Il 30 settembre 2026 Google DeepMind ha annunciato Gemini 4 Argon, il suo nuovo modello di frontiera per l'ingegneria del software, il lavoro della conoscenza e la difesa informatica. Il modello può trovare, convalidare e correggere in autonomia vulnerabilità software critiche, e porta il limite di una singola risposta a 1 milione di token, rispetto ai 64.000 precedenti. Non è ancora disponibile per tutti: Google lo sta distribuendo prima ai difensori informatici di fiducia attraverso il suo programma Fairwind, poi ai clienti paganti dell'API e agli abbonati a Google AI Ultra. Il prezzo di lancio è di $2 per milione di token in input e $10 per milione di token in output.

La vera notizia è che Google ha scelto di consegnare il suo modello più potente a chi protegge i sistemi prima che arrivi a chi potrebbe attaccarli. Questa decisione da sola indica dove si sta dirigendo il rischio per la sicurezza nel prossimo anno.

Cosa ha annunciato Google, in numeri

  • Limite di output: 1 milione di token in una sola risposta, rispetto al limite precedente di 64.000 token.
  • Prezzo di lancio: $2 per milione di token in input e $10 per milione di token in output, con uno sconto del 95% sull'input in cache.
  • Prezzo dopo il periodo di lancio: $4 per l'input e $20 per l'output per milione di token. Costruite il vostro budget su questo numero, non sul prezzo di lancio.
  • Risultati dei benchmark pubblicati: 77,9% su DeepSWE v1.1 per l'ingegneria del software, 51,3% su AutomationBench, dove è al primo posto, 68% su CWE-bench v1 per il lavoro sulle vulnerabilità, dove è primo a pari merito, e 91,7% su LVBench per la comprensione di video lunghi.

Questi sono i dati della stessa Google. I test indipendenti richiedono settimane e i primi risultati di terze parti sono contrastanti, il che ricorda di testare qualsiasi modello sulle proprie attività prima di spostarvi lavoro reale.

Perché prima i difensori? Il programma Fairwind

Fairwind è il modo in cui Google offre ai difensori ad alta priorità, come enti governativi, strutture sanitarie e aziende di telecomunicazioni, un accesso anticipato ai modelli avanzati, così da dare loro un vantaggio sugli attaccanti prima che un modello diventi disponibile per tutti. Google afferma inoltre di partecipare al processo volontario del governo degli Stati Uniti per l'accesso ai modelli prima del rilascio, e che Argon è stato sottoposto a test da parte di red team interni ed esterni, con salvaguardie che monitorano la catena di ragionamento del modello e le sue azioni.

La logica è semplice: un modello in grado di trovare una vulnerabilità e correggerla può, nelle mani sbagliate, trovarla e lasciarla aperta. Dare ai difensori un vantaggio iniziale riduce la finestra in cui l'attaccante è avanti.

Cosa Google dice che Argon ha ottenuto internamente

Google riferisce che Argon ha contribuito a liberare più di 300 TiB di memoria nei suoi sistemi e a migrare in Rust più di 800.000 righe del kernel Fuchsia Zircon. Sono risultati di un'azienda gigantesca sulla propria infrastruttura, ma mostrano il tipo di lavoro per cui il modello è stato costruito: attività di ingegneria lunghe e in più fasi, non brevi risposte in chat.

Cosa cambia in pratica un limite di 1 milione di token

La maggior parte dei modelli smette di scrivere prima di finire un compito grande. Un limite di 1 milione di token significa che il modello può produrre, in un solo passaggio, la migrazione completa di un vecchio modulo del vostro sistema, un rapporto tecnico completo o una revisione di sicurezza approfondita di una codebase. È utile, ma anche costoso se non si presta attenzione: una risposta che usa l'intero milione di token costa $10 al prezzo di lancio e $20 al prezzo standard. Moltiplicate per il numero di tentativi e per il numero di dipendenti, e la fattura cresce rapidamente. La vera metrica è il costo per attività completata, come abbiamo spiegato nel nostro articolo sul costo dell'IA per attività.

La lezione di sicurezza non aspetta l'accesso

Oggi non potete usare Argon, e questo cambia poco. La direzione è chiara: l'IA che trova le vulnerabilità da sola sta arrivando, e da entrambe le parti. I vecchi sistemi senza patch verranno scoperti più rapidamente di prima. Abbiamo visto questo schema negli attacchi a WordPress iniziati poche ore dopo la pubblicazione di una correzione e negli apparati di rete le cui vulnerabilità vengono sfruttate attivamente. Passi che vale la pena avviare subito:

  • Sappiate cosa usate. Tenete un elenco aggiornato di ogni sistema, plugin e libreria da cui dipende la vostra azienda, e di chi è responsabile dell'aggiornamento di ciascuno.
  • Riducete i tempi di correzione. Se applicare un aggiornamento critico vi richiede settimane, quel margine è ora più lungo del tempo di cui ha bisogno un attaccante.
  • Chiedete direttamente al vostro fornitore di software. Chi monitora le vulnerabilità del vostro sistema e quanto tempo serve per rilasciare una correzione? Poi mettete la risposta per iscritto nel contratto.
  • Confrontatevi con i controlli nazionali. Gli Essential Cybersecurity Controls emessi dall'Autorità Nazionale per la Sicurezza Informatica (NCA) sono una base pratica per le organizzazioni in Arabia Saudita.

Prima di adottare qualsiasi nuovo modello

Quando Argon arriverà sull'API a pagamento, si porrà la domanda: dovremmo passare a lui? Il nostro consiglio è lo stesso a ogni lancio: non legate i vostri sistemi a un unico fornitore. Costruite uno strato intermedio che vi permetta di confrontare Gemini, Claude e GPT sullo stesso compito e di passare dall'uno all'altro quando cambiano prezzo o qualità, come abbiamo discusso confrontando GPT-6 Astra e Claude Fable 5.1. E se attraverso il modello passeranno dati personali dei vostri clienti o dipendenti, verificate dove vengono elaborati e se il loro trasferimento è conforme alla Legge sulla protezione dei dati personali (PDPL).

In Origami costruiamo sistemi che collegano l'IA ai dati della vostra azienda attraverso uno strato che controllate voi: scegliete il modello, definite cosa può vedere e misurate il costo di ogni attività. Quando arriva un modello più potente, passare a esso diventa una modifica di configurazione, non una ricostruzione.

Fonti