जेमिनी 4 आर्गन: फीचर्स, बेंचमार्क, कीमतें, और एक्सेस
Google का नया फ्रंटियर मॉडल एंटरप्राइज नॉलेज वर्क और वास्तविक दुनिया की सॉफ्टवेयर इंजीनियरिंग में आगे है, 1M आउटपुट टोकन सीमा के साथ शिप होता है, और पहले साइबर डिफेंडर्स तक पहुंचता है।
OpenAI ने 29 सितंबर, 2026 को DevDay पर GPT-6.1 Sol जारी किया, जो GPT-6 Astra की लागत समस्या को ठीक करने के लिए बना एक मिड-टियर मॉडल है। एक दिन बाद, Google ने जेमिनी 4 आर्गन की घोषणा की, और यह रिलीज़ डेवलपर्स से पहले साइबरसुरक्षा टीमों तक जा रही है।
Google DeepMind के एसवीपी कोराय कवुकचुओग्लू ने 30 सितंबर, 2026 को आर्गन को Google का फ्रंटियर मॉडल बताया, जो लंबी-अवधि के काम के लिए है: वास्तविक दुनिया का सॉफ्टवेयर इंजीनियरिंग, कानूनी और वित्तीय ज्ञान-आधारित कार्य, और साइबर रक्षा।
सबसे बड़ा इंजीनियरिंग बदलाव आउटपुट टोकन सीमा है, जो 64K से बढ़कर 1M टोकन हो गई है। यह DeepSWE v1.1 पर 77.9% के साथ नया स्टेट-ऑफ-द-आर्ट सेट करता है, और इसे पहले Fairwind Program के माध्यम से विश्वसनीय साइबर डिफेंडर्स के एक समूह को रोल आउट किया जा रहा है।
आर्गन Google का नया फ्रंटियर मॉडल है, और यह सार्वजनिक API तक पहुंचने से पहले Fairwind Program के जरिए विश्वसनीय साइबर डिफेंडर्स को दिया जा रहा है।
जो संरचनात्मक बदलाव मायने रखता है वह इनपुट कॉन्टेक्स्ट नहीं, बल्कि आउटपुट लंबाई है: आर्गन पिछली 64K सीमा से 16 गुना लंबी एकल ट्रैजेक्टरी लिख सकता है।
यह Google द्वारा प्रकाशित हर एंटरप्राइज नॉलेज-वर्क बेंचमार्क में आगे है, और कानूनी कार्य पर मार्जिन काफ़ी बड़ा है।
GPT-6 Astra अब भी टर्मिनल-आधारित विज्ञान कार्यों और FrontierSWE v2 में जीतता है, और Claude Opus 5.5 अब भी Terminal-bench 4.0 में आगे है।
$2 प्रति मिलियन इनपुट टोकन की प्रारंभिक कीमत Astra से 5x सस्ती है, लेकिन प्रोमो खत्म होने पर यह दोगुनी हो जाती है।
अभी स्विच करने के लिए कुछ नहीं है। कोई सार्वजनिक मॉडल ID नहीं, कोई क्लाउड लिस्टिंग नहीं, और किसी स्कोर की तृतीय-पक्ष पुनरुत्पत्ति नहीं।
Gemini 4 Argon क्या है?
जेमिनी 4 आर्गन Google का नया फ्रंटियर मॉडल है, जो Gemini 3.8 लाइन से ऊपर, जेमिनी परिवार के शीर्ष पर स्थित है, जो सितंबर 2026 तक शिप हुआ।
Google इसे जटिल, लंबी-अवधि वाले वर्कफ़्लो में गहन तर्क को बनाए रखने के लिए बना हुआ बताता है, जिसमें तीन नामित लक्ष्य डोमेन हैं: सॉफ्टवेयर इंजीनियरिंग, कानूनी और वित्त जैसे एंटरप्राइज नॉलेज वर्क, और साइबरसुरक्षा रक्षा।
सबसे स्पष्ट पीढ़ीगत बदलाव आउटपुट टोकन सीमा को 64K से बढ़ाकर 1M करना है, जिसका मतलब है कि आर्गन एक ही ट्रैजेक्टरी में लाखों टोकन तक जेनरेट कर सकता है, बजाय इसके कि रोका जाए और फिर से प्रॉम्प्ट किया जाए।
Gemini 4 Argon की प्रमुख विशेषताएं
आर्गन की फीचर सेट घंटों तक चलने वाले कार्यों के इर्द-गिर्द संगठित है, सेकंडों के नहीं, जो आउटपुट बजट, एजेंट कार्य, और साइबर टूलिंग में दिखता है। यहां चार क्षमताएं हैं जो वास्तव में आप क्या बना सकते हैं उसे बदलती हैं।
एक ही पास में 1M टोकन लिखें
आर्गन एक जेनरेशन में अधिकतम 1M आउटपुट टोकन बना सकता है, जबकि पिछली पीढ़ी में यह 64K था।
Google का तर्क है कि हेडरूम केवल लंबाई नहीं, बल्कि तर्क की गुणवत्ता बदलता है: जब मॉडल एक ही ट्रैजेक्टरी में लाखों टोकनों में सोच और जेनरेट कर सकता है, तो यह बिना चंक्स में बाँटने और स्टेट लॉस के कठिन समस्याएं हल करता है।
तुलना के लिए, GPT-6 Astra 1.05M संदर्भ विंडो के साथ आउटपुट को 128K टोकन पर कैप करता है।
यदि आपने कभी देखा है कि कोई एजेंट बड़े रिफैक्टर के बीच में आउटपुट सीमा से टकराकर फिर से शुरू होने की वजह से धागा खो देता है, तो यही बाधा हट रही है।
कहने की बात यह है कि बिलिंग। $10 प्रति मिलियन आउटपुट टोकन पर लंबी जेनरेशन जल्दी महंगी हो जाती है, और Google ने प्रकाशित नहीं किया है कि क्या रीज़निंग टोकन आउटपुट दर पर बिल होते हैं।
कोडबेस माइग्रेशन एंड-टू-एंड चलाएं
आर्गन एजेंट्स Google के भीतर पहले से ही C और C++ कोडबेस को Rust में माइग्रेट कर रहे हैं, re2 और libgav1 जैसी कोर लाइब्रेरी में दर्जनों हज़ार लाइनों से लेकर Fuchsia OS Zircon कर्नेल के लिए 800K+ लाइनों तक स्केल करते हुए।
यह वही काम है जो आमतौर पर इंजीनियर-क्वार्टर्स खा जाता है, और Google कहता है कि ये री-राइट प्रोडक्शन से पहले स्वचालित और मैनुअल ऑडिटिंग, एमुलेशन टेस्टिंग, और रिव्यू से गुजरते हैं।
libgav1 का परिणाम बार-बार ध्यान खींचता है।
आर्गन एजेंट्स ने Google के ओपन सोर्स वीडियो डिकोडर के मौजूदा Rust पोर्ट को लिया और प्रोफ़ाइल-गाइडेड प्रयोगों के राउंड चलाकर और कंपाइलर आउटपुट का अध्ययन करके 32K लाइनों के हस्तलिखित SIMD कोड को बदल दिया, जब तक कि कंपाइलर ने सेफ Rust को स्वतः वेक्टराइज़ न कर दिया।
नतीजा एक मेमोरी-सेफ डिकोडर है जो समान वीडियो आउटपुट के साथ Rust पोर्ट से 2.7x तेज चलता है।
Google में आंतरिक डिप्लॉयमेंट परिणाम
दो आंतरिक संख्याएं उल्लेख योग्य हैं क्योंकि वे पूरे ऐलान में वास्तविक दुनिया के परिणामों के सबसे करीब हैं।
