30 सितंबर 2026 को Google DeepMind ने Gemini 4 Argon की घोषणा की, जो सॉफ्टवेयर इंजीनियरिंग, नॉलेज वर्क और साइबर सुरक्षा के लिए उसका नया फ्रंटियर मॉडल है। यह मॉडल सॉफ्टवेयर की गंभीर कमजोरियों को स्वायत्त रूप से ढूंढ सकता है, उनकी पुष्टि कर सकता है और उन्हें पैच कर सकता है, और यह एक जवाब की सीमा को पहले के 64,000 से बढ़ाकर 1 मिलियन टोकन कर देता है। यह अभी आम तौर पर उपलब्ध नहीं है: Google इसे सबसे पहले अपने Fairwind प्रोग्राम के जरिए भरोसेमंद साइबर रक्षकों को दे रहा है, फिर भुगतान करने वाले API ग्राहकों और Google AI Ultra सब्सक्राइबरों को। शुरुआती कीमत प्रति मिलियन इनपुट टोकन $2 और प्रति मिलियन आउटपुट टोकन $10 है।

असली खबर यह है कि Google ने अपना सबसे ताकतवर मॉडल उन लोगों तक पहुंचने से पहले, जो सिस्टम पर हमला कर सकते हैं, उन लोगों को सौंपने का फैसला किया जो सिस्टम की रक्षा करते हैं। सिर्फ यही फैसला बता देता है कि अगले एक साल में सुरक्षा जोखिम किस दिशा में जा रहा है।

Google ने क्या घोषणा की, आंकड़ों में

  • आउटपुट सीमा: एक ही जवाब में 1 मिलियन टोकन, जबकि पिछली सीमा 64,000 टोकन थी।
  • शुरुआती कीमत: प्रति मिलियन इनपुट टोकन $2 और प्रति मिलियन आउटपुट टोकन $10, और कैश किए गए इनपुट पर 95% की छूट।
  • शुरुआती अवधि के बाद कीमत: प्रति मिलियन टोकन इनपुट के लिए $4 और आउटपुट के लिए $20। अपना बजट लॉन्च कीमत पर नहीं, बल्कि इसी आंकड़े पर बनाएं।
  • प्रकाशित बेंचमार्क नतीजे: सॉफ्टवेयर इंजीनियरिंग के लिए DeepSWE v1.1 पर 77.9%, AutomationBench पर 51.3% जहां यह पहले स्थान पर है, कमजोरियों से जुड़े काम के लिए CWE-bench v1 पर 68% जहां यह पहले स्थान पर बराबरी पर है, और लंबे वीडियो को समझने के लिए LVBench पर 91.7%।

ये Google के अपने आंकड़े हैं। स्वतंत्र परीक्षण में हफ्ते लगते हैं, और तीसरे पक्ष के शुरुआती नतीजे मिले-जुले हैं। यह याद दिलाता है कि असली काम किसी भी मॉडल पर ले जाने से पहले उसे अपने खुद के कामों पर परखें।

पहले रक्षक ही क्यों? Fairwind प्रोग्राम

Fairwind वह तरीका है जिससे Google उच्च प्राथमिकता वाले रक्षकों, जैसे सरकारी संस्थाओं, स्वास्थ्य सेवा प्रदाताओं और दूरसंचार कंपनियों, को उन्नत मॉडलों तक जल्दी पहुंच देता है, ताकि किसी मॉडल के सबके लिए उपलब्ध होने से पहले उन्हें हमलावरों पर बढ़त मिल सके। Google यह भी कहता है कि वह रिलीज से पहले मॉडल तक पहुंच के लिए अमेरिकी सरकार की स्वैच्छिक प्रक्रिया में हिस्सा ले रहा है, और Argon का आंतरिक और बाहरी रेड टीमों ने परीक्षण किया है, साथ ही ऐसे सुरक्षा उपाय हैं जो मॉडल की विचार श्रृंखला और उसकी गतिविधियों पर नजर रखते हैं।

तर्क सीधा है: जो मॉडल किसी कमजोरी को ढूंढकर उसे पैच कर सकता है, वही गलत हाथों में उसे ढूंढकर खुला भी छोड़ सकता है। रक्षकों को शुरुआती बढ़त देने से वह समय कम हो जाता है जिसमें हमलावर आगे रहता है।

Google के मुताबिक Argon ने अंदरूनी तौर पर क्या हासिल किया

Google बताता है कि Argon ने उसके सिस्टम में 300 TiB से ज्यादा मेमोरी खाली करने में मदद की, और Fuchsia Zircon कर्नेल की 800,000 से ज्यादा पंक्तियों को Rust में माइग्रेट करने में मदद की। ये एक विशाल कंपनी के अपने इंफ्रास्ट्रक्चर पर मिले नतीजे हैं, लेकिन ये दिखाते हैं कि मॉडल किस तरह के काम के लिए बनाया गया है: लंबे, कई चरणों वाले इंजीनियरिंग काम, न कि छोटे चैट जवाब।

