Google DeepMind je upravo predstavio Gemini 4 Argon, svoju najnoviju frontier model generacije, i poruka je jasna — ovaj model nije napravljen da piše pesmice ili odgovara na trivijalna pitanja. Napravljen je da rešava probleme koje ni najbolji inženjeri ne mogu da reše sami.

Argon je od danas globalno dostupan — developerima i preduzećima preko API-ja u AI Studio i Gemini platformi, korisnicima Google AI Ultra pretplate u Google Antigravity, kao i AI Ultra i Pro pretplatnicima u Gemini aplikaciji i AI Mode u pretrazi. Uvodna cena je 2 dolara za milion ulaznih tokena i 10 dolara za milion izlaznih tokena, uz dodatnih 95% popusta na keširane ulazne tokene.
Šta Argon zapravo radi bolje od konkurencije
Ono što ovaj model izdvaja nije samo sirova snaga, već dubina i preciznost u višekoračnim zadacima. Argon je zauzeo prvo mesto na Vals Index-u, benchmarku koji meri performanse modela u ključnim ekonomskim sektorima — finansijama, programiranju, pravu i poreskom savetovanju. To nije marketinška titula; to je pozicija koja se meri na realnim, složenim zadacima iz industrije.
Model se posebno ističe u domenima kao što su kodiranje, finansije, pravo, sajber bezbednost i nauka. Timovi unutar Googlea, ali i u preduzećima i istraživačkim zajednicama, već su ga koristili za zadatke koji se mere mesecima ljudskog rada.

Chrome refaktorisan za nedelje, ne mesece
Jedan od najupečatljivijih primera dolazi iz Chrome tima. Argon je pomogao da se razdvoji osnovna logika za obradu web stranica od legacy foldera sa oko 6 miliona linija koda unutar Chromiumovog codebase-a koji broji 40 miliona linija. Model je uspeo da istovremeno gura više čistih izmena koda, što je timu omogućilo da završi arhitektonski refaktor preko stotina fajlova — posao za koji su procenjivali mesece — u svega nekoliko nedelja.
Za milijarde korisnika Chromea, ovo konkretno znači da će žive web stranice moći da se premeštaju između tabova, bočnih panela i plutajućih prozora bez ponovnog učitavanja, čime se eliminiše cela kategorija crash-eva browsera.
Optimizacija Python codebase-a preko noći
Tim iza Googleovog open-source Agent Development Kit (ADK) — frameworka koji pokreće enterprise agente — dao je Argonu svoj rulebook i cilj u jednom pasusu: eliminisati overhead frameworka bez lomljenja postojećih aplikacija. Argon je radio autonomno preko noći i izbacio optimizacije koje su sada već live u google/adk-python repozitorijumu, značajno smanjujući memorijske sesije.
Ovo nije scenario iz naučne fantastike — ovo je već primenjeno u produkciji. Modeli koji samostalno analiziraju, predlažu i implementiraju optimizacije u realnom kodu predstavljaju kvalitativni skok u odnosu na prethodnu generaciju AI asistenata koji su uglavnom predlagali isečke koda.

Od kvantnih računara do fuzije
Argon se ne zaustavlja na softveru. Model je korišćen za pronalaženje i zakrpljivanje kritičnih sajber ranjivosti, kao i za istraživanja u oblastima kvantnog računarstva, nuklearne fuzije i life sciences. Google navodi da su istraživači već koristili model za otkrivanje novih pristupa u domenima gde je svaki dan istraživanja izuzetno skup.
Sa Argon Antigravity verzijom, Google tvrdi da su timovi povećali broj agentskih code submissions za više od 35%, uz smanjenje rollback-ova za skoro trećinu. To znači da model ne samo da piše više koda — piše kvalitetniji kod koji se ređe vraća na doradu.
Šta ovo znači za tržište
Uvodna cena od 2 dolara za milion ulaznih tokena pozicionira Argon agresivno u odnosu na konkurenciju, posebno kada se uzme u obzir popust na keširane tokene. Za startape i manje timove koji grade na AI-ju, ovo bi mogao da bude jedan od najisplativijih frontier modela trenutno dostupnih.
Ono što je možda najvažnije — Google ne prodaje maglu o “revolucionarnoj AI koja menja sve”. Umesto toga, pokazuje konkretne primere: Chrome refaktor, ADK optimizacija, bezbednosni patch-evi. Ako ovi rezultati drže vodu u nezavisnim testovima, Gemini 4 Argon bi mogao da postane ozbiljan kandidat za standard u enterprise okruženjima gde se preciznost meri u milionima linija koda, a ne u lepim demo snimcima.
Više detalja možete pronaći na zvaničnom Google DeepMind blogu.