Google कहता है कि आर्गन एजेंट्स की एक टीम ने फ़्लीट-व्यापी प्रोफाइलिंग टेलीमेट्री का विश्लेषण किया और उसके डाटा सेंटर्स में स्वायत्त रूप से मेमोरी ऑप्टिमाइज़ेशन लागू किए, जिससे रोलआउट के बाद 300 TiB से अधिक मेमोरी मुक्त हुई, और कुल बचत 500 TiB से 1 PiB तक आंकी गई है।
दूसरा क्वांटम कंप्यूटिंग रिसर्च से है, जहाँ आर्गन ने उन सबरूटीनों के स्पेसटाइम संसाधनों (क्यूबिट्स × गेट्स) को ऑप्टिमाइज़ करने में मदद की जो एप्लिकेशन को बाधित करते हैं। एक मामले में, इसने प्रकाशित बेसलाइन को मिनटों में 40% से हरा दिया।
किसी का भी बाहरी सत्यापन नहीं है, लेकिन दोनों पर्याप्त विशिष्ट हैं कि बाद में जांची जा सकें।
विज़ुअल कॉन्टेक्स्ट के साथ फाइनेंस, लीगल, और बिजनेस ऑटोमेशन संभालें
आर्गन सीधे-सीधे उस नॉलेज वर्क पर लक्षित है जहाँ साक्ष्य टेक्स्ट प्रॉम्प्ट में नहीं, बल्कि चार्ट, फाइलिंग्स और वीडियो में रहते हैं।
Google पेशेवर चार्ट विश्लेषण, लंबी वीडियो से विवरण खींचना, और दस्तावेज़ों की एक श्रृंखला में एक्शन लेना जैसे प्राथमिक उपयोग मामलों का हवाला देता है, और आर्गन लंबी वीडियो समझ के लिए LVBench पर 91.7% स्कोर करता है।
इसका व्यावहारिक रूप, उदाहरण के लिए, एक मल्टी-स्टेप वित्तीय रिसर्च टास्क है जिसमें मॉडल एक डेक पढ़ता है, एक तालिका को क्रॉस-चेक करता है, और फिर किसी बिजनेस सिस्टम पर एक्शन लेता है।
आर्गन Zapier के AutomationBench पर 51.3% के साथ पहले स्थान पर है, जो सिंगल-टर्न उत्तरों के बजाय कोर बिजनेस फ़ंक्शंस में एंड-टू-एंड निष्पादन को मापता है।
गार्डरेल हटाकर कमजोरियां ढूंढ़ें और पैच करें
यह रिलीज़ का सबसे असामान्य हिस्सा है।
Fairwind Program के विश्वसनीय डिफेंडर्स और Google की आंतरिक टीमों के लिए, Google आर्गन को साइबर गार्डरेल्स के बिना शिप कर रहा है, ताकि इन टीमों को रक्षात्मक कार्य के लिए मॉडल की पूर्ण ऑफेंसिव-सम्बद्ध क्षमता मिल सके: सॉफ्टवेयर कमजोरियों को स्वायत्त रूप से ढूंढ़ना, वैलिडेट करना, और पैच करना।
Wiz पहले से ही अपने Scan for Good इनिशिएटिव के माध्यम से आर्गन चला रहा है, जो सार्वजनिक इंफ्रास्ट्रक्चर में उच्च-जोखिम एक्सपोज़र को मुफ्त में रेमेडिएट करता है।
एक शुरुआती डेमो में, आर्गन ने दुनिया भर के अस्पतालों में उपयोग होने वाले हेल्थकेयर सॉफ्टवेयर में संवेदनशील व्यक्तिगत जानकारी को उजागर करने वाली एक गंभीर भेद्यता का पता लगाया, जिसे Google कहता है कि पिछली फ्रंटियर मॉडल्स ने मिस कर दिया था।
इसके साथ ही, Google कहता है कि आर्गन अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन के खिलाफ इसका सबसे रेज़िलिएंट मॉडल है और Gray Swan के IPI बेंचमार्क में आगे है, और चेन-ऑफ-थॉट और एक्शन मॉनिटर्स तब निष्पादन रोक देते हैं जब मॉडल यूज़र इंटेंट से बाहर भटकता है।
Google यह भी नोट करता है कि उसने जानबूझकर मॉनिटरिंग फाइंडिंग्स को ट्रेनिंग से बाहर रखा ताकि आर्गन का तर्क मॉनिटर्स से बचने के लिए आकार न ले, जो एक ऐसा विवरण है जिसे काश और लैब्स प्रकाशित करते।
बेंचमार्क पर Gemini 4 Argon का प्रदर्शन कैसा है?
आर्गन GPT-6 Astra, Claude Fable 5.1, और Claude Opus 5.5 के मुकाबले Google द्वारा प्रकाशित 19 में से 13 बेंचमार्क में आगे है, और जीतें नॉलेज वर्क, लंबा कॉन्टेक्स्ट, और वल्नरेबिलिटी रेमेडिएशन में क्लस्टर होती हैं।
हारें टर्मिनल-चालित विज्ञान और दो SWE सूट में से एक में क्लस्टर होती हैं, जो एक साफ़-सुथरी स्वीप से ज्यादा रोचक पैटर्न है।
एंटरप्राइज नॉलेज वर्क
यह आर्गन का सबसे मजबूत क्षेत्र है और यही वजह है कि Google ने लॉन्च को लीगल और फाइनेंस के इर्द-गिर्द फ्रेम किया।
वेल्स इंडेक्स पर, जो फाइनेंस, कोडिंग, लीगल, और टैक्स वर्क को अमेरिकी GDP योगदान के हिसाब से वेट करता है, आर्गन 68.9% स्कोर करता है, जबकि Claude Opus 5.5 के लिए 67.0%, Claude Fable 5.1 के लिए 65.8%, और GPT-6 Astra के लिए 63.1% है।
डोमेन-विशिष्ट एजेंट इवैल्स पर गैप और चौड़ा हो जाता है।
आर्गन Vals Finance Agent v2 (मल्टी-स्टेप वित्तीय रिसर्च) पर 65.4% हिट करता है, जबकि Fable 5.1 के लिए 58.9% और Astra के लिए 53.5% है, और AutomationBench पर 51.3%, जबकि Opus 5.5 के लिए 42.5% और Fable 5.1 के लिए 31.4% है।
हार्वी का लीगल एजेंट बेंचमार्क अपवाद है।
आर्गन 19.6% स्कोर करता है, जबकि Fable 5.1 के लिए 6.7%, Astra के लिए 5.4%, और Opus 5.5 के लिए 3.8% है। हर मॉडल इस बेंचमार्क के अधिकांश हिस्से में असफल हो रहा है, इसलिए इसे बिना सुपरविजन किसी मॉडल को कॉन्ट्रैक्ट देने के बजाय, लीगल रिसर्च और ड्राफ्टिंग पर एक सापेक्ष संकेत के रूप में पढ़ें।
एजेंटिक कोडिंग
आर्गन DeepSWE v1.1 पर 77.9% के साथ आगे है, जबकि Claude Opus 5.5 74.2%, GPT-6 Astra 74.1%, और Claude Fable 5.1 67.4% पर हैं।
DeepSWE वास्तविक रिपॉजिटरीज़ के खिलाफ लंबी-अवधि सॉफ्टवेयर इंजीनियरिंग को मापता है, इसलिए यह उन मॉडलों को रिवॉर्ड करता है जो एक अच्छे डिफ्फ़ बनाने के बजाय कई एडिट्स में एक प्लान पकड़ कर रख सकते हैं।
