رفتن به محتوای اصلی
کوهستان
مدل‌های فرانتیر· 5 دقیقه مطالعه· در هوش مصنوعی

گوگل مدل هوش مصنوعی Gemini 4 Argon را با خروجی یک میلیون توکن معرفی کرد

گوگل با معرفی مدل جمینای ۴ آرگون (Gemini 4 Argon) سقف خروجی توکن‌ها را به یک میلیون افزایش داد تا امکان اجرای پروژه‌های پیچیده برنامه‌نویسی و امنیت سایبری را فراهم کند. این مدل فعلاً تنها در دسترس متخصصان امنیتی تاییدشده قرار دارد.

به قلم آرش رضایی

شرکت گوگل دیپ‌مایند (Google DeepMind) در تاریخ ۳۰ سپتامبر ۲۰۲۶ از مدل هوش مصنوعی جدید خود با نام جمینای ۴ آرگون (Gemini 4 Argon) رونمایی کرد. این مدل که به‌عنوان نسل جدید هوش مصنوعی فرانتیر گوگل معرفی شده، برای انجام وظایف طولانی و چندمرحله‌ای طراحی شده است.[1]

مهم‌ترین ویژگی فنی این مدل، افزایش چشمگیر سقف خروجی توکن‌ها در یک پاسخ واحد است. جمینای ۴ آرگون می‌تواند تا یک میلیون توکن خروجی تولید کند، در حالی که این محدودیت در نسل‌های قبلی جمینای تنها ۶۴ هزار توکن بود.[1][5]

این سقف یک میلیون توکنی، آرگون را در جایگاهی متمایز از رقبای اصلی خود قرار می‌دهد. در حال حاضر، مدل‌های پیشرو مانند GPT-6 Astra از شرکت اوپن‌ای‌آی و Claude Opus 5.5 از آنتروپیک، خروجی خود را به حدود ۱۲۸ هزار توکن محدود کرده‌اند.[3][5]

افزایش سقف خروجی به این معناست که مدل می‌تواند ساعت‌ها بدون نیاز به توقف، خلاصه‌سازی و شروع مجدد، به پردازش ادامه دهد. این قابلیت برای عامل‌های هوش مصنوعی که وظایف پیچیده‌ای مانند بازنویسی کامل یک نرم‌افزار را بر عهده دارند، حیاتی است.[2][5]

مقایسه سقف خروجی توکن‌ها در مدل‌های پیشرو هوش مصنوعی

تحول در مهندسی نرم‌افزار و مهاجرت کد

گوگل در حال حاضر از آرگون در جریان‌های کاری داخلی خود برای پروژه‌های عظیم مهندسی استفاده می‌کند. یکی از مهم‌ترین این پروژه‌ها، مهاجرت کدهای قدیمی نوشته‌شده با زبان‌های C و ++C به زبان امن‌تر Rust است.[1]

در یک نمونه برجسته، عامل‌های مبتنی بر آرگون در حال بازنویسی هسته سیستم‌عامل Fuchsia Zircon هستند. این پروژه شامل بررسی و ترجمه بیش از ۸۰۰ هزار خط کد است که اجرای یکپارچه آن تنها با سقف خروجی یک میلیون توکنی امکان‌پذیر می‌شود.[3][5]

همچنین در پروژه رمزگشای ویدئویی متن‌باز گوگل به نام libgav1، این مدل توانست ۳۲ هزار خط کد دستی را با کدهای خودکار Rust جایگزین کند. نتیجه این عملیات، تولید یک رمزگشای امن از نظر حافظه بود که ۲.۷ برابر سریع‌تر از نسخه قبلی اجرا می‌شود.[1][5]

علاوه بر برنامه‌نویسی، این مدل در بهینه‌سازی زیرساخت‌های ابری نیز موفق عمل کرده است. به گفته گوگل، گروهی از عامل‌های آرگون با تحلیل داده‌های مراکز داده، توانسته‌اند بیش از ۳۰۰ ترابایت حافظه را آزاد کنند.[1]

تمرکز بر امنیت سایبری و محدودیت دسترسی

با وجود این قابلیت‌های گسترده، دسترسی به جمینای ۴ آرگون در حال حاضر برای عموم امکان‌پذیر نیست. گوگل در مرحله نخست، این مدل را تنها از طریق برنامه‌ای به نام Fairwind در اختیار گروهی از مدافعان سایبری تاییدشده قرار داده است.[1][3]

