30 сентября 2026 года Google DeepMind анонсировала Gemini 4 Argon, свою новую передовую модель для разработки программного обеспечения, интеллектуальной работы и киберзащиты. Модель может автономно находить, проверять и закрывать критические уязвимости в программном обеспечении, а лимит одного ответа она поднимает до 1 миллиона токенов вместо прежних 64 000. В общем доступе её пока нет: Google сначала предоставляет её доверенным специалистам по киберзащите через свою программу Fairwind, затем платным клиентам API и подписчикам Google AI Ultra. Стартовая цена составляет $2 за миллион входных токенов и $10 за миллион выходных токенов.

Главная новость в том, что Google решила отдать свою самую сильную модель тем, кто защищает системы, раньше, чем она попадёт к тем, кто может их атаковать. Одно это решение показывает, куда движется риск в сфере безопасности в ближайший год.

Что объявила Google, в цифрах

  • Лимит вывода: 1 миллион токенов в одном ответе вместо прежнего лимита в 64 000 токенов.
  • Стартовая цена: $2 за миллион входных токенов и $10 за миллион выходных токенов, кэшированный ввод дешевле на 95%.
  • Цена после стартового периода: $4 за ввод и $20 за вывод за миллион токенов. Стройте бюджет на этой цифре, а не на цене запуска.
  • Опубликованные результаты бенчмарков: 77,9% в DeepSWE v1.1 по разработке ПО, 51,3% в AutomationBench, где модель занимает первое место, 68% в CWE-bench v1 по работе с уязвимостями, где она делит первое место, и 91,7% в LVBench по пониманию длинных видео.

Это собственные данные Google. Независимое тестирование занимает недели, а первые результаты сторонних проверок неоднозначны. Это напоминание о том, что любую модель стоит проверить на собственных задачах, прежде чем переносить на неё реальную работу.

Почему сначала защитники? Программа Fairwind

Fairwind — это способ, которым Google даёт приоритетным защитникам, таким как государственные органы, медицинские учреждения и телекоммуникационные компании, ранний доступ к передовым моделям, чтобы они получили фору перед атакующими до того, как модель станет доступна всем. Google также сообщает, что участвует в добровольной процедуре правительства США по доступу к моделям до их выпуска и что Argon прошёл тестирование внутренними и внешними red team, а защитные механизмы отслеживают цепочку рассуждений модели и её действия.

Логика проста: модель, способная найти уязвимость и закрыть её, в чужих руках может найти её и оставить открытой. Ранний старт для защитников сокращает окно, в котором атакующий оказывается впереди.

Чего, по словам Google, Argon добился внутри компании

Google сообщает, что Argon помог освободить более 300 TiB памяти в её системах и помог перенести на Rust более 800 000 строк ядра Fuchsia Zircon. Это результаты гигантской компании на её собственной инфраструктуре, но они показывают, для какой работы создавалась модель: длинных многоэтапных инженерных задач, а не коротких ответов в чате.

Что на практике меняет лимит в 1 миллион токенов

Большинство моделей перестают писать, не закончив большую задачу. Лимит в 1 миллион токенов означает, что модель может за один проход выполнить полную миграцию старого модуля вашей системы, подготовить полный технический отчёт или тщательную проверку безопасности кодовой базы. Это полезно, но и дорого, если не проявлять осторожность: один ответ, использующий весь миллион токенов, стоит $10 по стартовой цене и $20 по стандартной. Умножьте это на число попыток и число сотрудников, и счёт быстро растёт. Настоящая метрика — стоимость одной выполненной задачи, как мы объясняли в статье о стоимости ИИ на задачу.

Урок безопасности не ждёт доступа

Сегодня вы не можете использовать Argon, и это мало что меняет. Направление ясно: ИИ, который сам находит уязвимости, уже на подходе, причём у обеих сторон. Старые системы без обновлений будут обнаруживать быстрее, чем раньше. Мы видели эту картину в атаках на WordPress, начавшихся через считаные часы после публикации исправления, и в сетевом оборудовании, уязвимости которого активно эксплуатируются. Шаги, которые стоит начать уже сейчас:

  • Знайте, что у вас работает. Ведите актуальный перечень всех систем, плагинов и библиотек, от которых зависит ваш бизнес, и того, кто отвечает за обновление каждой из них.
  • Сократите время установки исправлений. Если установка критического обновления занимает у вас недели, этот разрыв теперь длиннее, чем время, нужное атакующему.
  • Спросите поставщика программного обеспечения напрямую. Кто отслеживает уязвимости в вашей системе и сколько времени уходит на выпуск исправления? Затем закрепите ответ в договоре.
  • Сверьтесь с национальными требованиями. Основные средства контроля кибербезопасности, выпущенные Национальным управлением кибербезопасности (NCA), — практический базовый уровень для организаций в Саудовской Аравии.

Прежде чем внедрять любую новую модель

Когда Argon появится в платном API, возникнет вопрос: стоит ли переходить? Наш совет одинаков при каждом запуске: не привязывайте свои системы к одному поставщику. Постройте промежуточный слой, который позволит сравнивать Gemini, Claude и GPT на одной и той же задаче и переключаться между ними при изменении цены или качества, как мы обсуждали, сравнивая GPT-6 Astra и Claude Fable 5.1. А если через модель будут проходить персональные данные ваших клиентов или сотрудников, проверьте, где они обрабатываются и соответствует ли их передача Закону о защите персональных данных (PDPL).

В Origami мы создаём системы, которые подключают ИИ к данным вашего бизнеса через слой, который контролируете вы: вы выбираете модель, определяете, что ей можно видеть, и измеряете стоимость каждой задачи. Когда появляется более сильная модель, переход на неё становится изменением конфигурации, а не перестройкой.

Источники