कीमत जोड़ने पर यह परिणाम अलग पढ़ता है।
हमारे GPT-6.1 Sol कवरेज में, हमने नोट किया था कि Sol ने DeepSWE v1.1 पर Astra की बराबरी लगभग पाँचवें हिस्से की लागत पर की, $2 इनपुट और $10 आउटपुट प्रति मिलियन टोकन पर।
आर्गन की प्रारंभिक दर बिल्कुल वही $2/$10 है, और यह Astra के DeepSWE स्कोर को 3.8 अंकों से हराता है।
Vibe Code Bench भी आर्गन को जाता है, 91.9% पर, जबकि दोनों Claude मॉडलों के लिए 90.3% और Astra के लिए 89.6% है, हालांकि चार फ्रंटियर मॉडलों में 1.6-बिंदु का अंतर लगभग शोर के बराबर है।
लंबा कॉन्टेक्स्ट और मल्टीमॉडल समझ
लंबे-कॉन्टेक्स्ट का गैप पूरी तालिका में सबसे चौड़ा है।
GraphWalks BFS F1 पर 256K से 1M टोकनों के पार, आर्गन 84.2% स्कोर करता है, जबकि Astra के लिए 71.8%, Opus 5.5 के लिए 66.8%, और Fable 5.1 के लिए 65.0% है।
128K तक, सबके स्कोर ऊँचे हैं, लेकिन आर्गन फिर भी 99.7% पर आगे है।
GraphWalks मॉडल से प्रॉम्प्ट में वर्णित ग्राफ़ को ट्रैवर्स करने को कहता है, इसलिए जब बहुत लंबी विंडो के पार रिट्रीवल अविश्वसनीय हो जाता है तो यह तेज़ी से गिरता है।
1M छोर पर Astra पर 12.4-बिंदु की बढ़त वही तरह का मार्जिन है जो तय करता है कि क्या आप एक ही कॉल में पूरा रिपॉजिटरी या पूरी डिपोज़िशन सेट फीड कर सकते हैं।
मल्टीमॉडल कार्य पर, आर्गन LVBench पर 91.7% (Astra के 87.5% और Fable 5.1 के 79.7% के मुकाबले) और Chartography पर 71.6% लेता है, जो Astra के 71.0% से थोड़ा आगे है।
CWE-bench v1 पर, जो यह मूल्यांकन करता है कि कोई मॉडल वास्तविक सुरक्षा कमजोरियों को रेमेडिएट कर सकता है या नहीं, आर्गन GPT-6 Astra के साथ पहले स्थान पर 68% पर टाई करता है, जबकि Opus 5.5 67% और Fable 5.1 58% पर हैं।
यहाँ टाई उचित परिणाम है, और Google अपना केस डिस्कवरी साइड पर बनाता है।
3.8 Flash Cyber के मुकाबले, Google रिपोर्ट करता है कि आर्गन ने अपनी आंतरिक वल्नरेबिलिटी बेंचमार्क पर 20 प्रोग्रामिंग भाषाओं में फैले कोडबेस में एक्सपोज़र का पता लगाया, और Wiz के ब्लैक-बॉक्स पेनिट्रेशन टेस्टिंग बेंचमार्क पर अटैक सरफेस मैपिंग, कमजोरियाँ ढूंढ़ने, और प्रूफ-ऑफ-कॉन्सेप्ट साक्ष्य बनाने में 3.8 Flash Cyber को पीछे छोड़ा।
ब्लैक-बॉक्स का मतलब है सोर्स कोड तक कोई पहुँच नहीं, जो इस बात के करीब है कि कोई बाहरी हमलावर किसी लाइव वेब सिस्टम को कैसे देखता है।
जहाँ आर्गन पीछे रह जाता है
Google ने हारें भी प्रकाशित कीं, जिसकी मैं सराहना करता हूँ।
इनमें से चार मुझे हाइलाइट करने लायक लगती हैं:
FrontierSWE v2: आर्गन 55.0% जबकि GPT-6 Astra 65.5% और Opus 5.5 62.3% पर है, यानी कठिन SWE सूट में 10.5-बिंदु की कमी।
Terminal-bench 4.0: आर्गन 57.4% जबकि Opus 5.5 66.4% पर है। हमारे Claude Sonnet 5.5 टेस्टिंग ने मिड-टियर Sonnet को इसी बेंचमार्क पर 70.6% पर रखा, तो टर्मिनल-चालित एजेंट कार्य में आर्गन अपने से काफी सस्ते मॉडल से भी पीछे है।
Terminal-Bench Science 0.1: आर्गन 57.6% जबकि Astra 68.1% पर है, यानी शेल के माध्यम से निष्पादित वैज्ञानिक कार्यों पर 10.5-बिंदु का गैप।
PostTrainBench और OSWorld-2.0: एमएल इंजीनियरिंग पर आर्गन 45.3% स्कोर करता है, जबकि Opus 5.5 49.3% पर है, और OSWorld-2.0 ऑफलाइन सबसेट पर 69.2% जबकि Astra 72.6% पर है।
आर्गन अन्य जगहों पर विज्ञान और गणित को थामे हुए है, LABBench 2 पर 88.8% (Astra के 85.4% और Fable 5.1 के 68.6% के मुकाबले) और RiemannBench पर 76.0% (Astra के 72.0% के मुकाबले) के साथ।
मैं यहाँ जो पैटर्न देख सकता हूँ वह यह है कि आर्गन बेहतर प्लानर और रीडर है, जबकि Astra और Opus 5.5 अब भी टर्मिनल ड्राइव करने में बेहतर हैं।
यहाँ पूरा प्रकाशित सेट है, ताकि आप इसमें अपना वर्कलोड ढूंढ़ सकें।
बेंचमार्क
Gemini 4 Argon
GPT-6 Astra
Claude Fable 5.1
Claude Opus 5.5
Vals Index
68.9%
63.1%
65.8%
67.0%
AutomationBench
51.3%
41.4%
31.4%
42.5%
Vals Finance Agent v2
65.4%
53.5%
58.9%
58.6%
Harvey's Legal Agent Benchmark
19.6%
5.4%
6.7%
3.8%
DeepSWE v1.1
77.9%
74.1%
67.4%
74.2%
FrontierSWE v2
55.0%
65.5%
56.3%
62.3%
Vibe Code Bench
91.9%
89.6%
90.3%
90.3%
Terminal-bench 4.0
57.4%
58.2%
57.9%
66.4%
PostTrainBench
45.3%
44.3%
40.2%
49.3%
Terminal-Bench Science 0.1
57.6%
68.1%
52.6%
63.3%
LABBench 2
88.8%
85.4%
68.6%
73.1%
RiemannBench
76.0%
72.0%
65.6%
69.6%
GraphWalks (up to 128K, BFS F1)
99.7%
98.7%
91.4%
90.6%
GraphWalks (256K to 1M, BFS F1)
84.2%
71.8%
65.0%
66.8%
Agent's Last Exam (pass rate)
39.5%
34.2%
—
38.2%
OSWorld-2.0 (offline subset)
69.2%
72.6%
—
—
Chartography
71.6%
71.0%
46.2%
66.3%
LVBench
91.7%
87.5%
79.7%
83.7%
CWE-bench v1
68.0%
68.0%
58.0%
67.0%
वाइड रिलीज़ से पहले Google सुरक्षा पर क्या कर रहा है
Google आर्गन को जनरल रिलीज़ से रोक रहा है जबकि वह चार सुरक्षा-रक्षा क्षेत्रों को सख्त कर रहा है, और उसने ऐलान में चारों का नाम लिया। यह किसी भी व्यक्ति के लिए मायने रखता है जो टूल एक्सेस वाले एजेंट को डिप्लॉय करने की योजना बना रहा है।
