Gemini 4 Argon؛ معماری اختصاصی برای حل پیچیده‌ترین مسائل مهندسی، تجاری و علمی

مدل Gemini 4 Argon به طور ویژه برای کارهای متمرکز و عمیق در ابعاد وظایف دنیای واقعی بهینه‌سازی شده و بر حوزه‌هایی نظیر کدنویسی، مالی، حقوق، امنیت سایبری و علوم پایه متمرکز است. عمق پردازش و دقت ریاضی و منطقی در وظایف چندمرحله‌ای سبب شده تا Argon در ارزیابی‌های مختلف رتبه‌های برتر را به دست آورد؛ از جمله کسب رتبه نخست در شاخص Vals Index که به سنجش عملکرد مدل‌ها در بخش‌های حساس اقتصادی شامل مالی، مهندسی نرم‌افزار، امور حقوقی و مالیاتی می‌پردازد.

دسترسی به Gemini 4 Argon

این مدل هم‌اکنون در سطح جهانی از طریق API در بسترAI Studioوپلتفرم Geminiو همچنین از طریق Android Studio، اشتراک‌های Google AI Ultra در محیط توسعه پلتفرمGoogle Antigravityو اشتراک‌های Ultra و Pro دراپلیکیشن Geminiو حالت هوش مصنوعی موتور جست‌وجو (AI Mode in Search) در دسترس توسعه‌دهندگان، سازمان‌ها، پژوهشگران و کاربران قرار گرفته است.

نرخ رسمی ارائه‌شده برای مدل در فاز معرفی، ۲ دلار به‌ازای هر یک میلیون توکن ورودی و ۱۰ دلار به‌ازای هر یک میلیون توکن خروجی است که همراه با ۹۵ درصد تخفیف برای توکن‌های ورودیِ کَش‌شده (Cached Input Tokens) ارائه می‌شود. پنجره متن ورودی-خروجی یکپارچه این مدل به سقف ۱ میلیون توکن در Gemini API می‌رسد.

Argon؛ نسل چهارم خانواده مدل‌های Gemini گوگل

اضافه‌شدن قابلیت Task بهGemini

جهش از مدل‌های زبانی صرفاً گفتگو‌محور به سمت عامل‌های خودمختار، با افزوده‌شدن قابلیتTask بهGemini شکلی ملموس و کاربردی به خود گرفته است. این ویژگی Gemini را از یک هم‌صحبت واکنشی به یک دستیار اجرایی تبدیل می‌کند؛ سیستمی که به‌جای ارائه راهکارهای متنی روی کاغذ، اهداف بزرگ و پیچیده کاربر را به برنامه‌های عملیاتی و چندمرحله‌ای تجزیه کرده و اجرای آن‌ها را بر عهده می‌گیرد. Task با ادغام ابزارهایی مانند وب‌گردی خودکار و پردازش اسناد، زنجیره‌ای از کارهای متوالی، از استخراج داده و مرتب‌سازی فایل‌ها گرفته تا نهایی‌سازی درخواست‌های چندوجهی را بدون نیاز به هدایت لحظه‌به‌لحظه توسط کاربر به سرانجام می‌رسانند.

سازوکار و ویژگی‌های کلیدی Task

• شکستن اهداف به مراحل اجراییوقتی یک هدف کلی یا پیچیده تعریف می‌کنید،Task آن را به گام‌های ریز، ترتیبی و قابل‌پیگیری تقسیم می‌کند.
• اجرای مداوم در پس‌زمینهاجرای Task دیگر وابسته به باز ماندن پنجره چت یا روشن ماندن دستگاه شما نیست؛ Gemini می‌تواند وظیفه را حتی در زمان آفلاین بودن شما در پس‌زمینه دنبال کند و گزارش پیشرفت ارائه دهد.
• مدیریت چندوظیفگیامکان مدیریت و اجرای هم‌زمان چندین تسک مستقل (تا ۱۵ وظیفه فعال هم‌زمان) برای انجام کارهای مختلف وجود دارد.
• تعامل با ابزارها و وبTask می‌تواند شامل وب‌گردی خودکار، کار با فایل‌ها (مثل تبدیل داده‌ها و سازماندهی اسناد) یا تعامل با ابزارها و سرویس‌های مختلف برای نهایی‌کردن یک کار (مانند رزرو، استخراج داده یا هماهنگی) باشند.
• هماهنگی باSkillsوSchedulesTask با بخش Schedules (زمان‌بندی‌ها یا تریگرهای رویدادمحور) و Skills (مهارت‌ها و دستورهای سفارشی) ترکیب می‌شود تا فرایندهای تکرارشونده یا پیچیده را به‌صورت خودکار مدیریت کند.

