Нейросеть Gemini 4 Argon: что умеет новый флагман ИИ от Google, сколько стоит и почему о его качестве спорят

Google выпустила Gemini 4 Argon, первую модель четвёртого поколения, и вокруг неё сразу разгорелся спор. На бенчмарках компании новинка обгоняет главных конкурентов осени. Но по данным Bloomberg, в реальной работе сотрудники самой Google оценивают модель сдержаннее, особенно в программировании. Компания это отрицает.

Ниже собрали всё, что известно на конец октября 2026 года: чем Argon отличается от третьего поколения, какие у него лимиты и цена, где его можно попробовать, как он выглядит рядом с GPT-6 Astra и Claude Opus 5.5 и кому он действительно нужен. Если вас интересует вся линейка Gemini целиком, бесплатный тариф и приложения, читайте дальше.

👉 Попробовать Gemini 4 Argon онлайн →

Коротко:

Argon открывает четвёртое поколение Gemini. Раньше Google выпускала сначала Pro-версию, а следом Flash, поэтому всю осень в поиске ждали «Gemini 4 Pro». Но компания выбрала собственное имя, а слово «Pro» осталось неофициальным названием из утечек.

Выход Argon завершил довольно путаный период. Линейка Flash обновлялась быстро: в течение нескольких месяцев вышли 3.6, 3.7 и 3.8. А вот флагман задержался. Gemini 3.5 Pro планировали на июнь, но к июлю он всё ещё тестировался только у ограниченного круга партнёров, а затем Google отказалась от релиза и перешла сразу к четвёрке. Для компании, у которой на Gemini держатся поиск, карты, Gmail и Chrome, это была заметная пауза.

Сама Google называет Argon самой сильной моделью семейства и рассчитывает её на три сценария: реальную разработку, корпоративную работу со знаниями и защиту от кибератак. По описанию, это разреженная модель с архитектурой mixture-of-experts, обученная с нуля, а не доработанная из предыдущего поколения. Дата отсечки знаний указана как март 2026 года.

Путаница в названиях повторяется в каждом втором запросе, поэтому проясним:

👉 Открыть нейросеть Gemini 4 Argon →

Переход к четвёртому поколению не обнуляет предыдущую линейку. Argon нужен для тяжёлой аналитики, огромного контекста и длинных многошаговых задач, но во многих повседневных сценариях более быстрые версии Gemini остаются практичнее и дешевле. В каталоге Study AI доступны несколько поколений: от лёгкой Gemini 2.5 Flash Lite до последних Flash-моделей третьего поколения.

Gemini 3.7 Flash в каталоге Study AI описана как новейшая модель Google для быстрых задач. Её стоит выбирать, когда нужен оперативный ответ, черновик текста, краткое резюме, идеи или обработка типового запроса, а длинное рассуждение Argon будет избыточным. Это удобная отправная точка для ежедневной работы: если качества Flash не хватает, тот же запрос можно повторить в Argon.

👉 Попробовать Gemini 3.7 Flash →

Gemini 3.6 Flash занимает промежуточное место между лёгкими чат-моделями и тяжёлыми флагманами. В Study AI её позиционируют как быструю модель для работы, анализа и кода. Она подходит для разбора документов умеренного объёма, подготовки структуры, объяснения фрагмента программы, поиска очевидной ошибки и создания рабочего черновика без расходов уровня Argon.

👉 Открыть Gemini 3.6 Flash для анализа и кода →

Gemini 3.5 Flash в каталоге названа самой быстрой моделью Google. Это вариант для коротких вопросов, генерации нескольких формулировок, простых писем, описаний и других задач, где важнее быстро получить основу, чем запускать многоступенчатое рассуждение. Для проверки фактов и сложных выводов результат всё равно лучше перепроверять или передавать более сильной модели.

👉 Запустить быструю Gemini 3.5 Flash →

До появления Argon именно Gemini 3.1 Pro была основной сильной моделью Google в каталоге Study AI. Она рассчитана на задачи, где нужно не просто продолжить текст, а связать несколько условий, построить аргументацию, сравнить варианты или помочь с программированием. Модель остаётся полезной для аналитики и рассуждений, если возможности четвёртого поколения не обязательны.

👉 Попробовать Gemini 3.1 Pro для сложных задач →

Gemini 3.1 Flash — быстрая модель Google, размещённая в бесплатной категории Study AI. Она подойдёт для коротких справочных ответов, переформулировки, плана, списка идей или первого черновика. Это хороший способ начать с простого запроса и переходить на Pro или Argon только тогда, когда задача действительно требует более глубокого анализа.