दुरुपयोग: Google के Frontier Safety Framework के अनुसार, आर्गन साइबर और CBRN अनुरोधों को अस्वीकार करता है जबकि द्वि-उपयोग वाले वैज्ञानिक शोध को संरक्षित रखता है, और आंतरिक व बाहरी रेड टीमें मैनुअल और स्वचालित अटैक चलाती हैं। Google दुरुपयोग पकड़ने के लिए मॉडल की आंतरिक एक्टिवेशन भी मॉनिटर कर रहा है।
अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन: स्वचालित रेड टीमिंग और एडवर्सेरियल ट्रेनिंग के बाद Google रिपोर्ट करता है कि आर्गन Gray Swan के IPI बेंचमार्क में आगे है।
मिसअलाइन्मेंट: मॉनिटर्स चेन-ऑफ-थॉट और एक्शंस पर नज़र रखते हैं और जब आर्गन यूज़र इंटेंट से आगे बढ़ता है तो निष्पादन रोक देते हैं, और Google कहता है कि उसने इन निष्कर्षों को ट्रेनिंग से बाहर रखा ताकि मॉडल इन्हें चकमा देना न सीख ले।
सिस्टम हार्डनिंग: Google की एजेंट कंट्रोल रोडमैप का पालन करते हुए, सैंडबॉक्स्ड इन्वायरनमेंट्स को उच्च-जोखिम ट्रेनिंग या इवैलुएशन रन से पहले आइसोलेट और सील किया जाता है।
Gemini 4 Argon की कीमत
आर्गन $2 प्रति मिलियन इनपुट टोकन और $10 प्रति मिलियन आउटपुट टोकन की प्रारंभिक दर पर लॉन्च होता है, जिसमें कैश्ड इनपुट टोकन इनपुट दर से 95% छूट पर हैं। प्रारंभिक अवधि के बाद, दर $4 प्रति मिलियन इनपुट और $20 प्रति मिलियन आउटपुट तक बढ़ जाती है। Google ने प्रकाशित नहीं किया है कि रीज़निंग टोकन आउटपुट दर पर बिल होते हैं या नहीं।
मैदान के मुकाबले, प्रारंभिक कीमत आक्रामक है, और मानक कीमत नहीं। $2/$10 पर, आर्गन GPT-6.1 Sol की दर से बिल्कुल मेल खाता है जबकि GPT-6 Astra के $10/$50 को 5x से अंडरकट करता है। पोस्ट-प्रोमो $4/$20 पर, यह वही दर बन जाती है जिसे हमने अपने Opus 5.5 API ट्यूटोरियल में Claude Opus 5.5 के लिए डॉक्युमेंट किया था।
लागत का एक और कोण: कच्ची प्रति-टोकन कीमत किसी कार्य की कुल लागत छिपा देती है। हमारे GPT-6.1 Sol कवरेज में, हमने GPT-6 Astra के लिए प्रति Terminal-Bench Science 0.1 टास्क $23.80 और Sol के लिए $5.47 रिकॉर्ड किया, इसलिए कोई मॉडल बेंचमार्क जीतकर भी इनवॉइस पर हार सकता है। Google ने आर्गन के लिए प्रति-टास्क लागत प्रकाशित नहीं की है, जो वह संख्या है जिसे मैं किसी एजेंट फ़्लीट को कमिट करने से पहले देखना चाहूँगा।
Google ने प्रारंभिक अवधि की लंबाई प्रकाशित नहीं की है, इसलिए किसी भी ऐसी चीज़ के लिए जो पायलट से आगे जीवित रहती है, $4/$20 दर के लिए बजट बनाएं।
कुल बिल लगभग (प्रति टोकन कीमत) × (उपयोग हुए टोकन) होता है, और कोई मॉडल पहले पर सस्ता और दूसरे पर महंगा हो सकता है। इसलिए, लंबी रीज़निंग या थिंकिंग ट्रेसेज़ और लब्बोलुआब-भरे उत्तर महंगे हो सकते हैं। साथ ही, एजेंटिक वर्कफ़्लो में मल्टी-स्टेप उपयोग होता है, जिसका मतलब है हर स्टेप बढ़ते कॉन्टेक्स्ट को फिर से भेजता है, और इनपुट लागतें जुड़ती जाती हैं। इसी वजह से कुछ लोग लागतों पर अधिक संदेहशील हैं:
प्रतिस्पर्धी पक्ष पर भी ध्यान देने लायक: सितंबर 2026 में Anthropic की Claude Opus 5.5 की पोज़िशनिंग प्रदर्शन के लिहाज़ से Fable 5.1 के तुलनीय थी, Opus 5 की तुलना में लगभग 40% कम रनिंग कॉस्ट पर, इसलिए $4/$20 मानक दर पर आर्गन पर दबाव बेहतर मॉडलों से नहीं, बल्कि सस्ते मॉडलों से आएगा।
Gemini 4 Argon की उपलब्धता
उपलब्धता असली बाधा है। आर्गन Fairwind Program के माध्यम से विश्वसनीय साइबर डिफेंडर्स के एक सेट तक रोल आउट हो रहा है, और Google कहता है कि वह पूर्व-रिलीज़ मॉडल एक्सेस के लिए अमेरिकी सरकार की स्वैच्छिक प्रक्रिया में शामिल है, जबकि वह धीरे-धीरे विस्तार कर रहा है। सामान्य एक्सेस बाद में आएगा, जिसकी शुरुआत पेड API ग्राहकों और Google AI Ultra सब्सक्राइबर्स से होगी। कोई फ्री टियर नहीं, कोई वेटलिस्ट लिंक नहीं, और ऐलान में कोई प्रकाशित रेट लिमिट नहीं।
एक बात ध्यान रखने की: Google का सार्वजनिक AI प्राइसिंग पेज आखिरी बार 24 सितंबर, 2026 को अपडेट हुआ था, और वहाँ दिखने वाली दरें ($0.75 इनपुट और $3.75 आउटपुट प्रति मिलियन, 31 दिसंबर, 2026 तक प्रोमोशनल, 1 जनवरी, 2027 को $1.50/$7.50 तक बढ़ती हुई) जेमिनी 3.8 फ्लैश टियर की हैं, आर्गन की नहीं।
Gemini 4 Argon तक एक्सेस कैसे पाएं?
अभी ज्यादातर नहीं मिल सकता। Google ने जेमिनी 4 आर्गन के लिए API मॉडल ID प्रकाशित नहीं की है, और मैं मार्केटिंग नाम से इसका अंदाज़ा नहीं लगाऊँगा। आज एक्सेस Fairwind Program के विश्वसनीय साइबर डिफेंडर्स के समूह और Google की आंतरिक टीमों के माध्यम से चलता है।
30 सितंबर, 2026 तक, आर्गन OpenRouter कैटलॉग या models.dev कैटलॉग में सूचीबद्ध नहीं है, और यह Google Vertex AI, Gemini CLI, Cursor, या GitHub Copilot मॉडल डॉक में दिखाई नहीं देता। Azure AI Foundry और AWS Bedrock मॉडल पेजों की भी किसी तरफ से पुष्टि नहीं हो सकी। जब यह पेड API ग्राहकों के लिए आएगा, तो कॉल शेप मानक जेमिनी वाला होगा:
from google import genai
client = genai.Client()# Model ID for Gemini 4 Argon is not published as of September 30, 2026.