دستاوردهای مهندسی و توسعه نرم‌افزار

گوگل مدل Argon را بر روی پیچیده‌ترین پروژه‌های مهندسی نرم‌افزار داخلی خود به کار گرفته است. استفاده از قابلیت‌های مبتنی بر عامل مدل در بستر Google Antigravity به تیم‌های توسعه کمک کرده تا سابمیشن‌های مبتنی بر عامل را بیش از ۳۵ درصد افزایش دهند و درعین‌حال موارد بازگردانی کد (Rollbacks) را نزدیک به یک‌سوم کاهش دهند.

دستاوردهای شاخص در حوزه مهندسی به شرح زیر است

• جداسازی کدهای قدیمی مرورگر کرومآرگون به تیم مهندسی کروم کمک کرد تا بخش پردازش و مدیریت صفحات وب را از یک پوشه کد سنتی و قدیمی شامل حدود ۶ میلیون خط کد درون پایگاه کد ۴۰ میلیون خطی کرومیوم تفکیک کنند. مدل با اعمال تغییرات ساختاریافته چندگانه به طور هم‌زمان، بازآرایی (Refactor) ساختاری صدها فایل را که مستلزم ماه‌ها کار انسانی بود ظرف چند هفته به پایان رساند.نتیجه عملیاتیاین دگرگونی برای میلیاردها کاربر کروم، امکان جابه‌جایی روان زبانه‌های زنده بین تب‌ها، پنل‌های کناری و پنجره‌های شناور بدون نیاز به بارگذاری مجدد و حذف رده کاملی از کرش‌های مرورگر است.
• بهینه‌سازی پایگاه کد عملیاتی پایتونتیم توسعه کیت توسعه متن‌باز ایجنت گوگل (ADK)فریم‌ورک پشتیبان ایجنت‌های سازمانیاز آرگون برای مهندسی کارایی استفاده کرد. با ارائه مستندات قواعد (.agents/skills) و یک گزاره تک‌پاراگرافیِ هدف برای حذف سربار فریم‌ورک بدون شکستن برنامه‌های موجود، مدل طی کار خودکار شبانه بهینه‌سازی‌هایی ارائه داد که اکنون درgoogle/adk-pythonادغام شده است. این تغییرات زمان آماده‌سازی نشست‌های درون‌حافظه‌ای را در نشست‌های طولانی ۴۰ درصد کاهش داد و ایمپورت‌های اولیه را ۲۱ درصد سریع‌تر کرد.
  مخزن .agents/skills در GitHub
• تسریع بسته متن‌باز شیمی کوانتومیxTBنرم‌افزار Semiempirical Extended Tight-Binding یا xTB یکی از پرارجاع‌ترین بسته‌های محاسباتی شیمی کوانتومی جهت پیش‌بینی ساختار سه‌بعدی مولکول‌ها و غربالگری مواد دارویی است. با بهره‌گیری از Argon در پلتفرم Antigravity، سرعت پیش‌بینی ساختارهای مولکولی در این ابزار تا ۲.۳ برابر و سرعت جست‌وجوی کنفورمر تا ۱.۸ برابر افزایش یافت و نتایج مستقیماً به مخزن رسمی پروژه در گیت‌هاب افزوده شد.
  xTB repository on GitHub
• بهبود چشمگیر کارایی مدل‌های خانوادهGemmaاستفاده از قابلیت‌های بهینه‌سازی آرگون، سرعت استنتاج انتها‌به‌انتها (End-to-End Inference) مدل‌های منبع‌باز Gemma را در بستر vLLM بر روی تراشه A100 به میزان ۲.۸۵ برابر افزایش داد. در مدل Gemma 4 E2B، توان عملیاتی از حدود ۳۷,۹۰۰ به بیش از ۱۰۸,۰۰۰ توکن در ثانیه رسید؛ این فرایند بهینه‌سازی که شامل تنظیم توجه (Attention Tuning) تا رمزگشایی حدسی (Speculative Decoding) بود، بدون هیچ‌گونه افت کیفیت و با تطابق ۱۰۰ درصدی توکن‌ها، به‌جای چندین ماه، ظرف چند روز نهایی شد.
  شتاب‌دهی به Gemma 4: استنتاج سریع‌تر با پیش‌نویس‌های پیش‌بینی چندتوکنی
• تجسم‌های سه‌بعدی پیچیده و کدنویسی بصریبا تقویت استدلال فضایی و دقت ریاضیاتی نسبت به مدل‌های قبلی Gemini، کاربران توانسته‌اند با استفاده از دستورات اسلش نظیر goal/ و حلقه‌های چندعاملی در Antigravity، پویانمایی‌های تعاملی، بازی‌های با وفاداری بالا و مصورسازی‌های پیچیده سه‌بعدی را با کدهای خالص (Vanilla Code) جهت رندر مستقیم در مرورگر تولید کنند.