👉 Открыть Gemini 3.1 Flash бесплатно →

Gemini 2.5 Pro в каталоге Study AI обозначена как продвинутая нейросеть Google и также находится среди бесплатных моделей. Она полезна для объяснения сложных тем, проверки логики, работы с формулами, кода и текстов, которым нужна ясная структура. По сравнению с Flash-моделями она больше подходит для задач, где важен ход решения, а не только скорость ответа.

👉 Попробовать Gemini 2.5 Pro →

Gemini 2.5 Flash Lite — самая простая точка входа в линейку. В каталоге Study AI она представлена как быстрая модель Google и доступна в бесплатной категории. Её разумно использовать для перевода короткого текста, простой классификации, вариантов заголовка, списков и других запросов, где не требуется глубокое рассуждение.

👉 Запустить Gemini 2.5 Flash Lite →

Если выбирать совсем коротко: Argon нужен для самых тяжёлых и длинных задач; Gemini 3.7 Flash — для быстрой ежедневной работы; Gemini 3.6 Flash и 3.1 Pro — для анализа и кода без максимального режима; бесплатные Gemini 3.1 Flash, 2.5 Pro и 2.5 Flash Lite — для знакомства с линейкой и повседневной рутины.

👉 Сравнить модели Gemini в Study AI →

Главная новинка Argon не в одном из тестов, а в устройстве окна. У предыдущих моделей Gemini вход мог достигать миллиона токенов, а вот ответ ограничивался примерно 64 тысячами. У Argon вход, размышления и ответ делят один общий бюджет в 1 048 576 токенов. Если вы отправили промпт на 100 тысяч, на ответ остаётся почти 950 тысяч.

Основные параметры модели:

Фраза «Argon пишет до миллиона токенов» верна, но с оговоркой: обычный запрос столько не даст. Для длинных ответов нужен отдельный режим. Он генерирует текст порциями по 64 тысячи токенов и склеивает их в один результат. В Gemini API он работает через Interactions API с фоновым выполнением, в Vertex SDK сам следует за токенами продолжения.

На практике это даёт возможность попросить одним запросом полную техническую документацию, перевод большой главы или разбор сотен страниц договоров с подробным отчётом. Для коротких задач режим не нужен, а за каждый выданный токен вы платите, поэтому длинное декодирование стоит включать осознанно.

Модель умеет думать на разной глубине. На низком уровне она отвечает быстро и дёшево, на среднем, который включён по умолчанию, работает в повседневном режиме, а на высоком тратит больше токенов на сложную аналитику. Запрос «Argon High» относится именно к высокому уровню, а не к отдельной версии модели.

В тестах разработчиков из сторонних сервисов Argon давал тот же процент верных ответов, что и Gemini 3.1 Pro, но тратил на размышления заметно меньше токенов и отвечал быстрее. Эти замеры сделаны на небольшом наборе задач, так что относиться к ним стоит как к ориентиру, а не как к приговору.

Argon остаётся текстовой моделью. Принимает она много, а возвращает только текст. Для картинок в экосистеме Google есть Nano Banana, а для видео — Gemini Omni Flash и Google Veo 3.1. Если ваш сценарий требует картинки или ролика, их придётся делать в отдельных моделях.

👉 Проверить длинный контекст Gemini 4 Argon →

Цену Google подала как вводную. До 30 ноября 2026 года действует сниженный тариф, с 1 декабря стоимость вырастет вдвое.

До конца ноября тарифы выглядят так:

Есть и приятная деталь: тариф единый на всё окно. У Gemini 3.1 Pro цена росла после 200 тысяч токенов, у Argon такой ступени нет. Размышления оплачиваются как выходные токены.

Для сравнения: Claude Opus 5.5 стоит 4завходи4завходи20 за выход, GPT-6.1 Sol — 2и2и10, а GPT-6 Astra — 10и10и50. Получается, что до конца ноября Argon обходится в два раза дешевле Opus, а с декабря сравняется с ним по прайсу. Однако в расчёте на задачу картина другая. По замерам Artificial Analysis, средняя задача обходится в 1,99наArgon,1,99наArgon,3,26 на GPT-6 Astra и $5,98 на Claude Opus 5.5, потому что Argon тратит меньше токенов на размышления.