response = client.models.generate_content(
model="<argon-model-id>",
contents="Audit this module for memory-safety issues and propose a patch.",)print(response.text)संचालित द्वारा
यदि आप इस बीच प्लंबिंग तैयार रखना चाहते हैं, तो हमारा Claude Opus 5.5 API ट्यूटोरियल रीड-ओनली टूल्स और प्रोग्रामेटिक टूल कॉलिंग के साथ एक एजेंटिक इन्वेस्टिगेटर बनाने की वॉकथ्रू देता है, और वही पैटर्न्स वेंडर्स के बीच केवल मॉडल ID स्वैप से पोर्ट हो जाते हैं।
लोग Gemini 4 Argon के बारे में क्या कह रहे हैं
Fairwind समूह के बाहर लगभग किसी ने अभी तक आर्गन का उपयोग नहीं किया है, इसलिए ज्यादातर प्रतिक्रियाएँ ऐलान की पहली छाप हैं, हैंड्स-ऑन टेस्ट नहीं। बातचीत कुछ इस तरह चली है, व्यापक से विशिष्ट तक।
बड़ी तस्वीर / पहली छाप: लोग प्रभावित हैं।
पहली छापों को बेंचमार्क नतीजों से अलग नहीं किया जा सकता। वेल्स इंडेक्स पर प्रदर्शन और लीगल व फाइनेंस के नतीजों ने सबसे ज्यादा ध्यान खींचा, इस शर्त के साथ कि ये सभी Google के अपने इवैल्स हैं।
लेकिन एक प्रतिक्रिया पकड़ती है कि यह रिलीज़ वास्तव में किस बारे में है। आर्गन उन कामों के लिए बना है जो घंटों चलते हैं, जैसे कि किसी कर्नेल को Rust में फिर से लिखना, और इसका काम के भविष्य पर वास्तविक असर हो सकता है।
अंतिम विचार
Google दांव लगा रहा है कि फ्रंटियर प्रतियोगिता का अगला राउंड चैट क्वालिटी पर नहीं, बल्कि एंटरप्राइज नॉलेज वर्क और साइबर डिफेंस पर जीता जाएगा, और आर्गन के वेल्स इंडेक्स, AutomationBench, और GraphWalks के नंबर उस दांव का समर्थन करते हैं।
यह कहने के बाद भी, Fairwind समूह के बाहर किसी ने अब तक एक भी स्कोर पुनरुत्पादित नहीं किया है।
जब यह नियमित उपयोगकर्ताओं के लिए खुलेगा, तो मैं लंबे-कॉन्टेक्स्ट डॉक्युमेंट और रिपॉजिटरी कार्यों के लिए आर्गन चुनूँगा और टर्मिनल-चालित एजेंट लूप्स के लिए Claude Opus 5.5 या GPT-6 Astra के साथ रहूँगा, जहाँ आर्गन 9 से 10 अंकों से पीछे है।
यदि आप वे एजेंटिक वर्कफ़्लो बनाना चाहते हैं जिन पर ये मॉडल लक्षित हैं, तो हमारे AI Fundamentals स्किल ट्रैक से शुरुआत करें।
एआई और एडटेक क्षेत्र में सीनियर संपादक। डेटा और एआई रुझानों की पड़ताल के लिए प्रतिबद्ध।
FAQs
Gemini 4 Argon क्या है?⌄
जेमिनी 4 आर्गन Google का फ्रंटियर मॉडल है जिसकी घोषणा 30 सितंबर, 2026 को Google DeepMind के कोराय कवुकचुओग्लू ने की। यह लंबी-अवधि की सॉफ्टवेयर इंजीनियरिंग, कानूनी और वित्त में एंटरप्राइज नॉलेज वर्क, और साइबरसुरक्षा रक्षा को लक्षित करता है। इसकी हेडलाइन बदलावट आउटपुट टोकन सीमा है, जो पिछली पीढ़ी के 64K से बढ़कर 1M हो गई है।
Gemini 4 Argon GPT-6 Astra और Claude Opus 5.5 की तुलना में कैसा है?⌄
आर्गन नॉलेज वर्क और लंबे कॉन्टेक्स्ट पर आगे है: वेल्स इंडेक्स पर 68.9% जबकि Claude Opus 5.5 के लिए 67.0% और GPT-6 Astra के लिए 63.1%, और 256K से 1M टोकन पर GraphWalks पर 84.2% जबकि Astra के लिए 71.8%। Astra अब भी FrontierSWE v2 (65.5% बनाम 55.0%) और Terminal-Bench Science 0.1 (68.1% बनाम 57.6%) में जीतता है, और Opus 5.5 Terminal-bench 4.0 में 66.4% के साथ आर्गन के 57.4% के मुकाबले आगे है।
Gemini 4 Argon की कीमत कितनी है?⌄
आर्गन $2 प्रति मिलियन इनपुट टोकन और $10 प्रति मिलियन आउटपुट टोकन की प्रारंभिक कीमत पर लॉन्च होता है, जिसमें कैश्ड इनपुट टोकन इनपुट दर से 95% छूट पर हैं। प्रारंभिक अवधि के बाद, दर $4 प्रति मिलियन इनपुट और $20 प्रति मिलियन आउटपुट तक बढ़ती है। Google ने प्रकाशित नहीं किया है कि प्रारंभिक अवधि कितनी लंबी है।
मैं Gemini 4 Argon कहाँ एक्सेस कर सकता/सकती हूँ?⌄
फिलहाल एक्सेस Google के Fairwind Program के माध्यम से विश्वसनीय साइबर डिफेंडर्स के एक सेट और Google की आंतरिक टीमों तक सीमित है। Google कहता है कि व्यापक रिलीज़ की शुरुआत पेड API ग्राहकों और Google AI Ultra सब्सक्राइबर्स से होगी। 30 सितंबर, 2026 तक कोई प्रकाशित API मॉडल ID नहीं है, और आर्गन OpenRouter या models.dev कैटलॉग में, न ही Vertex AI, Gemini CLI, Cursor, या GitHub Copilot मॉडल डॉक में सूचीबद्ध है।
Gemini 4 Argon को पहले साइबरसुरक्षा टीमों को क्यों जारी किया जा रहा है?⌄
Google ने आर्गन को स्वायत्त रूप से सॉफ़्टवेयर कमजोरियाँ ढूंढ़ने, वैलिडेट करने और पैच करने के लिए प्रशिक्षित किया है, और यह मॉडल साइबर गार्डरेल्स के बिना विश्वसनीय डिफेंडर्स को जारी किया जा रहा है ताकि उन्हें इसकी पूरी रक्षात्मक क्षमता मिले। Wiz इसे पहले से Scan for Good इनिशिएटिव के माध्यम से उपयोग कर रहा है, जहाँ इसने हेल्थकेयर सॉफ्टवेयर में व्यक्तिगत जानकारी उजागर करने वाली एक गंभीर भेद्यता पाई जिसे Google कहता है कि पहले के फ्रंटियर मॉडल्स ने मिस कर दिया था। आर्गन CWE-bench v1 पर 68% के साथ GPT-6 Astra के साथ पहले स्थान पर टाई करता है।
OpenAI ने 29 सितंबर, 2026 को DevDay पर GPT-6.1 Sol जारी किया, जो GPT-6 Astra की लागत समस्या को ठीक करने के लिए बना एक मिड-टियर मॉडल है। एक दिन बाद, Google ने जेमिनी 4 आर्गन की घोषणा की, और यह रिलीज़ डेवलपर्स से पहले साइबरसुरक्षा टीमों तक जा रही है।
Google DeepMind के एसवीपी कोराय कवुकचुओग्लू ने 30 सितंबर, 2026 को आर्गन को Google का फ्रंटियर मॉडल बताया, जो लंबी-अवधि के काम के लिए है: वास्तविक दुनिया का सॉफ्टवेयर इंजीनियरिंग, कानूनी और वित्तीय ज्ञान-आधारित कार्य, और साइबर रक्षा।
सबसे बड़ा इंजीनियरिंग बदलाव आउटपुट टोकन सीमा है, जो 64K से बढ़कर 1M टोकन हो गई है। यह DeepSWE v1.1 पर 77.9% के साथ नया स्टेट-ऑफ-द-आर्ट सेट करता है, और इसे पहले Fairwind Program के माध्यम से विश्वसनीय साइबर डिफेंडर्स के एक समूह को रोल आउट किया जा रहा है।
प्रतिद्वंद्वियों के संदर्भ के लिए, हमारे GPT-6.1 Sol और Claude Sonnet 5.5 गाइड देखें।
TL;DR
Gemini 4 Argon क्या है?
