Gdy wydawało się, że Google na dobre utknęło w wyścigu o to, kto zrobi tańszą i lżejszą wersję modelu Flash, gigant z Mountain View nagle wywraca stolik. Debiutuje Gemini 4 Argon – pierwszy od dawna prawdziwy flagowiec nowej generacji. Potrafi generować odpowiedzi liczone w setkach tysięcy słów i samodzielnie przepisywać gigantyczne systemy na Rusta. Sprawdzamy, co to oznacza w praktyce i czy zwykły użytkownik w ogóle ma na co czekać.
Przez ostatnie miesiące w kuluarach branży AI panowało lekkie rozczarowanie strategią Google. Podczas gdy OpenAI i Anthropic prężyły muskuły kolejnymi flagowcami, z Mountain View docierały głównie wieści o optymalizacjach kosztowych. Zamiast wyczekiwanego Gemini 3.5 Pro dostaliśmy serię modeli Flash – świetnych, tanich, niewiarygodnie szybkich, ale… po prostu kompromisowych. Ostatnim prawdziwym „ciężkim” modelem pozostawał leciwy już Gemini 3.1 Pro.
Teraz wiemy dlaczego. Zamiast pudrować starą architekturę, inżynierowie Google zrobili krok w tył, skasowali półśrodki i zbudowali od zera nową bestię: Gemini 4 Argon.
Koniec z ucinaniem w pół zdania. Milion tokenów… na wyjściu!
Pamiętacie czasy, gdy modele chwaliły się milionem tokenów w oknie kontekstowym (czyli tym, co potrafią przeczytać naraz)? Google właśnie przeniosło tę poprzeczkę na zupełnie inny poziom.
Największy przełom w Gemini 4 Argon nie dotyczy tego, ile danych potrafi wchłonąć, ale ile potrafi wypluć w jednej odpowiedzi. Limit tokenów wyjściowych podniesiono z dotychczasowych 64 tysięcy do astronomicznego 1 miliona tokenów.
Co to oznacza po ludzku?
- Koniec z żałosnym klikaniem „kontynuuj”, gdy model zatrzymywał się w połowie pisania kodu.
- Koniec z gubieniem wątku i halucynacjami przy generowaniu długich dokumentacji.
- Możliwość wygenerowania kompletnej, wielomodułowej aplikacji, pełnego raportu analitycznego czy nawet kilkusetstronicowej książki w ramach jednego zapytania.
W wewnętrznych benchmarkach Google model bez problemu wyprzedza bezpośrednich rywali z najwyższej półki – w tym Claude Opus 5.5 oraz GPT-6 Astra. Oczywiście do tabelek tworzonych przez działy marketingu zawsze warto podchodzić z przymrużeniem oka, ale pierwsze realne wdrożenia pokazują, że nie są to tylko puste obietnice.
Możliwości Gemini 4 Argon:
Poligon doświadczalny w serwerowniach Google
Zanim Argon ujrzał światło dzienne, Google zaprzęgło go do najbrudniejszej, najbardziej żmudnej roboty w swoich własnych centrach danych. Efekty?
- Optymalizacja infrastruktury: Analizując alokację pamięci w serwerowniach, model znalazł nieefektywności, których usunięcie pozwoliło odzyskać ponad 300 TiB pamięci operacyjnej.
- Wielka migracja na Rust: Google użyło Argona do masowej refaktoryzacji krytycznych, przestarzałych komponentów napisanych dekady temu w C i C++. Gemini 4 samodzielnie przepisywał całe repozytoria na bezpieczny pamięciowo język Rust, tworząc kod nie tylko stabilniejszy, ale w testach wydajnościowych szybszy od tradycyjnych automatów kompilacyjnych.
To jasny sygnał: Argon nie powstał po to, by układać wierszyki na imieniny cioci. To wół roboczy dla inżynierii oprogramowania, cyberbezpieczeństwa i zaawansowanej analityki.
Podglądanie myśli w czasie rzeczywistym. Google dmucha na zimne
Im potężniejszy model, tym większe obawy o bezpieczeństwo. Przy Gemini 4 Argon Google wdrożyło mechanizm, który brzmi jak wyjęty z Raportu mniejszości: aktywny monitoring procesu myślowego (Chain of Thought) w czasie rzeczywistym.
Jak to działa? Specjalne systemy nadzorujące analizują wewnętrzne „rozważania” modelu jeszcze zanim wygeneruje on choćby jedno słowo na ekranie. Jeśli algorytm zauważy, że model zaczyna kombinować, jak obejść blokady (np. przy próbach pisania exploitów zero-day, cyberataków czy zapytań o broń chemiczną), proces generowania jest brutalnie przerywany.
Co ciekawe, Google zmieniło też podejście do uczenia: dane z takich zablokowanych, nieudanych prób obejścia zasad nie trafiają z powrotem do bazy treningowej. Chodzi o to, by model nie nauczył się cwanego maskowania swoich intencji przed filtrami.
Ile to kosztuje i dlaczego aż tak dużo?
Jeśli liczyliście, że Gemini 4 Argon zastąpi domyślny model w bezpłatnej aplikacji na waszym telefonie – muszę was rozczarować.
Utrzymanie potwora o takich możliwościach kosztuje fortunę. Dlatego model trafia wyłącznie do:
- Najwyższego abonamentu konsumenckiego Google AI Ultra,
- Deweloperskiego Google Cloud API.
Cennik API na start to 2 dolary za milion tokenów wejściowych oraz aż 10 dolarów za milion tokenów wyjściowych (z dodatkowymi ulgami za cache’owanie kontekstu). Po okresie promocyjnym stawki mają pójść w górę. Krótko mówiąc: za generowanie elaboratów na milion słów zapłacą głównie korporacje, które z łatwością odbiją sobie te koszty w zaoszczędzonych roboczogodzinach programistów.
Co to oznacza dla ciebie, zwykły użytkowniku?
Jeśli korzystasz z darmowego Gemini w przeglądarce czy asystenta w Androidzie, z dnia na dzień nie zauważysz niemal żadnej zmiany. Twoje maile, streszczenia artykułów i codzienne pytania wciąż będą obsługiwane przez ultra-tanie, błyskawiczne modele z rodziny Gemini Flash – i szczerze mówiąc, to dla nich optymalne środowisko.
Zyskasz jednak pośrednio. Jeśli Google zacznie masowo przepisywać jądro swoich usług, przeglądarkę Chrome czy biblioteki systemowe Androida za pomocą Argona, dostaniemy oprogramowanie znacznie odporniejsze na awarie i ataki hakerskie. Zamiast łatek bezpieczeństwa wypuszczanych w panice po incydencie, kod ma być naprawiany prewencyjnie.
A jeśli jesteś deweloperem, analitykiem danych lub płacisz za najwyższy pakiet Ultra? Właśnie dostałeś do rąk narzędzie, które przesuwa granicę tego, co w 2026 roku rozumiemy pod pojęciem „pomocnika AI”. Pytanie tylko, czy twoja karta kredytowa udźwignie ten postęp.