👉 Попробовать Gemini 4 Argon для большой задачи →

Выкатка шла в несколько этапов:

Одна оговорка: даже у «глобального» релиза доступ не одинаков везде. Регион, тариф, квоты и организационные политики влияют на то, что увидит конкретный пользователь.

Официально сервисы Google для России закрыты: сайт и приложение блокируют российские IP, а российские карты для подписки не принимаются. Поэтому самый короткий путь — агрегатор нейросетей.

Рядом в каталоге доступны и конкуренты. Один и тот же запрос удобно отдать двум-трём моделям и выбрать лучший ответ.

👉 Попробовать нейросеть Gemini 4 Argon →

В собственной таблице Google Argon лидирует в 13 из 19 строк против GPT-6 Astra, Claude Opus 5.5 и Claude Fable 5.1, ещё в одной делит первое место. Ниже ключевые цифры. Все они получены самой Google, независимой проверки на момент запуска не было.

Ключевые результаты из таблицы Google:

Что из этого следует. Argon сильнее всего в двух вещах: в длинных многошаговых задачах и в работе с огромным контекстом. Лучше всего это видно по DeepSWE и GraphWalks. Лидерство в индексе Vals (68,90%) и в тестах на юридических и финансовых агентов подтверждает ту же картину. А вот в терминальном программировании и в FrontierSWE v2 впереди Opus 5.5 и Astra, и отрыв заметный.

Независимая лаборатория Artificial Analysis оценила модели в сводном индексе интеллекта:

В независимом рейтинге модели расположились так:

Argon оказался вровень с Astra и позади Opus 5.5, зато заметно дешевле в пересчёте на задачу. Отдельно лаборатория отметила низкую долю галлюцинаций у Argon в тесте AA-Omniscience: 15% против 51% у Astra на максимальных настройках.

👉 Проверить возможности Gemini 4 Argon на своих данных →

В день анонса Bloomberg опубликовал материал, где сотрудники Google, знакомые с разработкой, сомневаются в том, что модель так же хороша в работе, как в тестах. По их словам, в программировании Argon подводит, особенно во фронтенд-дизайне, то есть там, где решается, как выглядят и работают приложения и сайты. Часть сотрудников считает, что Anthropic и OpenAI развиваются быстрее Gemini и что даже в лучшей форме Argon в отдельных областях отстаёт. Другие, напротив, уверены, что модель догнала лидеров. После публикации рост акций Alphabet сократился с более чем двух процентов примерно до половины процента.

Google отвергла эти утверждения и назвала неверным тезис о слабом программировании. Компания сослалась на «высокий консенсус» внутри команды: модель на переднем крае и прошла строгое тестирование. Глава DeepMind Корай Кавукчуоглу ранее публично заявлял, что полностью доверяет команде.

Что здесь можно сказать честно. Бенчмарки и рабочая практика действительно расходятся нередко, и это касается всех лабораторий. Данные независимых замеров согласуются с осторожной оценкой: Argon не лидер по всем фронтам, но очень силён там, где нужен огромный контекст и длинные цепочки действий. Для фронтенд-разработки и тонкой работы с кодом есть смысл прогнать задачу и через Claude Opus 5.5, а затем сравнить результаты.

👉 Сравнить Gemini 4 Argon с Claude Opus 5.5 →

Универсального победителя среди трёх флагманов нет: у каждого своя зона силы.

Gemini 4 Argon разработала Google DeepMind; модель анонсировали 30 сентября 2026 года. До 30 ноября стандартная цена составляет 2замиллионвходныхтокенови2замиллионвходныхтокенови10 за миллион выходных, затем — 4и4и20. Её главные преимущества — длинные задачи, огромное контекстное окно, юридические и финансовые сценарии. Индекс Artificial Analysis — 52,6, а ответ при длинном декодировании может достигать почти миллиона токенов. В первую очередь модель интересна юристам, аналитикам, финансистам и командам, работающим с большим легаси.

GPT-6 Astra — флагман OpenAI, анонсированный 3 сентября 2026 года. Его цена составляет 10замиллионвходныхи10замиллионвходныхи50 за миллион выходных токенов. Сильные стороны — сложный инжиниринг, научные расчёты и управление компьютером. В индексе Artificial Analysis модель набрала 52,7, максимальный ответ ограничен 128 тысячами токенов. Это вариант для инженеров и исследователей, которым важнее сложное техническое рассуждение, чем минимальная стоимость.