1 मिलियन टोकन की सीमा व्यवहार में क्या बदलती है

ज्यादातर मॉडल कोई बड़ा काम पूरा करने से पहले ही लिखना बंद कर देते हैं। 1 मिलियन टोकन की सीमा का मतलब है कि मॉडल एक ही बार में आपके सिस्टम के किसी पुराने मॉड्यूल का पूरा माइग्रेशन, एक पूरी तकनीकी रिपोर्ट, या किसी कोडबेस की गहन सुरक्षा समीक्षा तैयार कर सकता है। यह उपयोगी है, और अगर आप सावधान न रहें तो महंगा भी: पूरे मिलियन टोकन इस्तेमाल करने वाले एक जवाब की कीमत शुरुआती दर पर $10 और मानक दर पर $20 है। इसे कोशिशों की संख्या और कर्मचारियों की संख्या से गुणा करें, तो बिल तेजी से बढ़ता है। असली पैमाना प्रति पूरे हुए काम की लागत है, जैसा कि हमने प्रति काम AI लागत पर अपने लेख में समझाया था।

सुरक्षा का सबक पहुंच का इंतजार नहीं करता

आप आज Argon का इस्तेमाल नहीं कर सकते, और इससे ज्यादा कुछ नहीं बदलता। दिशा साफ है: खुद कमजोरियां ढूंढने वाली AI आ रही है, और दोनों पक्षों के लिए। पुराने, बिना पैच वाले सिस्टम पहले से ज्यादा तेजी से खोजे जाएंगे। हमने यह पैटर्न उन WordPress हमलों में देखा जो फिक्स प्रकाशित होने के कुछ ही घंटों में शुरू हो गए और उन नेटवर्क उपकरणों में जिनकी कमजोरियों का सक्रिय रूप से फायदा उठाया जा रहा है। ऐसे कदम जिन्हें अभी शुरू करना फायदेमंद है:

  • जानें कि आप क्या चला रहे हैं। आपका व्यवसाय जिन सिस्टम, प्लगइन और लाइब्रेरी पर निर्भर है, उन सबकी अद्यतन सूची रखें, और यह भी कि हर एक को अपडेट करने की जिम्मेदारी किसकी है।
  • अपना पैच समय घटाएं। अगर किसी गंभीर अपडेट को लागू करने में आपको हफ्ते लगते हैं, तो यह अंतर अब उस समय से लंबा है जिसकी एक हमलावर को जरूरत होती है।
  • अपने सॉफ्टवेयर प्रदाता से सीधे पूछें। आपके सिस्टम में कमजोरियों पर नजर कौन रखता है, और फिक्स जारी करने में कितना समय लगता है? फिर उस जवाब को अनुबंध में लिखवाएं।
  • राष्ट्रीय नियंत्रणों के मुकाबले खुद को जांचें। राष्ट्रीय साइबर सुरक्षा प्राधिकरण (NCA) द्वारा जारी आवश्यक साइबर सुरक्षा नियंत्रण सऊदी अरब के संगठनों के लिए एक व्यावहारिक आधार हैं।

कोई भी नया मॉडल अपनाने से पहले

जब Argon भुगतान वाले API पर आएगा, तो सवाल उठेगा: क्या हमें बदलना चाहिए? हर लॉन्च पर हमारी सलाह एक ही है: अपने सिस्टम को एक ही प्रदाता से न बांधें। एक मध्यवर्ती परत बनाएं जिससे आप एक ही काम पर Gemini, Claude और GPT की तुलना कर सकें और कीमत या गुणवत्ता बदलने पर उनके बीच स्विच कर सकें, जैसा कि हमने GPT-6 Astra और Claude Fable 5.1 की तुलना करते समय चर्चा की थी। और अगर आपके ग्राहकों या कर्मचारियों का निजी डेटा मॉडल से होकर गुजरेगा, तो जांचें कि उसे कहां प्रोसेस किया जाता है और क्या उसका ट्रांसफर व्यक्तिगत डेटा संरक्षण कानून (PDPL) के अनुरूप है।

Origami में हम ऐसे सिस्टम बनाते हैं जो AI को आपके नियंत्रण वाली एक परत के जरिए आपके व्यावसायिक डेटा से जोड़ते हैं: मॉडल आप चुनते हैं, आप तय करते हैं कि वह क्या देख सकता है, और आप हर काम की लागत मापते हैं। जब कोई ज्यादा ताकतवर मॉडल आता है, तो उस पर स्विच करना दोबारा निर्माण नहीं, बल्कि सिर्फ एक कॉन्फ़िगरेशन बदलाव बन जाता है।

स्रोत