जेमिनी 4 आर्गन Google का नया फ्रंटियर मॉडल है, जो Gemini 3.8 लाइन से ऊपर, जेमिनी परिवार के शीर्ष पर स्थित है, जो सितंबर 2026 तक शिप हुआ।
Google इसे जटिल, लंबी-अवधि वाले वर्कफ़्लो में गहन तर्क को बनाए रखने के लिए बना हुआ बताता है, जिसमें तीन नामित लक्ष्य डोमेन हैं: सॉफ्टवेयर इंजीनियरिंग, कानूनी और वित्त जैसे एंटरप्राइज नॉलेज वर्क, और साइबरसुरक्षा रक्षा।
सबसे स्पष्ट पीढ़ीगत बदलाव आउटपुट टोकन सीमा को 64K से बढ़ाकर 1M करना है, जिसका मतलब है कि आर्गन एक ही ट्रैजेक्टरी में लाखों टोकन तक जेनरेट कर सकता है, बजाय इसके कि रोका जाए और फिर से प्रॉम्प्ट किया जाए।
Gemini 4 Argon की प्रमुख विशेषताएं
आर्गन की फीचर सेट घंटों तक चलने वाले कार्यों के इर्द-गिर्द संगठित है, सेकंडों के नहीं, जो आउटपुट बजट, एजेंट कार्य, और साइबर टूलिंग में दिखता है। यहां चार क्षमताएं हैं जो वास्तव में आप क्या बना सकते हैं उसे बदलती हैं।
एक ही पास में 1M टोकन लिखें
आर्गन एक जेनरेशन में अधिकतम 1M आउटपुट टोकन बना सकता है, जबकि पिछली पीढ़ी में यह 64K था।
Google का तर्क है कि हेडरूम केवल लंबाई नहीं, बल्कि तर्क की गुणवत्ता बदलता है: जब मॉडल एक ही ट्रैजेक्टरी में लाखों टोकनों में सोच और जेनरेट कर सकता है, तो यह बिना चंक्स में बाँटने और स्टेट लॉस के कठिन समस्याएं हल करता है।
तुलना के लिए, GPT-6 Astra 1.05M संदर्भ विंडो के साथ आउटपुट को 128K टोकन पर कैप करता है।
यदि आपने कभी देखा है कि कोई एजेंट बड़े रिफैक्टर के बीच में आउटपुट सीमा से टकराकर फिर से शुरू होने की वजह से धागा खो देता है, तो यही बाधा हट रही है।
कहने की बात यह है कि बिलिंग। $10 प्रति मिलियन आउटपुट टोकन पर लंबी जेनरेशन जल्दी महंगी हो जाती है, और Google ने प्रकाशित नहीं किया है कि क्या रीज़निंग टोकन आउटपुट दर पर बिल होते हैं।
कोडबेस माइग्रेशन एंड-टू-एंड चलाएं
आर्गन एजेंट्स Google के भीतर पहले से ही C और C++ कोडबेस को Rust में माइग्रेट कर रहे हैं, re2 और libgav1 जैसी कोर लाइब्रेरी में दर्जनों हज़ार लाइनों से लेकर Fuchsia OS Zircon कर्नेल के लिए 800K+ लाइनों तक स्केल करते हुए।
यह वही काम है जो आमतौर पर इंजीनियर-क्वार्टर्स खा जाता है, और Google कहता है कि ये री-राइट प्रोडक्शन से पहले स्वचालित और मैनुअल ऑडिटिंग, एमुलेशन टेस्टिंग, और रिव्यू से गुजरते हैं।
libgav1 का परिणाम बार-बार ध्यान खींचता है।
आर्गन एजेंट्स ने Google के ओपन सोर्स वीडियो डिकोडर के मौजूदा Rust पोर्ट को लिया और प्रोफ़ाइल-गाइडेड प्रयोगों के राउंड चलाकर और कंपाइलर आउटपुट का अध्ययन करके 32K लाइनों के हस्तलिखित SIMD कोड को बदल दिया, जब तक कि कंपाइलर ने सेफ Rust को स्वतः वेक्टराइज़ न कर दिया।
नतीजा एक मेमोरी-सेफ डिकोडर है जो समान वीडियो आउटपुट के साथ Rust पोर्ट से 2.7x तेज चलता है।
Google में आंतरिक डिप्लॉयमेंट परिणाम
दो आंतरिक संख्याएं उल्लेख योग्य हैं क्योंकि वे पूरे ऐलान में वास्तविक दुनिया के परिणामों के सबसे करीब हैं।
किसी का भी बाहरी सत्यापन नहीं है, लेकिन दोनों पर्याप्त विशिष्ट हैं कि बाद में जांची जा सकें।
विज़ुअल कॉन्टेक्स्ट के साथ फाइनेंस, लीगल, और बिजनेस ऑटोमेशन संभालें
आर्गन सीधे-सीधे उस नॉलेज वर्क पर लक्षित है जहाँ साक्ष्य टेक्स्ट प्रॉम्प्ट में नहीं, बल्कि चार्ट, फाइलिंग्स और वीडियो में रहते हैं।
Google पेशेवर चार्ट विश्लेषण, लंबी वीडियो से विवरण खींचना, और दस्तावेज़ों की एक श्रृंखला में एक्शन लेना जैसे प्राथमिक उपयोग मामलों का हवाला देता है, और आर्गन लंबी वीडियो समझ के लिए LVBench पर 91.7% स्कोर करता है।
इसका व्यावहारिक रूप, उदाहरण के लिए, एक मल्टी-स्टेप वित्तीय रिसर्च टास्क है जिसमें मॉडल एक डेक पढ़ता है, एक तालिका को क्रॉस-चेक करता है, और फिर किसी बिजनेस सिस्टम पर एक्शन लेता है।
आर्गन Zapier के AutomationBench पर 51.3% के साथ पहले स्थान पर है, जो सिंगल-टर्न उत्तरों के बजाय कोर बिजनेस फ़ंक्शंस में एंड-टू-एंड निष्पादन को मापता है।
गार्डरेल हटाकर कमजोरियां ढूंढ़ें और पैच करें
यह रिलीज़ का सबसे असामान्य हिस्सा है।
Fairwind Program के विश्वसनीय डिफेंडर्स और Google की आंतरिक टीमों के लिए, Google आर्गन को साइबर गार्डरेल्स के बिना शिप कर रहा है, ताकि इन टीमों को रक्षात्मक कार्य के लिए मॉडल की पूर्ण ऑफेंसिव-सम्बद्ध क्षमता मिल सके: सॉफ्टवेयर कमजोरियों को स्वायत्त रूप से ढूंढ़ना, वैलिडेट करना, और पैच करना।
Wiz पहले से ही अपने Scan for Good इनिशिएटिव के माध्यम से आर्गन चला रहा है, जो सार्वजनिक इंफ्रास्ट्रक्चर में उच्च-जोखिम एक्सपोज़र को मुफ्त में रेमेडिएट करता है।
एक शुरुआती डेमो में, आर्गन ने दुनिया भर के अस्पतालों में उपयोग होने वाले हेल्थकेयर सॉफ्टवेयर में संवेदनशील व्यक्तिगत जानकारी को उजागर करने वाली एक गंभीर भेद्यता का पता लगाया, जिसे Google कहता है कि पिछली फ्रंटियर मॉडल्स ने मिस कर दिया था।
इसके साथ ही, Google कहता है कि आर्गन अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन के खिलाफ इसका सबसे रेज़िलिएंट मॉडल है और Gray Swan के IPI बेंचमार्क में आगे है, और चेन-ऑफ-थॉट और एक्शन मॉनिटर्स तब निष्पादन रोक देते हैं जब मॉडल यूज़र इंटेंट से बाहर भटकता है।
Google यह भी नोट करता है कि उसने जानबूझकर मॉनिटरिंग फाइंडिंग्स को ट्रेनिंग से बाहर रखा ताकि आर्गन का तर्क मॉनिटर्स से बचने के लिए आकार न ले, जो एक ऐसा विवरण है जिसे काश और लैब्स प्रकाशित करते।
बेंचमार्क पर Gemini 4 Argon का प्रदर्शन कैसा है?