چرا گوگل برای عرضه Gemini 4 Argon عجله نمی‌کند؟

تحول در فرایندهای کاری سازمانی و ارتباطی

مدل Argon با تلفیق استدلال مرزی، درک عمیق بصری، دانش تخصصی گسترده و مهارت بالا در نگارش متون تخصصی، جریان‌های کاری پرخطر در حقوق، مالی، علم و کدنویسی را بهبود داده است. در مقایسه با مدل‌های پیشین خانواده Gemini، این نسخه در سبک تعامل و لحن بازنگری شده است؛ پاسخ‌ها مستقیم‌تر بوده و از گزاره‌های محتاطانه زاید (Hedging) پرهیز می‌کند، از تکرار مکررات اجتناب و کلیشه‌ها را حذف می‌کند. علاوه بر این، در دنبال‌کردن دستورالعمل‌های سبکی به‌مراتب منسجم‌تر عمل کرده و با اعلام مکرر و بهینه پیشرفت در کارهای طولانی‌مدت، کاربر را در جریان فرایند می‌گذارد. در حوزه سازمانی، این مدل با ارزیابی دقیق مبتنی بر واقعیت (Strict Grounding)، در درک عمیق مستندات چندوجهی، تحلیل طولی داده‌ها و سندباکس‌های تحلیلی تعاملی کارایی برجسته‌ای نشان می‌دهد.

پیشگامی در امنیت سایبری و برنامه دفاعی

برای تقویت توان دفاعی شبکه‌ها، گوگل دسترسی به قابلیت‌های پیشرفته سایبری این مدل را از طریق برنامهFairwindبرای صدها همکار معتمد آغاز کرده است. این مدل به مدافعان سایبری در آزمون فرضیه‌ها، بازرسی خودکار کدهای زیرساختی، تحلیل اثبات‌های صوری، و کشف آسیب‌پذیری‌های روز-صفر (Zero-Day) و نقص‌های منطقی یاری می‌رساند.

دستیار پژوهش‌های علمی

قابلیت‌های محاسباتی و منطقی مدل مرزی Argon در حوزه‌های تخصصی مختلف علمی به نتایج کاربردی تبدیل شده است