Claude Opus 5.5 выпустила Anthropic 22 сентября 2026 года. Стоимость — 4замиллионвходныхи4замиллионвходныхи20 за миллион выходных токенов. Модель сильна в терминальном программировании и глубоком анализе, лидирует в независимом индексе Artificial Analysis с результатом 57,6 и выдаёт до 128 тысяч токенов. Она подходит разработчикам и техническим командам, для которых качество кода и анализа важнее цены одного запроса.

👉 Сравнить Gemini 4 Argon и другие флагманские нейросети →

Подойдёт, если нужно:

Лучше взять другую модель, если:

👉 Запустить Gemini 4 Argon для документов и аналитики →

Хороший запрос строится по формуле: роль, задача, контекст, исходные данные, требования к результату. Чем мощнее модель, тем больше она выигрывает от подробных вводных. Вот шаблоны, которые раскрывают сильные стороны Argon: большой контекст и длинные ответы.

Документация по проекту целиком.

Вот исходный код проекта. Составь полную техническую документацию: назначение каждого модуля, схему взаимодействия, описание публичных функций с примерами вызова, инструкцию по запуску и раздел частых ошибок. Формат Markdown, заголовки второго и третьего уровня.

Сравнение коммерческих предложений.

Прикрепляю пять коммерческих предложений от подрядчиков. Сведи их в таблицу по срокам, составу работ, гарантиям и условиям оплаты. Отдельно выпиши пункты, которые есть только у одного подрядчика, и вопросы, которые стоит задать каждому перед подписанием.

Методичка из набора источников.

На основе приложенных статей и конспектов подготовь учебное пособие для новичков по теме «...». Структура: введение, восемь глав от простого к сложному, в конце каждой главы три вопроса для самопроверки, итоговый глоссарий.

Перевод с единым глоссарием.

Переведи приложенный документ на русский. Сначала составь глоссарий ключевых терминов с вариантами перевода и выбери один для каждого. Затем переведи весь текст, строго придерживаясь глоссария, и сохрани структуру и форматирование.

Несколько приёмов, которые экономят время и деньги:

👉 Протестировать промты для Gemini 4 Argon →

Что такое Gemini 4 Argon? Это первая модель четвёртого поколения Gemini от Google DeepMind: флагман для долгих сложных задач с контекстным окном около миллиона токенов.

Когда вышел Gemini 4? Анонс состоялся 30 сентября 2026 года. Сначала доступ получили избранные партнёры по кибербезопасности, к середине октября модель открылась в API и подписках Google AI.

Существует ли Gemini 4 Pro? Нет, это неофициальное название из утечек. Первая модель поколения вышла под именем Argon.

Сколько стоит Gemini 4 Argon? В API 2замиллионвходныхи2замиллионвходныхи10 за миллион выходных токенов до 30 ноября 2026, с 1 декабря 4и4и20. В приложении модель входит в подписки Google AI Pro и Ultra.

Правда ли, что Argon пишет до миллиона токенов? Да, но только в режиме длинного декодирования. В обычном запросе ответ ограничен 65 536 токенами.

Умеет ли Argon рисовать и делать видео? Нет. Модель принимает текст, фото, видео, аудио и PDF, но отвечает только текстом. Картинки делает Nano Banana, видео — Omni.

Лучше ли Argon, чем Claude Opus 5.5? Зависит от задачи. Argon сильнее на длинных задачах и огромном контексте и дешевле в пересчёте на задачу. Opus 5.5 впереди в терминальном программировании и в независимом индексе Artificial Analysis.

Работает ли Gemini 4 в России? Официально нет. Без VPN и зарубежной карты модель доступна через агрегатор нейросетей с оплатой в рублях.

Когда выйдут Gemini 4 Flash и другие версии? Google пока не анонсировала облегчённые версии и сроков не называла.

👉 Открыть Gemini 4 Argon без VPN →

Gemini 4 Argon — сильный, но не универсальный флагман. Он выигрывает там, где нужен огромный контекст и длинная цепочка действий, и стоит дешевле соперников в пересчёте на задачу. При этом в терминальном коде и фронтенде у него есть заметные конкуренты, а часть громких цифр пока подтверждена только самой Google.

Самый практичный способ понять, подходит ли модель именно вам, — прогнать на ней свою реальную задачу и сравнить с двумя-тремя другими нейросетями. Сделать это без VPN и зарубежной карты можно на Study AI, где модели Google собраны рядом с Claude, ChatGPT и генераторами картинок и видео.

👉 Попробовать Gemini 4 Argon в Study AI →

Сведения о рекламодателе: ООО "Диджитал Гениус". ИНН 7813681158