Jeden. Google wraca do pierwszej ligi, ale nie na czele
Najważniejszym wydarzeniem ostatniej doby jest premiera Gemini 4 Argon — pierwszego frontierowego modelu Google od ponad siedmiu miesięcy, po tym jak zapowiedziana wcześniej generacja 3.5 została pominięta, a spółka przez kwartały wypuszczała wyłącznie tańsze modele z rodziny Flash. Sam producent w komunikacie z 30.09 przedstawia Argon jako model do złożonych, długotrwałych zadań w inżynierii oprogramowania, pracy wiedzy i cyberobronie, a jego najmocniejszym elementem technicznym jest limit generowania odpowiedzi podniesiony z sześćdziesięciu czterech tysięcy do miliona tokenów, co Google nazywa wartością wiodącą na rynku. Cena startowa wynosi dwa dolary za milion tokenów wejściowych i dziesięć za wyjściowe, po okresie promocyjnym rośnie do czterech i dwudziestu, a odczyt z pamięci podręcznej jest tańszy o dziewięćdziesiąt pięć procent, co daje około dziesięciu centów za milion. Model trafia najpierw do zaufanych obrońców cyberbezpieczeństwa w ramach programu Fairwind, bez standardowych zabezpieczeń cybernetycznych, a Google uczestniczy równolegle w amerykańskim dobrowolnym procesie udostępniania modeli rządowi przed premierą. Daty ogólnej dostępności nie podano.
Deklaracje producenta trzeba oddzielić od niezależnego pomiaru, i tu obraz się komplikuje. Artificial Analysis umieszcza Argon w trybie wysokiego rozumowania na pięćdziesięciu trzech punktach swojego indeksu inteligencji, czyli dokładnie na poziomie szczytowego GPT-6 Astra i o punkt wyżej niż GPT-6.1 Sol, ale wciąż poniżej Claude Opus 5.5 z pięćdziesięcioma ośmioma i Sonnet 5.5 z pięćdziesięcioma sześcioma punktami. Istota przewagi, którą Argon rzeczywiście wnosi, nie leży jednak w szczycie zdolności, lecz w cenie za zadanie: przy promocyjnych stawkach jedno zadanie indeksu kosztuje około jednego dolara i dziewięćdziesięciu dziewięciu centów, czyli sześćdziesiąt procent kosztu GPT-6 Astra, ale już dwa i siedem dziesiąte raza więcej niż GPT-6.1 Sol, a po zakończeniu promocji wzrośnie do blisko czterech dolarów. Co ważne, oszczędność wynika wyłącznie z niższych stawek za token, a nie z mniejszego zużycia — Argon wygenerował średnio około sześćdziesięciu dwóch tysięcy tokenów wyjściowych na zadanie, podczas gdy GPT-6 Astra potrzebował dwudziestu siedmiu tysięcy. Najmocniejszym pojedynczym wynikiem jest wskaźnik halucynacji na poziomie piętnastu procent, najniższy wśród modeli powyżej czterdziestu pięciu punktów indeksu, wobec pięćdziesięciu jeden procent dla GPT-6 Astra, choć okupiony niższą trafnością, która spada o trzynaście punktów względem flagowca OpenAI. W ludzkich rankingach preferencji Arena model zajmuje pierwsze miejsce w kategorii tekstu z tysiącem pięciuset dwudziestoma pięcioma punktami, natomiast w kodowaniu wyniki są mieszane: Google podkreśla wiodący rezultat na DeepSWE w wersji pierwszej i jedenastej, ale w tym samym zestawieniu Argon wypada ostatni na Terminal-Bench 4.0, gdzie Opus 5.5 i GPT-6 Astra wyprzedzają go o około dziewięciu do dziesięciu punktów, o czym pisze The New Stack.
Źródło: artificial-analysis
Krytyczna analiza wiarygodności nakazuje tu dodać dwa zastrzeżenia. Po pierwsze, wszystkie najmocniejsze liczby pochodzą od Google, a jedyny niezależny pomiar — Artificial Analysis — pokazuje model co najwyżej równym najlepszym, nie lepszym, i to z wydatniejszym zużyciem tokenów. Po drugie, Bloomberg podał 30.09, powołując się na anonimowe źródła, że część pracowników Google ocenia wydajność modelu krytycznie, zwłaszcza w kodowaniu, czemu sama spółka zaprzeczyła w rozmowie z Axios. Sygnał rynkowy z wątku na Hacker News, gdzie wątek premierowy zebrał tysiąc sto trzydzieści siedem punktów i ponad siedemset komentarzy, jest jeszcze inny i dotyczy samego sposobu komunikacji: dominującym zarzutem było to, że modelu nie da się przetestować, więc jego przewaga pozostaje na razie deklaracją. Wniosek jest jednoznaczny: Google realnie domknął lukę do czołówki i wrócił do trzech największych laboratoriów, ale nie objął prowadzenia, a jego przewaga cenowa wygasa wraz z końcem promocji.
Źródło: artificial-analysis, bloomberg, axios, hacker-news