Gemini 4 Argon आता उपलब्ध: प्रवेश, किंमत आणि काय बदलले

३० सप्टेंबर २०२६ रोजी Google ने Gemini 4 Argon जाहीर केले आणि ते Fairwind program मधील trusted cybersecurity defenders पर्यंत मर्यादित ठेवले. १३ ऑक्टोबर २०२६ रोजी Google ने public model जगभर उपलब्ध केले, Gemini platform model ID gemini-4-argon. हा लेख काय बदलले, कोण वापरू शकते, ३० नोव्हेंबरपर्यंतची किंमत, आणि Google ने प्रकाशित केलेले quality claims कव्हर करतो.

ही स्वतंत्र साइट आहे, अधिकृत Google पृष्ठ नाही. खालील benchmark आणि internal आकडे Google चे आहेत.

३० सप्टेंबरनंतर काय बदलले

आमच्या ऑक्टोबर २०२६ अपडेट मध्ये developers अजून Argon वापरू शकत नाहीत असे होते. ३० सप्टेंबर रोजी ते बरोबर होते. आता ते जुने झाले आहे.

१३ ऑक्टोबरच्या पोस्ट आहेत: Koray Kavukcuoglu, SVP, Google DeepMind यांचा Introducing Gemini 4 Argon, आणि Michael Gerstenhaber यांचा Gemini 4 Argon on Google Cloud.

Argon हे frontier reasoning आणि text मॉडेल आहे. Google च्या demos मध्ये ते Gemini Omni Flash मधील car-engine audio Three.js मध्ये जोडते, आणि Gemini 3.8 TTS व Lyria 3.5 वापरणारा videoही दाखवते. ते output इतर मॉडेलमधून येतात. Video साठी Gemini Omni म्हणजे काय पासून सुरुवात करा. Omni API developer guide video बद्दल आहे, Argon बद्दल नाही.

Cloud पोस्ट Argon ला चार भागांच्या lineup मध्ये ठेवते: frontier reasoning साठी Argon, speed आणि volume साठी Flash, generative media साठी Omni, आणि edge वर open-weights साठी Gemma. Model intelligence Gemini at Work मधील Gemini agent ला आधार देते असेही ती म्हणते. तपशील ८ ऑक्टोबर रोजी Google Cloud ने काय जाहीर केले मध्ये.

Google Argon ला Gemini 4 कुटुंबाची “फक्त सुरुवात” म्हणते. उर्वरित Gemini 4 मॉडेलसाठी तारखा दिलेल्या नाहीत. Gemini 4 roadmap preview pre-training ची पार्श्वभूमी आहे, release calendar नाही.

प्रत्येक audience कुठे वापरू शकते

खालील token किंमती public-access मॉडेलसाठी आहेत. Scientist tier हा अर्ज आहे, आपोआप मिळणारी मंजुरी नाही.

Model ID आणि 1M token मर्यादा

Gemini platform API वर ID gemini-4-argon आहे. Google AI Studio मधील मॉडेलही तेच आहे.

Google म्हणते की API Argon ला industry-leading 1 million unified input-output token limit देते. Launch पोस्ट ते budget input आणि output मध्ये कसे वाटले जाते हे सांगत नाहीत.

Docs त्या मर्यादेसाठी continuation protocol चे वर्णन करतात. Launch पोस्ट त्याची पावले देत नाहीत. ती सीमा ओलांडणारे काम डिझाइन करण्यापूर्वी Google चे developer docs वाचा.

३० नोव्हेंबरपर्यंत किंमत, आणि नंतर

Intro period संपल्यावर input आणि output दोन्ही दुप्पट होतात. 95% cached-input सवलत ३० नोव्हेंबर २०२६ पर्यंत सांगितली आहे. त्या तारखेनंतर Google ने प्रकाशित केलेले rates $4 आणि $20 आहेत.

Google नोंदवते ते benchmarks आणि internal निकाल

१३ ऑक्टोबरच्या पोस्टनुसार, Google चे आकडे. या साइटने ते पुन्हा चालवलेले नाहीत.