دلیل این محدودیت، توانایی بالای آرگون در کشف و بهره‌برداری از آسیب‌پذیری‌های نرم‌افزاری است. کورای کاووک‌اوغلو، معمار ارشد هوش مصنوعی گوگل، در این باره می‌گوید: «ما این مدل را بدون محدودیت‌های سایبری در اختیار مدافعان تاییدشده قرار می‌دهیم تا بتوانند از تمام ظرفیت‌های فرانتیر آن برای دفاع سایبری بهره ببرند.»[2]

در ارزیابی‌های امنیتی، آرگون عملکرد خیره‌کننده‌ای ثبت کرده است. این مدل در بنچمارک CWE-bench v1 که توانایی رفع آسیب‌پذیری‌های امنیتی را می‌سنجد، با امتیاز ۶۸ درصد در کنار GPT-6 Astra در رتبه نخست قرار گرفت.[2][3]

گوگل همچنین در حال همکاری با دولت ایالات متحده برای بررسی داوطلبانه این مدل پیش از عرضه عمومی است. مشتریان پولی رابط برنامه‌نویسی و مشترکان سرویس Google AI Ultra در نوبت‌های بعدی دسترسی قرار دارند، اما هنوز تاریخ دقیقی اعلام نشده است.[3][5]

عملکرد در بنچمارک‌ها و کاهش خطای توهم

در زمینه مهندسی نرم‌افزار، جمینای ۴ آرگون رکوردهای جدیدی را ثبت کرده است. این مدل در بنچمارک DeepSWE v1.1 که عملکرد در وظایف طولانی‌مدت برنامه‌نویسی را می‌سنجد، به امتیاز ۷۷.۹ درصد دست یافت.[1][2]

این امتیاز، آرگون را بالاتر از رقبای اصلی خود قرار می‌دهد. در همین بنچمارک، مدل Claude Opus 5.5 امتیاز ۷۴.۲ درصد و مدل GPT-6 Astra امتیاز ۷۴.۱ درصد را کسب کرده‌اند که نشان‌دهنده برتری گوگل در این حوزه است.[2][3]

عملکرد مدل‌های فرانتیر در بنچمارک برنامه‌نویسی DeepSWE v1.1

یکی از مهم‌ترین دستاوردهای آرگون، کاهش چشمگیر نرخ توهم (Hallucination) است. بر اساس ارزیابی‌های مستقل موسسه Artificial Analysis، نرخ توهم این مدل تنها ۱۵ درصد است، در حالی که این رقم برای GPT-6 Astra حدود ۵۱ درصد گزارش شده است.[3]

این کاهش خطا به معنای افزایش قابلیت اطمینان مدل در محیط‌های سازمانی است. وقتی آرگون پاسخ سوالی را نمی‌داند، به جای تولید اطلاعات ساختگی، با احتمال بسیار بیشتری به ندانستن آن اعتراف می‌کند.[3][4]

کاربردهای سازمانی و استراتژی قیمت‌گذاری

آرگون در کارهای دانشی سازمانی مانند حقوق و مالی نیز پیشتاز است. این مدل در شاخص Vals که تاثیر اقتصادی هوش مصنوعی را می‌سنجد، با امتیاز ۶۸.۹ درصد در میان ۴۱ مدل برتر در رتبه نخست ایستاد.[3]

گوگل برای جذب توسعه‌دهندگان، استراتژی قیمت‌گذاری تهاجمی را در پیش گرفته است. قیمت معرفی این مدل ۲ دلار به ازای هر یک میلیون توکن ورودی و ۱۰ دلار برای هر یک میلیون توکن خروجی تعیین شده است.[2][3]

علاوه بر این، توکن‌های ورودی ذخیره‌شده (Cached) با ۹۵ درصد تخفیف ارائه می‌شوند. پس از پایان دوره معرفی، قیمت استاندارد به ۴ دلار برای ورودی و ۲۰ دلار برای خروجی افزایش می‌یابد که دقیقاً برابر با قیمت Claude Opus 5.5 است.[3][5]

