O Google DeepMind anunciou nesta quarta-feira, 30 de setembro de 2026, o Gemini 4 Argon, seu novo modelo de fronteira voltado a fluxos de trabalho complexos e de longa duração. O texto de apresentação é assinado por Koray Kavukcuoglu, vice-presidente sênior do Google DeepMind e chief AI architect do Google.
A chegada do modelo não é um lançamento aberto. Nesta primeira fase, o Argon está sendo liberado para um conjunto restrito de defensores cibernéticos de confiança, por meio do Fairwind Program.
Liberação faseada e preço introdutório
Segundo a empresa, colocar capacidades de fronteira desse nível no mercado exige uma abordagem em etapas.
O Google afirma estar engajado no processo voluntário do governo dos Estados Unidos para acesso a modelos antes do lançamento. Ao mesmo tempo, amplia gradualmente quem pode testar o sistema.
O retorno dos primeiros testadores deve orientar ajustes nas salvaguardas antes que o Argon chegue a desenvolvedores, empresas e consumidores. A companhia diz querer fazer isso o quanto antes.
O preço introdutório anunciado é de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída. Tokens de entrada em cache custam 95% menos que o preço padrão de entrada.
De 64 mil a 1 milhão de tokens de saída
O principal avanço técnico destacado é o limite de geração de texto. O Argon eleva o teto de tokens de saída para 1 milhão, partindo dos 64 mil tokens do modelo anterior.
O Google descreve esse patamar como líder do setor. Na prática, o modelo ganha espaço para raciocinar por muito mais tempo e produzir centenas de milhares de tokens em uma única trajetória.
Isso permite atacar problemas difíceis de uma só vez, sem quebrar a tarefa em várias etapas. A companhia também afirma que o modelo combina raciocínio, codificação e multimodalidade para sustentar tarefas longas e com muitos passos.
O que o argon já faz dentro do Google
O modelo já roda em fluxos internos da empresa. Milhares de funcionários relatam ganhos em tarefas especializadas de programação, pesquisa aprofundada e qualidade de escrita.
Três exemplos são citados. Na otimização de algoritmos quânticos, o Argon ajudou pesquisadores a reduzir o consumo de recursos de espaço-tempo (qubits × portas) em sub-rotinas que travam aplicações importantes.
Superou a linha de base publicada em 40% em questão de minutos.
Em eficiência de memória, agentes baseados no Argon analisaram telemetria de profiling de toda a frota. Identificaram e aplicaram otimizações de forma autônoma nos data centers do Google, liberando mais de 300 TiB de memória após a implantação.
A estimativa de economia total fica entre 500 TiB e 1 PiB.
Migração de código e desempenho em benchmarks
Agentes do Argon também trabalham na migração de bases de código C/C++ para Rust dentro do Google. A escala vai de dezenas de milhares de linhas em bibliotecas centrais como re2 e libgav1 até mais de 800 mil linhas no kernel Zircon, do sistema Fuchsia OS.
Dada a criticidade desses sistemas, as reescritas passam por auditoria automatizada e manual, testes de emulação e revisão antes de chegar à produção.
No caso do libgav1, software open source de decodificação de vídeo, os agentes partiram de um port em Rust já existente e substituíram 32 mil linhas de código SIMD. Rodaram várias rodadas de experimentos guiados por profiling e estudaram a saída do compilador até produzir Rust seguro que o compilador vetoriza sozinho.
O resultado é um decodificador de vídeo com segurança de memória que roda 2,7 vezes mais rápido que o port em Rust, com saída de vídeo idêntica.
Em avaliações externas, o Argon alcançou 77,9% no DeepSWE v1.1, que mede desempenho em tarefas reais de engenharia de software de horizonte longo.
O modelo lidera o Vals Index, que estima impacto econômico em finanças, programação, direito e impostos. Cada setor é ponderado por sua contribuição ao PIB dos Estados Unidos.
A empresa cita ainda desempenho de ponta em avaliações específicas de domínio, como o Vals Finance Agent v2 (pesquisa financeira em múltiplas etapas) e o Legal Agent Benchmark da Harvey (pesquisa e redação jurídica).
No AutomationBench, benchmark da Zapier que mede execução ponta a ponta em funções centrais de negócios, o Argon ficou em primeiro lugar, com 51,3%. Em entendimento de vídeo longo, marcou 91,7% no LVBench, resultado que o Google classifica como estado da arte.
Foco em cibersegurança defensiva
Boa parte do esforço de treinamento foi dirigida à defesa cibernética. De acordo com o anúncio, o Argon foi treinado para ser altamente capaz nessa área e consegue encontrar, validar e corrigir vulnerabilidades de forma autônoma.
É justamente essa capacidade que explica a liberação inicial para defensores cibernéticos via Fairwind, antes de uma chegada mais ampla ao mercado.
Fontes e links
- Google DeepMind — anúncio original do Gemini 4 Argon.
- Fairwind Program, programa de acesso voltado a defensores cibernéticos.
- Vals Index, benchmark de impacto econômico citado no anúncio.