Google हे internal निकालही नोंदवते:

• Antigravity: agentic code submissions मध्ये 35% पेक्षा जास्त वाढ, code rollbacks मध्ये जवळजवळ एक तृतीयांश घट.
• Chromium: सुमारे 40 million lines च्या codebase मध्ये एक Chrome refactor, महिन्यांचे काम आठवड्यांत झाले असे वर्णन.
• ADK (google/adk-python): long sessions मध्ये in-memory session prep time 40% घटला; cold imports 21% वेगवान.
• Gemma 4 E2B, A100 वर vLLM द्वारे: end-to-end inference 2.85× speedup, सुमारे 37,900 tokens/s वरून 108,000 पेक्षा जास्त tokens/s. तो आकडा Google च्या अहवालातील Gemma ची serving speed आहे, Argon चा output rate नाही.
• xTB: structure prediction 2.3× पर्यंत वेगवान, conformer search 1.8× वेगवान.

सुरक्षितता आणि cyber access

Google म्हणते की Argon ला system boundaries चा आदर, negative findings प्रामाणिकपणे नोंदवणे, irreversible steps पूर्वी मानवी पुष्टीसाठी थांबणे, कमी hedging सह अधिक थेट उत्तर, आणि style instructions अधिक जवळून पाळणे शिकवले गेले.

Cyber access दोन प्रकारे विभागला आहे:

• Public Argon pentesting आणि exploitation सारखी offensive tasks ब्लॉक करते. Defensive वापर CodeMender मधून.
• Fairwind प्रवेश त्या cyber guardrails शिवाय आहे. Google शेकडो partners जोडत आहे.

Offensive testing public model ID वर करायचे नाही. ती tasks तिथे ब्लॉक होतात असे Google म्हणते.

आता बदलावे का?

प्रकाशित तथ्यांवरून आमचा सल्ला. हा Google चा migration order नाही.

1. Text किंवा reasoning call gemini-4-argon कडे न्या, अडथळा फक्त ३० सप्टेंबरची Fairwind मर्यादा असेल, आणि तुम्ही paid API tier वर असाल किंवा तक्त्यातील consumer surfaces साठी Ultra किंवा Pro वर असाल.
2. Video, speech आणि music Omni, Gemini 3.8 TTS आणि Lyria वर ठेवा. Argon demo मध्ये त्यांच्या शेजारी बसू शकते. त्यांची जागा घेत नाही.
3. जास्त volume च्या route पूर्वी कॅलेंडरवर ३० नोव्हेंबर २०२६ ठेवा. Intro rates 1M tokens मागे $2 आणि $10. त्यानंतर $4 आणि $20.
4. Speed आणि volume हवे तिथे Flash ठेवा. Google च्या lineup मध्ये Argon frontier reasoning मॉडेल आहे आणि Flash speed व volume मॉडेल आहे.
5. 1M-token कामापूर्वी Google च्या developer docs मध्ये continuation protocol वाचा. Blog पोस्ट त्याचे नाव घेतात, तपशील देत नाहीत.
6. Google तारखा प्रकाशित करेपर्यंत उर्वरित Gemini 4 वेळापत्रकाबाहेर ठेवा.
7. System prompts पुन्हा test करा. उत्तरे अधिक थेट आहेत, hedging कमी आहे, style instructions अधिक चिकटतात, आणि irreversible steps पूर्वी मॉडेल थांबले पाहिजे, असे Google म्हणते.
8. तुम्ही त्या program मध्ये असाल तर offensive cyber काम Fairwind च्या आत ठेवा. Public Argon mitigated मॉडेल आहे.

किमान Python call

या साइटवरील इतर Gemini platform snippets सारखा google-genai आकार. Auth Gemini API साठी तुम्ही आधीच वापरता तेच.

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-4-argon",
    contents="या डिझाइनमधील जोखीम यादी करा, अपयशी ठरणाऱ्यांसह.",
)

Prompt जाणूनबुजून negative findings मागते. मॉडेल त्या प्रामाणिकपणे नोंदवण्यासाठी train झाले आहे असे Google म्हणते.

संबंधित वाचन

• ऑक्टोबर २०२६ मध्ये Gemini — ३० सप्टेंबरचा hold, जेव्हा developers Argon call करू शकत नव्हते
• Gemini 4 roadmap preview
• Gemini Omni API developer guide
• Gemini Omni म्हणजे काय? — video generation, हे वेगळे मॉडेल आहे