• محاسبات کوانتومیمحققان در بخش تصحیح خطای کوانتومی و طراحی الگوریتم‌ها از این مدل بهره گرفته‌اند. آرگون نسخه داخلی دیکدر تصحیح خطای کوانتومی یادگیری ماشین گوگل به نامAlphaQubitرا به یک هسته سخت‌افزاری کاملاً بهینه‌سازی‌شده ترجمه کرد؛ این اقدام توان عملیاتی استنتاج را تقریباً دو برابر ساخت و امکان مقیاس‌پذیری به دستگاه‌های کوانتومی بزرگ‌تر با حفظ آستانه‌های سخت‌گیرانه زمان واقعی را فراهم کرد. همچنین در کدنویسی زیرروال‌های کوانتومی مانند تابع arcsin، پیاده‌سازی ارائه‌شده توسط آرگون که به‌صورت صوری در زبان Lean اثبات و اعتبارسنجی شده، هزینه‌های فضا-زمان (Spacetime Costs) را در مقایسه با مبنای الگوریتم کوانتومی CORDIC بیش از ۱۰۰ برابر کاهش داده است.
• همجوشی هسته‌ای و نقض یک حدس ریاضی قدیمیدر استلاراتورها (Stellarators) که از ماشین‌های پیشرو در همجوشی پاک محسوب می‌شوند، تنظیم میدان‌های مغناطیسی سه‌بعدی همواره مانعی اساسی بوده است. فرضیه‌ای که از سال ۱۹۶۷ با نام «حدس گرَد» (Grad’s conjecture) شناخته می‌شد، یافتن راه‌حل‌های دقیق ریاضی برای این میدان‌ها را غیرممکن می‌دانست. به‌تازگی تیم پژوهشی گوگل به همراه «مت لندرمن» از دانشگاه مریلند با کمک آرگون رده گسترده‌تری از مثال‌های نقض این حدس را کشف کردند که به‌عنوان مبنایی قابل‌اتکا در شبیه‌سازی‌های طراحی استلاراتورها به کار خواهد رفت.
  پیپر پژوهشی Analytic non-axisymmetric 3D MHD equilibria without stellarator symmetry
• پژوهش بر روی بیماری‌های نادردانشمندان آزمایشگاه‌های Gamow Labs با به‌کارگیری آرگون بر روی توالی‌یابی ژنوم‌های ناشناس نوزادان مبتلا به ناهنجاری‌های تکاملی نادر ریه، موفق به شناسایی یک بازآرایی کروموزومی شدند که سال‌ها توسط نرم‌افزارهای روتین بیوانفورماتیک نادیده گرفته شده بود. مدل علل عدم شناسایی آن را نیز مشخص کرد. در ارزیابی‌های اختصاصی بالینی، آرگون امتیاز ۵۷ درصد در معیار RareBench و امتیاز ۵۲.۲ درصد در معیار استدلال آزمایشگاهی LabBench را کسب کرده است.
• طراحی هدفمند آنزیم‌هامهندسی آنزیم‌های فعال معمولاً مستلزم ماه‌ها غربالگری است. دانشمندان با هدایت آرگون اقدام به طراحی استرازهای سرین (Serine Esterases) برای شکستن پیوند استری در مولکول 4MU-acetate کردند. مدل طی چند ساعت داده‌های تجربی را جمع‌آوری، مدل‌ها را تنظیم و فیلترهای بیوشیمیایی را تعیین کرد که به معرفی ۵ طرح نوین منتهی شد. بررسی‌های متعاقب در آزمایشگاه، فعالیت کاتالیزوری پایدار این پنج ساختار را به اثبات رساند.

گوگل برای تقویت جامعه علمی اعلام کرده است که ۱۰ هزار پژوهشگر برگزیده می‌توانند بالاترین رده دسترسی به پلتفرم Antigravity را به مدت ۶ ماه و به طور رایگان دریافت کنند.

ثبت درخواست دسترسی به پژوهشگران به Antigravity

شتاب‌بخشی به توسعه رباتیک و یادگیری فیزیکی

ترکیب ادراک بصری-معنایی، درک فیزیکی و تولید خودکار کد به مدل آرگون اجازه داده تا گام بلندی به‌سوی هوش جامع مصنوعی فیزیکی (Physical AGI) بردارد. این مدل در بنچمارک استدلال تجسم‌یافته (Embodied Reasoning (ERQA) benchmark) که سنجش حل مسائل فیزیکی و هندسی در محیط‌های سه‌بعدی بر پایه استدلال محض است، با ثبت امتیاز ۸۷ درصد رتبه نخست را در میان تمامی مدل‌های مرزی کسب کرده است.

در یک آزمون داخلی جهت اعتبارسنجی یادگیری مهارت‌های حرکتی خارج از توزیع داده‌ها، مدل تنها با مشاهده یک ویدئوی خام از فردی در حال انجام بازی Cornhole، توانست مختصات مکانی محیط را استخراج، حرکات لازم برای کل مفاصل بدن را محاسبه و کد شبیه‌سازی را به طور مستقل تولید کند. انتقال مستقیم این محاسبات در قالب خط لوله «ویدئو به شبیه‌سازی و به واقعیت» (Video-to-Sim-to-Real) بر روی ربات انسان‌نمای آپولو متعلق به شرکتApptronikسبب شد ربات در آزمون دنیای واقعی هفت پرتاب پیاپی موفق را به ثبت برساند و فرایند چندهفته‌ای مدل‌سازی دستی شبیه‌سازی به چند ساعت کاهش یابد.