आर्गन GPT-6 Astra, Claude Fable 5.1, और Claude Opus 5.5 के मुकाबले Google द्वारा प्रकाशित 19 में से 13 बेंचमार्क में आगे है, और जीतें नॉलेज वर्क, लंबा कॉन्टेक्स्ट, और वल्नरेबिलिटी रेमेडिएशन में क्लस्टर होती हैं।
हारें टर्मिनल-चालित विज्ञान और दो SWE सूट में से एक में क्लस्टर होती हैं, जो एक साफ़-सुथरी स्वीप से ज्यादा रोचक पैटर्न है।
एंटरप्राइज नॉलेज वर्क
यह आर्गन का सबसे मजबूत क्षेत्र है और यही वजह है कि Google ने लॉन्च को लीगल और फाइनेंस के इर्द-गिर्द फ्रेम किया।
वेल्स इंडेक्स पर, जो फाइनेंस, कोडिंग, लीगल, और टैक्स वर्क को अमेरिकी GDP योगदान के हिसाब से वेट करता है, आर्गन 68.9% स्कोर करता है, जबकि Claude Opus 5.5 के लिए 67.0%, Claude Fable 5.1 के लिए 65.8%, और GPT-6 Astra के लिए 63.1% है।
डोमेन-विशिष्ट एजेंट इवैल्स पर गैप और चौड़ा हो जाता है।
आर्गन Vals Finance Agent v2 (मल्टी-स्टेप वित्तीय रिसर्च) पर 65.4% हिट करता है, जबकि Fable 5.1 के लिए 58.9% और Astra के लिए 53.5% है, और AutomationBench पर 51.3%, जबकि Opus 5.5 के लिए 42.5% और Fable 5.1 के लिए 31.4% है।
हार्वी का लीगल एजेंट बेंचमार्क अपवाद है।
आर्गन 19.6% स्कोर करता है, जबकि Fable 5.1 के लिए 6.7%, Astra के लिए 5.4%, और Opus 5.5 के लिए 3.8% है। हर मॉडल इस बेंचमार्क के अधिकांश हिस्से में असफल हो रहा है, इसलिए इसे बिना सुपरविजन किसी मॉडल को कॉन्ट्रैक्ट देने के बजाय, लीगल रिसर्च और ड्राफ्टिंग पर एक सापेक्ष संकेत के रूप में पढ़ें।
एजेंटिक कोडिंग
आर्गन DeepSWE v1.1 पर 77.9% के साथ आगे है, जबकि Claude Opus 5.5 74.2%, GPT-6 Astra 74.1%, और Claude Fable 5.1 67.4% पर हैं।
DeepSWE वास्तविक रिपॉजिटरीज़ के खिलाफ लंबी-अवधि सॉफ्टवेयर इंजीनियरिंग को मापता है, इसलिए यह उन मॉडलों को रिवॉर्ड करता है जो एक अच्छे डिफ्फ़ बनाने के बजाय कई एडिट्स में एक प्लान पकड़ कर रख सकते हैं।
कीमत जोड़ने पर यह परिणाम अलग पढ़ता है।
हमारे GPT-6.1 Sol कवरेज में, हमने नोट किया था कि Sol ने DeepSWE v1.1 पर Astra की बराबरी लगभग पाँचवें हिस्से की लागत पर की, $2 इनपुट और $10 आउटपुट प्रति मिलियन टोकन पर।
आर्गन की प्रारंभिक दर बिल्कुल वही $2/$10 है, और यह Astra के DeepSWE स्कोर को 3.8 अंकों से हराता है।
Vibe Code Bench भी आर्गन को जाता है, 91.9% पर, जबकि दोनों Claude मॉडलों के लिए 90.3% और Astra के लिए 89.6% है, हालांकि चार फ्रंटियर मॉडलों में 1.6-बिंदु का अंतर लगभग शोर के बराबर है।
लंबा कॉन्टेक्स्ट और मल्टीमॉडल समझ
लंबे-कॉन्टेक्स्ट का गैप पूरी तालिका में सबसे चौड़ा है।
GraphWalks BFS F1 पर 256K से 1M टोकनों के पार, आर्गन 84.2% स्कोर करता है, जबकि Astra के लिए 71.8%, Opus 5.5 के लिए 66.8%, और Fable 5.1 के लिए 65.0% है।
128K तक, सबके स्कोर ऊँचे हैं, लेकिन आर्गन फिर भी 99.7% पर आगे है।
GraphWalks मॉडल से प्रॉम्प्ट में वर्णित ग्राफ़ को ट्रैवर्स करने को कहता है, इसलिए जब बहुत लंबी विंडो के पार रिट्रीवल अविश्वसनीय हो जाता है तो यह तेज़ी से गिरता है।
1M छोर पर Astra पर 12.4-बिंदु की बढ़त वही तरह का मार्जिन है जो तय करता है कि क्या आप एक ही कॉल में पूरा रिपॉजिटरी या पूरी डिपोज़िशन सेट फीड कर सकते हैं।
मल्टीमॉडल कार्य पर, आर्गन LVBench पर 91.7% (Astra के 87.5% और Fable 5.1 के 79.7% के मुकाबले) और Chartography पर 71.6% लेता है, जो Astra के 71.0% से थोड़ा आगे है।
दूसरे वाले की स्केलिंग के लिए, हमारे Claude Sonnet 5.5 कवरेज ने Sonnet 5.5 के लिए Chartography पर 61.6% और Opus 5.5 के लिए 64.4% दर्ज किया था।
साइबरसुरक्षा रेमेडिएशन
CWE-bench v1 पर, जो यह मूल्यांकन करता है कि कोई मॉडल वास्तविक सुरक्षा कमजोरियों को रेमेडिएट कर सकता है या नहीं, आर्गन GPT-6 Astra के साथ पहले स्थान पर 68% पर टाई करता है, जबकि Opus 5.5 67% और Fable 5.1 58% पर हैं।
यहाँ टाई उचित परिणाम है, और Google अपना केस डिस्कवरी साइड पर बनाता है।
3.8 Flash Cyber के मुकाबले, Google रिपोर्ट करता है कि आर्गन ने अपनी आंतरिक वल्नरेबिलिटी बेंचमार्क पर 20 प्रोग्रामिंग भाषाओं में फैले कोडबेस में एक्सपोज़र का पता लगाया, और Wiz के ब्लैक-बॉक्स पेनिट्रेशन टेस्टिंग बेंचमार्क पर अटैक सरफेस मैपिंग, कमजोरियाँ ढूंढ़ने, और प्रूफ-ऑफ-कॉन्सेप्ट साक्ष्य बनाने में 3.8 Flash Cyber को पीछे छोड़ा।
ब्लैक-बॉक्स का मतलब है सोर्स कोड तक कोई पहुँच नहीं, जो इस बात के करीब है कि कोई बाहरी हमलावर किसी लाइव वेब सिस्टम को कैसे देखता है।
जहाँ आर्गन पीछे रह जाता है
Google ने हारें भी प्रकाशित कीं, जिसकी मैं सराहना करता हूँ।
इनमें से चार मुझे हाइलाइट करने लायक लगती हैं:
आर्गन अन्य जगहों पर विज्ञान और गणित को थामे हुए है, LABBench 2 पर 88.8% (Astra के 85.4% और Fable 5.1 के 68.6% के मुकाबले) और RiemannBench पर 76.0% (Astra के 72.0% के मुकाबले) के साथ।
मैं यहाँ जो पैटर्न देख सकता हूँ वह यह है कि आर्गन बेहतर प्लानर और रीडर है, जबकि Astra और Opus 5.5 अब भी टर्मिनल ड्राइव करने में बेहतर हैं।
यहाँ पूरा प्रकाशित सेट है, ताकि आप इसमें अपना वर्कलोड ढूंढ़ सकें।
वाइड रिलीज़ से पहले Google सुरक्षा पर क्या कर रहा है
Google आर्गन को जनरल रिलीज़ से रोक रहा है जबकि वह चार सुरक्षा-रक्षा क्षेत्रों को सख्त कर रहा है, और उसने ऐलान में चारों का नाम लिया। यह किसी भी व्यक्ति के लिए मायने रखता है जो टूल एक्सेस वाले एजेंट को डिप्लॉय करने की योजना बना रहा है।
Gemini 4 Argon की कीमत
