Czatboty do luźnych dyskusji powoli ustępują miejsca wyspecjalizowanym agentom wykonawczym.
Google udostępniło model Gemini 4 Argon, który zamiast generowania ogólnych odpowiedzi skupia się na wieloetapowych zadaniach inżynieryjnych, modyfikacji baz kodu oraz obliczeniach naukowych. Wraz z nim debiutuje środowisko deweloperskie Google Antigravity oraz nowy próg subskrypcyjny – Google AI Ultra.
Model został zoptymalizowany pod kątem precyzji w długich, złożonych procesach, zajmując pierwsze miejsce w rankingu Vals Index, mierzącym wydajność m.in. w finansach, prawie, podatkach i programowaniu. Zamiast testów czysto syntetycznych, Google zaprezentowało dane z wdrożeń w działających środowiskach produkcyjnych i badawczych.
Antigravity i nowy podział subskrypcji
Gemini 4 Argon trafił do interfejsu API w AI Studio, aplikacji Gemini oraz Trybu AI w wyszukiwarce. Pełnię możliwości modelu odblokowuje jednak Google Antigravity – środowisko stworzone z myślą o pracy agentowej.
Platforma pozwala modelowi na autonomiczne wykonywanie zadań programistycznych przy użyciu poleceń takich jak /goal oraz pętli wieloagentowych. Według danych Google, zastosowanie Argona w Antigravity zwiększyło liczbę zmian wdrażanych autonomicznie przez agentów o ponad 35%, ograniczając konieczność wycofywania poprawek o prawie jedną trzecią.
Dostęp do Antigravity został powiązany z nową strukturą kont:
- Dla użytkowników indywidualnych: narzędzie zarezerwowano dla subskrybentów nowego, najwyższego planu Google AI Ultra. Posiadacze planu Pro otrzymują dostęp do modelu w aplikacji konsumenckiej oraz wyszukiwarce.
- Dla naukowców i firm: Google uruchomiło program bezpłatnego, 6-miesięcznego dostępu do najwyższego pakietu Antigravity dla 10 000 badaczy. Model jest także dostępny w ramach usługi Gemini dla firm.
Refaktoryzacja bazy Chromium i optymalizacja repozytoriów
Największym sprawdzianem inżynieryjnym dla nowego modelu były wewnętrzne projekty Google. W przypadku przeglądarki Chrome Argon przeprowadził refaktoryzację architektury, oddzielając podstawową obsługę stron internetowych od folderu funkcji liczącego około 6 milionów linii kodu w 40-milionowej bazie Chromium. Prace nad setkami plików zajęły kilka tygodni – dla użytkowników oznacza to możliwość płynnego przenoszenia kart między oknami i panelami bocznymi bez konieczności przeładowywania stron.
Model wdrożono również do optymalizacji projektów open-source:
- Python ADK: w pakiecie Agent Development Kit model usunął narzut frameworka bez naruszania istniejących integracji, co skróciło czas przygotowania sesji w pamięci o 40% i przyspieszyło import modułów o 21%.
- Wnioskowanie Gemma 4: w środowisku vLLM na układach Nvidia A100 zoptymalizowano model Gemma 4 E2B, osiągając 2,85-krotny wzrost przepustowości (z poziomu ok. 37 900 do ponad 108 000 tokenów na sekundę) przy pełnej zgodności tokenów.
- Chemia kwantowa: w pakiecie xTB służącym do modelowania cząsteczek przyspieszono przewidywanie struktur trójwymiarowych 2,3-krotnie, a wyszukiwanie konformacji 1,8-krotnie. Zmiany trafiły bezpośrednio do repozytorium projektu na GitHubie.
Obliczenia w fuzji jądrowej i robotyka
W obszarze badań podstawowych Argon posłużył do weryfikacji hipotez matematycznych i fizycznych. We współpracy z prof. Mattem Landremanem z Uniwersytetu Maryland model pomógł odkryć klasę kontrprzykładów dla hipotezy Grada, co pozwala na dokładniejsze modelowanie trójwymiarowych pól magnetycznych w stellaratorach – urządzeniach rozwijanych pod kątem energetyki termojądrowej.
W informatyce kwantowej model przepisał algorytm podprogramu arcsin, weryfikując go w języku Lean, co pozwoliło zredukować koszt czasowo-przestrzenny ponad stukrotnie względem standardowego algorytmu CORDIC. Zoptymalizował także kernel sprzętowy dekodera AlphaQubit, podwajając przepustowość wnioskowania w czasie rzeczywistym.
Google sprawdziło również możliwości przestrzenne modelu w robotyce. W teście Embodied Reasoning (ERQA) Argon uzyskał wynik 87%. Na podstawie samej analizy wideo przedstawiającego człowieka rzucającego woreczkiem do celu (gra cornhole), model obliczył ruchy stawów i wygenerował kod sterujący. Wdrożony na humanoidalnym robocie Apollo firmy Apptronik umożliwił mu trafienie do celu siedem razy z rzędu.
Parametry API, ceny i zabezpieczenia
Dla programistów korzystających z Gemini API udostępniono zunifikowany limit miliona tokenów wejścia i wyjścia. Cennik promocyjny ustalono na poziomie 2 USD za milion tokenów wejściowych oraz 10 USD za milion tokenów wyjściowych. W przypadku tokenów buforowanych (context caching) przewidziano 95% zniżki.
W architekturze agentowej istotną rolę odgrywają bariery systemowe. Model skonfigurowano w taki sposób, aby wymagał potwierdzenia człowieka przed wykonaniem nieodwracalnych operacji na plikach, a dedykowany monitor analizuje tok rozumowania agenta krok po kroku. W teście odporności na ukryte, złośliwe instrukcje w danych (Gray Swan Indirect Prompt Injection) skuteczność prób przełamania zabezpieczeń ograniczono do 0,7%.
Gemini 4 Argon: milion tokenów, ucieczka do Rusta i pułapka pozornej logiki
Jeśli artykuł Google prezentuje model Gemini 4 Argon. Nowe środowisko Antigravity i praca bezpośrednio w kodzie nie wygląda prawidłowo w Twoim czytniku RSS, to zobacz go na iMagazine.