آرگون ۴ برای رباتیک؛ نمونه‌های عملی و کدها

معماری امنیتی، هم‌ترازی عامل‌ها و کاهش ریسک سوءاستفاده

توسعه مدل آرگون ۴ تحت «چارچوب ایمنی مرزی» (Frontier Safety Framework) با به‌کارگیری ساختار چندلایه دفاعی، پایش و آزمون‌های تیم قرمز خارجی صورت گرفته است

• دفاع در برابر جیلبریک و سوءاستفاده‌های بیولوژیکی و سایبریمدل در عدم پاسخگویی به درخواست‌های خطرناک نظیر نگارش اکسپلویت‌های بدافزاری یا تولید مواد سمی بیولوژیکی ارتقای چشمگیری یافته است. در حملات بیولوژیکی تیم‌های قرمز مستقل، نرخ بازگشایی وظایف مشکوک آزمایشگاهی به کمتر از ۱ درصد محدود شد. همچنین در آزمون‌های تنش مقابله‌ای (Adversarial Sets)، نقض خط‌مشی‌های امنیتی نزدیک به دو برابر نسبت به مدل‌های قبلی کاهش یافت.
• هم‌ترازی رفتاری عامل‌ها و نظارت بی‌درنگ بر فرایند استدلالبرای پیشگیری از دورزدن محدودیت‌های سیستمی توسط ایجنت‌ها هنگام مواجهه با خطاها و موانع (مانند خطای مجوزها یا شکست تست‌ها)، مدل به‌گونه‌ای آموزش دیده که محدودیت‌های سیستم را رعایت کند، نتایج منفی را به طور شفاف گزارش دهد و پیش از اقدامات غیرقابل‌بازگشت از ناظر انسانی تأییدیه بخواهد. در تست‌های بنچمارک‌های کدنویسی، تلاش ایجنت برای استفاده از میان‌برهای غیرمجاز به تنها ۲ درصد کاهش یافته است. همچنین یک ناظر هم‌ترازیِ خودکار گام‌های استدلال و عمل عامل را به‌صورت بلادرنگ رصد می‌کند تا دورزدن‌های ناخواسته متوقف شوند، بدون آنکه زنجیره تفکر مدل در طول تمرین جریمه شود تا شفافیت استدلال حفظ گردد.
• مقاومت در برابر تزریق غیرمستقیم پرامپت (Prompt Injection)در محیط‌هایی که عامل‌ها با وب‌سایت‌ها، کدهای نامطمئن یا ایمیل‌ها مواجه می‌شوند، خطر تزریق کدهای مخرب نهفته وجود دارد. در بنچمارک ارزیابی تزریق پرامپت Gray Swan IPI، مدل آرگون با کاهش موفقیت حملات به ۰.۷ درصد در ۱۵ سناریوی تطبیقی، موقعیت پیشتاز این بنچمارک را به دست آورده است.

Gemini 4 Argon Model Card

یکپارچگی سیستمی، گسترش ابزارها و نحوه دسترسی

مدل علاوه بر دسترسی‌هایتوسعه‌دهندگاناز طریق Google AI Studio و Android Studio، به طور مستقیم با اکوسیستم کاری روزمره (enterprises) نیز ادغام شده است. محیط کدنویسی ایجنتی Antigravity به نسخه macOS اپلیکیشن Gemini افزوده شده است و کاربران با کلید تغییر وضعیت (Toggle) می‌توانند به بخش Task جابه‌جا شوند؛ قابلیتی که به سیستم اجازه می‌دهد حتی در زمان عدم حضور کاربر پای سیستم، وظایف محوله را در برنامه‌های گوگل و سرویس‌های متصل انجام دهد.

Gemini API Developer Guide

هم‌اکنون Gemini با پشتیبانی از این مدل به بیش از ۴۰ برنامه و پلتفرم ثالث نظیر Instacart، OpenTable، Adobe و Shopify متصل شده است تا طیف وسیعی از سفارش‌های روزمره تا طراحی و امور تجاری را در بستر یکپارچه هوش مصنوعی مدیریت کند.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.