ساختار قیمت‌گذاری اولیه برای رابط برنامه‌نویسی جمینای ۴ آرگون

بازگشت گوگل به خط مقدم رقابت

معرفی جمینای ۴ آرگون، بازگشت قدرتمند گوگل به رقابت مدل‌های فرانتیر محسوب می‌شود. پس از لغو بی‌سروصدای مدل Gemini 3.5 Pro در اوایل سال ۲۰۲۶، تحلیلگران معتقد بودند که گوگل از اوپن‌ای‌آی و آنتروپیک عقب مانده است.[2][4]

اکنون با ارائه مدلی که می‌تواند یک میلیون توکن خروجی تولید کند و در بنچمارک‌های مستقل هم‌تراز یا برتر از رقبا ظاهر شود، گوگل بار دیگر خود را به عنوان یکی از سه بازیگر اصلی هوش مصنوعی تثبیت کرده است.[4]

تا زمان عرضه عمومی رابط برنامه‌نویسی، توسعه‌دهندگان می‌توانند با آماده‌سازی زیرساخت‌های خود برای وظایف طولانی‌مدت، خود را برای بهره‌برداری از ظرفیت عظیم جمینای ۴ آرگون آماده کنند.[5]

نکات کلیدی

  1. سقف خروجی جمینای ۴ آرگون به یک میلیون توکن افزایش یافته که ۱۶ برابر بیشتر از نسل قبلی است.
  2. دسترسی اولیه به این مدل تنها برای متخصصان امنیت سایبری تاییدشده در برنامه Fairwind امکان‌پذیر است.
  3. این مدل در بنچمارک برنامه‌نویسی DeepSWE v1.1 با امتیاز ۷۷.۹ درصد از رقبای اصلی خود پیشی گرفت.
  4. نرخ توهم (Hallucination) در آرگون به ۱۵ درصد کاهش یافته که نشان‌دهنده قابلیت اطمینان بالای آن است.

آنچه نمی‌دانیم

  • تاریخ دقیق عرضه عمومی این مدل برای توسعه‌دهندگان عادی و کاربران نهایی هنوز مشخص نیست.
  • میزان مصرف انرژی و هزینه‌های زیرساختی گوگل برای پردازش یک میلیون توکن خروجی اعلام نشده است.
  • عملکرد این مدل در دنیای واقعی و خارج از محیط‌های کنترل‌شده گوگل هنوز توسط توسعه‌دهندگان مستقل ارزیابی نشده است.
تیم توسعه‌دهنده گوگل 40%تحلیلگران مستقل هوش مصنوعی 35%متخصصان امنیت سایبری 25%
تیم توسعه‌دهنده گوگل
تمرکز بر قابلیت‌های فرانتیر و اجرای ایمن مدل در محیط‌های حساس.
تحلیلگران مستقل هوش مصنوعی
ارزیابی محتاطانه بنچمارک‌ها و تاکید بر کاهش هزینه‌ها و خطای توهم.
متخصصان امنیت سایبری
استقبال از توانمندی‌های خودکارسازی در کشف و رفع آسیب‌پذیری‌ها.

دیدگاه‌هایی که این گزارش پوشش نداده

  • توسعه‌دهندگان مستقل نرم‌افزار
  • شرکت‌های کوچک و استارتاپ‌ها

منابع

پوشش منابع

5 منبع

3 دیدگاه شناسایی‌شده

تیم توسعه‌دهنده گوگل 40%تحلیلگران مستقل هوش مصنوعی 35%متخصصان امنیت سایبری 25%
  1. [1]Google Blogتیم توسعه‌دهنده گوگل

    Gemini 4 Argon: our next era of frontier intelligence

    مطالعه در Google Blog →
  2. [2]9to5Googleتیم توسعه‌دهنده گوگل

    Google announces Gemini 4 Argon as its new frontier model

    مطالعه در 9to5Google →
  3. [3]NeuralTrustتحلیلگران مستقل هوش مصنوعی

    What is Gemini 4 Argon, and can you use it yet?

    مطالعه در NeuralTrust →
  4. [4]Artificial Analysisتحلیلگران مستقل هوش مصنوعی

    Gemini 4 Argon: Google is back as one of the top three labs in intelligence achieved

    مطالعه در Artificial Analysis →
  5. [5]Lorphicمتخصصان امنیت سایبری

    What Is Gemini 4 Argon? Google's New Frontier Model Explained (2026)

    مطالعه در Lorphic →

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار هوش مصنوعی با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.