आर्गन $2 प्रति मिलियन इनपुट टोकन और $10 प्रति मिलियन आउटपुट टोकन की प्रारंभिक दर पर लॉन्च होता है, जिसमें कैश्ड इनपुट टोकन इनपुट दर से 95% छूट पर हैं। प्रारंभिक अवधि के बाद, दर $4 प्रति मिलियन इनपुट और $20 प्रति मिलियन आउटपुट तक बढ़ जाती है। Google ने प्रकाशित नहीं किया है कि रीज़निंग टोकन आउटपुट दर पर बिल होते हैं या नहीं।
मैदान के मुकाबले, प्रारंभिक कीमत आक्रामक है, और मानक कीमत नहीं। $2/$10 पर, आर्गन GPT-6.1 Sol की दर से बिल्कुल मेल खाता है जबकि GPT-6 Astra के $10/$50 को 5x से अंडरकट करता है। पोस्ट-प्रोमो $4/$20 पर, यह वही दर बन जाती है जिसे हमने अपने Opus 5.5 API ट्यूटोरियल में Claude Opus 5.5 के लिए डॉक्युमेंट किया था।
लागत का एक और कोण: कच्ची प्रति-टोकन कीमत किसी कार्य की कुल लागत छिपा देती है। हमारे GPT-6.1 Sol कवरेज में, हमने GPT-6 Astra के लिए प्रति Terminal-Bench Science 0.1 टास्क $23.80 और Sol के लिए $5.47 रिकॉर्ड किया, इसलिए कोई मॉडल बेंचमार्क जीतकर भी इनवॉइस पर हार सकता है। Google ने आर्गन के लिए प्रति-टास्क लागत प्रकाशित नहीं की है, जो वह संख्या है जिसे मैं किसी एजेंट फ़्लीट को कमिट करने से पहले देखना चाहूँगा।
Google ने प्रारंभिक अवधि की लंबाई प्रकाशित नहीं की है, इसलिए किसी भी ऐसी चीज़ के लिए जो पायलट से आगे जीवित रहती है, $4/$20 दर के लिए बजट बनाएं।
कुल बिल लगभग (प्रति टोकन कीमत) × (उपयोग हुए टोकन) होता है, और कोई मॉडल पहले पर सस्ता और दूसरे पर महंगा हो सकता है। इसलिए, लंबी रीज़निंग या थिंकिंग ट्रेसेज़ और लब्बोलुआब-भरे उत्तर महंगे हो सकते हैं। साथ ही, एजेंटिक वर्कफ़्लो में मल्टी-स्टेप उपयोग होता है, जिसका मतलब है हर स्टेप बढ़ते कॉन्टेक्स्ट को फिर से भेजता है, और इनपुट लागतें जुड़ती जाती हैं। इसी वजह से कुछ लोग लागतों पर अधिक संदेहशील हैं:
प्रतिस्पर्धी पक्ष पर भी ध्यान देने लायक: सितंबर 2026 में Anthropic की Claude Opus 5.5 की पोज़िशनिंग प्रदर्शन के लिहाज़ से Fable 5.1 के तुलनीय थी, Opus 5 की तुलना में लगभग 40% कम रनिंग कॉस्ट पर, इसलिए $4/$20 मानक दर पर आर्गन पर दबाव बेहतर मॉडलों से नहीं, बल्कि सस्ते मॉडलों से आएगा।
Gemini 4 Argon की उपलब्धता
उपलब्धता असली बाधा है। आर्गन Fairwind Program के माध्यम से विश्वसनीय साइबर डिफेंडर्स के एक सेट तक रोल आउट हो रहा है, और Google कहता है कि वह पूर्व-रिलीज़ मॉडल एक्सेस के लिए अमेरिकी सरकार की स्वैच्छिक प्रक्रिया में शामिल है, जबकि वह धीरे-धीरे विस्तार कर रहा है। सामान्य एक्सेस बाद में आएगा, जिसकी शुरुआत पेड API ग्राहकों और Google AI Ultra सब्सक्राइबर्स से होगी। कोई फ्री टियर नहीं, कोई वेटलिस्ट लिंक नहीं, और ऐलान में कोई प्रकाशित रेट लिमिट नहीं।
एक बात ध्यान रखने की: Google का सार्वजनिक AI प्राइसिंग पेज आखिरी बार 24 सितंबर, 2026 को अपडेट हुआ था, और वहाँ दिखने वाली दरें ($0.75 इनपुट और $3.75 आउटपुट प्रति मिलियन, 31 दिसंबर, 2026 तक प्रोमोशनल, 1 जनवरी, 2027 को $1.50/$7.50 तक बढ़ती हुई) जेमिनी 3.8 फ्लैश टियर की हैं, आर्गन की नहीं।
Gemini 4 Argon तक एक्सेस कैसे पाएं?
अभी ज्यादातर नहीं मिल सकता। Google ने जेमिनी 4 आर्गन के लिए API मॉडल ID प्रकाशित नहीं की है, और मैं मार्केटिंग नाम से इसका अंदाज़ा नहीं लगाऊँगा। आज एक्सेस Fairwind Program के विश्वसनीय साइबर डिफेंडर्स के समूह और Google की आंतरिक टीमों के माध्यम से चलता है।
30 सितंबर, 2026 तक, आर्गन OpenRouter कैटलॉग या models.dev कैटलॉग में सूचीबद्ध नहीं है, और यह Google Vertex AI, Gemini CLI, Cursor, या GitHub Copilot मॉडल डॉक में दिखाई नहीं देता। Azure AI Foundry और AWS Bedrock मॉडल पेजों की भी किसी तरफ से पुष्टि नहीं हो सकी। जब यह पेड API ग्राहकों के लिए आएगा, तो कॉल शेप मानक जेमिनी वाला होगा:
यदि आप इस बीच प्लंबिंग तैयार रखना चाहते हैं, तो हमारा Claude Opus 5.5 API ट्यूटोरियल रीड-ओनली टूल्स और प्रोग्रामेटिक टूल कॉलिंग के साथ एक एजेंटिक इन्वेस्टिगेटर बनाने की वॉकथ्रू देता है, और वही पैटर्न्स वेंडर्स के बीच केवल मॉडल ID स्वैप से पोर्ट हो जाते हैं।
लोग Gemini 4 Argon के बारे में क्या कह रहे हैं
Fairwind समूह के बाहर लगभग किसी ने अभी तक आर्गन का उपयोग नहीं किया है, इसलिए ज्यादातर प्रतिक्रियाएँ ऐलान की पहली छाप हैं, हैंड्स-ऑन टेस्ट नहीं। बातचीत कुछ इस तरह चली है, व्यापक से विशिष्ट तक।
बड़ी तस्वीर / पहली छाप: लोग प्रभावित हैं।
पहली छापों को बेंचमार्क नतीजों से अलग नहीं किया जा सकता। वेल्स इंडेक्स पर प्रदर्शन और लीगल व फाइनेंस के नतीजों ने सबसे ज्यादा ध्यान खींचा, इस शर्त के साथ कि ये सभी Google के अपने इवैल्स हैं।
लेकिन एक प्रतिक्रिया पकड़ती है कि यह रिलीज़ वास्तव में किस बारे में है। आर्गन उन कामों के लिए बना है जो घंटों चलते हैं, जैसे कि किसी कर्नेल को Rust में फिर से लिखना, और इसका काम के भविष्य पर वास्तविक असर हो सकता है।
अंतिम विचार
Google दांव लगा रहा है कि फ्रंटियर प्रतियोगिता का अगला राउंड चैट क्वालिटी पर नहीं, बल्कि एंटरप्राइज नॉलेज वर्क और साइबर डिफेंस पर जीता जाएगा, और आर्गन के वेल्स इंडेक्स, AutomationBench, और GraphWalks के नंबर उस दांव का समर्थन करते हैं।
यह कहने के बाद भी, Fairwind समूह के बाहर किसी ने अब तक एक भी स्कोर पुनरुत्पादित नहीं किया है।
जब यह नियमित उपयोगकर्ताओं के लिए खुलेगा, तो मैं लंबे-कॉन्टेक्स्ट डॉक्युमेंट और रिपॉजिटरी कार्यों के लिए आर्गन चुनूँगा और टर्मिनल-चालित एजेंट लूप्स के लिए Claude Opus 5.5 या GPT-6 Astra के साथ रहूँगा, जहाँ आर्गन 9 से 10 अंकों से पीछे है।
यदि आप वे एजेंटिक वर्कफ़्लो बनाना चाहते हैं जिन पर ये मॉडल लक्षित हैं, तो हमारे AI Fundamentals स्किल ट्रैक से शुरुआत करें।