w API, ale nie w zwykłej aplikacji Gemini).
Gdzie go znajdziecie:
- Gemini API w płatnym planie, Google AI Studio, Android Studio i Firebase AI Logic.
- Gemini Enterprise (aplikacja webowa, mobilna i narzędzia deweloperskie) w uprawnionych subskrypcjach, od 14 października także w Workflow Builder.
- Google AI Pro i Ultra w aplikacji Gemini i trybie AI w wyszukiwarce; środowisko Antigravity dla osób prywatnych tylko w planie Ultra.
Ile to kosztuje i kiedy cena się zmieni
Do 30 listopada 2026 obowiązuje cena wprowadzająca: 2 USD za milion tokenów wejściowych i 10 USD za milion wyjściowych. Tokeny wejściowe z pamięci podręcznej są tańsze o 95%. Od 1 grudnia stawki rosną dwukrotnie, do 4 i 20 USD. Jeżeli testujecie model w listopadzie, liczcie koszty od razu według stawek grudniowych, bo pilotaż wyceniony według ceny promocyjnej łatwo zaniża budżet o połowę.
Druga pułapka kosztowa to rozumowanie. Przy wysokim poziomie „myślenia” model potrafi długo analizować zadanie przed odpowiedzią, a te tokeny też są płatne. Przy pracy agentowej rachunek zależy bardziej od liczby kroków niż od ceny za token, więc porównujcie modele na własnych zadaniach, mierząc koszt jednego zakończonego zadania.
Jak czytać wyniki testów
Google podaje m.in. 77,9% w DeepSWE v1.1 (programowanie w długich zadaniach) i 51,3% w AutomationBench Zapiera (zadania biznesowe od początku do końca). To wyniki raportowane przez producenta. Z niezależnych zestawień: według Vals AI (stan na 12 października) Argon prowadzi w Vals Index z wynikiem 68,90%, a w Artificial Analysis Intelligence Index ma 53 punkty, czyli mniej niż kilka modeli konkurencji. W Terminal-Bench 4.0 według danych przytaczanych przez VentureBeat wypada słabiej od Claude Opus 5.5. Wniosek: to model z czołówki, ale bez jednoznacznej przewagi, a wybór warto oprzeć na próbie na Waszych danych.
Dane, region EU i RODO
Dla firm w Polsce najważniejsza informacja jest w notach wydania Gemini Enterprise: Argon działa w regionach global, us i eu, a dla eu Google deklaruje rezydencję danych i przetwarzanie ML w tym regionie. Jeśli Wasze wdrożenie Gemini Enterprise ma ustawiony region eu, nowy model nie wymusza przenoszenia przetwarzania poza Unię. Ogłoszenie dla API mówi tylko o dostępności „globalnej”, więc przy integracjach przez API sprawdźcie, w jakiej lokalizacji i na jakich warunkach umownych przetwarzane są dane.
Zwróćcie uwagę na różnicę między kontami. Plany Google AI Pro i Ultra to subskrypcje konsumenckie. Jeśli pracownicy wklejają do nich dokumenty firmowe, dane wychodzą poza umowę powierzenia, jaką macie z Google w ramach usług dla firm. Do danych osobowych klientów i dokumentów objętych tajemnicą używajcie wyłącznie kont firmowych z podpisanymi warunkami przetwarzania.
Z perspektywy AI Act obowiązki dostawcy modelu ogólnego przeznaczenia spoczywają na Google. Po Waszej stronie zostaje ocena, do czego model jest używany (inne wymagania ma podsumowanie maili, inne wstępna selekcja kandydatów do pracy), oraz zapewnienie pracownikom podstawowej wiedzy o AI, wymaganej od lutego 2025.
Na co powinien uważać administrator Gemini Enterprise
- 27 października model włącza się domyślnie w aplikacji Gemini Enterprise. Do tej pory przełącznik był wyłączony. Jeśli chcecie najpierw sprawdzić koszty i limity, ustawcie to świadomie przed tą datą.
- W narzędziach deweloperskich model jest dostępny od razu, jeśli lista dozwolonych modeli ma ustawienia domyślne. Przy własnej liście administrator dodaje go ręcznie.
- Od 22 października można ustawić limit na pojedynczego użytkownika, żeby jedna osoba nie wyczerpała puli wspólnego limitu całej edycji. Przy droższym modelu to rozsądne zabezpieczenie.
- Google podaje, że Argon jest najodporniejszym z jego modeli na pośrednie wstrzykiwanie poleceń (0,7% skutecznych ataków w teście Gray Swan). To nadal nie zero: agent czytający maile, strony i dokumenty z zewnątrz powinien mieć minimalne uprawnienia i potwierdzenie człowieka przed nieodwracalnymi krokami.
Co warto przetestować
Najwięcej sensu ma próba tam, gdzie zadanie jest długie i wieloetapowe: przegląd i refaktoryzacja starszego kodu, analiza długich umów lub raportów, automatyzacja procesów między systemami. Do prostych zadań, jak streszczenie maila czy szkic odpowiedzi, tańsze modele z rodziny Flash zwykle wystarczą. Przygotujcie kilka typowych zadań z Waszej firmy, puśćcie je przez obecny model i przez Argon, a potem porównajcie jakość i koszt na zadanie. Taki zestaw testowy przyda się też przy kolejnych premierach, których w tym roku nie brakuje.