בינה מלאכותית · מאמר
Gemini 4 Argon: כיצד מודל ה-AI הדגל החדש של Google עובד ומה הוא עושה
פורסם:
בקצרה
Gemini 4 Argon הוא מודל ה-AI הדגל העדכני של Google, שוחרר ברחבי העולם ב-13 באוקטובר 2026, בנוי לעבודה ארוכת טווח ורב-שלבית בקידוד, משפט, מימון, אבטחה סייבר, מדע ורובוטיקה. הוא קורא וכותב עד מיליון אסימונים בעבר אחד והוא כבר משולב בכלים כמו GitHub Copilot ו-Google Antigravity.
גרסה זו היא תרגום מכונה של המקור (English). לקריאת המקור
Google שחררה את Gemini 4 Argon למפתחים, עסקים ותצרכנים בחלקי העולם ב-13 באוקטובר 2026, בהתאם להודעה שלה בבלוג של Google. החברה מתארת אותו כמודל דגל המכוון ל"עבודה עמוקה" - משימות מורכבות ורב-שלביות בקידוד, מימון, עבודה משפטית, אבטחה סייבר ומדע - ולא החלפות פשוטות של שאלות ותשובות.
על מה בנוי Gemini 4 Argon
לפי הודעת ההשקה של Google, Argon משלב היגיון עמוק על משימות רב-שלביות עם הבנה מולטימודלית של מסמכים, תמונות וסביבות מרחביות, בתוספת היכולת לפעול כסוכן תוכנה עצמאי. המודל תומך במה שGoogle קוראת לזה "מגבלת קלט-פלט ממוקדת" של מיליון אסימונים, כלומר החלפה אחת יכולה להקראות ולהציג כמויות גדולות מאוד של טקסט, קוד או נתונים ללא אובדן הקשר.
Google דיווחת כי Argon מדורג ראשון במדד Vals, בנמרה שGoogle אומרת שהיא מודדת ביצועים על משימות חשובות כלכלית כמו מימון, קידוד, עבודה משפטית והכנת מיסים. החברה גם מצטטת ציון של 87% בנתיב Embodied Reasoning (ERQA), המבחן בעיות פתרון מרחביות וגופניות, ואומרת ש-Argon הראה שיעור פתיחת פגיעות נמוך מ-1% בבדיקות red-teaming הקשורות לנשקים ביולוגיים.
קידוד: מערכת הקוד של Chrome ל-GitHub Copilot
הודעת Google מציינת מספר מקרי שימוש פנימיים וספציפיים ללקוח: מהנדסים השתמשו ב-Argon כדי לעזור להפריד תיקיית מורשת בערך 6 מיליון שורות של תכונות דפדפן מתוך קוד Chromium גדול יותר, בערך 40 מיליון שורות, ומשימת אופטימיזציה של Python דווחה כי קיצרה את זמן הכנת הישיבה ב-40%. אמור שיישום כימיה קוונטית רץ 2.3 פעמים מהר יותר בעזרת Argon.
ב-13 באוקטובר 2026, GitHub הודיעה כי Gemini 4 Argon הוא כללי זמין בתוך GitHub Copilot עבור תוכניות Pro+, Business ו-Enterprise, בחירה מבחירה המודל ב-Visual Studio Code, Visual Studio, Copilot CLI, JetBrains IDEs, Xcode ו-Eclipse, לפי רישום שינויי GitHub. GitHub אומרת שבבדיקתה המוקדמת, Argon פתר יותר משימות בנקודה קידוד מאשר מודלי Gemini קודמים, עם הרווחים הגדולים ביותר שלה ב-Copilot CLI, וכי היא בודקת את עבודתה על ידי בדיקת מקרי קצה לפני סיום. הוצאות חשבון עבור משתמשי Copilot פועלות על תמחור מבוסס שימוש בתעריפי רשימת הספק.
רובוטיקה וההנמקה הגופנית
הודעה נפרדת בבלוג Google Developers מתמקדת ביישומי הרובוטיקה של Argon. Google אומרת שהמודל יכול לתרגם צילומי מצלמה רובוטיים בעולם אמיתי, וידאו מנקודת הראייה של אדם או אפילו סקיצות משורטטות ביד לסביבות סימולציה מכוילות מבחינה פיזית, תהליך שהוא קורא ל"Real2Sim." בהדגמה אחת, Argon הנחה את רובוט Boston Dynamics Spot רבעי הרגליים לאחזור והשלכה של חפץ לאחר תרגול המשימה בתוך סימולציה של פיזיקה MuJoCo.
Google גם אומרת ש-Argon יכול ליצור נתוני הכשרה סינתטיים בתוך סימולציה כדי לשפר מודלים אחרים של בקרת רובוט, מדווחת כי שיעור הצלחת המשימה של דגם בחזון-שפה-פעולה אחד עלה מ-56% ל-75% לאחר הדרכה על נתונים שנוצרו על ידי Argon. המודל מזוהה בכלים למפתחים כ-gemini-4-argon ו, עבור עבודת רובוטיקה, זמין דרך Google AI Studio ו-Google Antigravity עבור מנויי Google AI Ultra, ודרך השכבה בתשלום של Gemini API.
כיצד הוא משתווה עם מודלים מתחרים
עיקוב נתיב עצמאי שפורסם באתר החינוך AI DataCamp, אשר חיברו ניקוד מפורסם של Google לצד שחרורים מתחרים, מצא כי Argon מובילה בעבודה קוגניטיבית ומשימות הקשר ארוכות אך מתחרטת על מודלים מתחרים בכמה נתיבי קידוד טהור ומבוססי מסוף.
| מדד | Gemini 4 Argon | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
| אינדקס Vals (משימות עסקיות) | 68.9 | 67.0 | 63.1 |
| DeepSWE v1.1 (הנדסת תוכנה) | 77.9 | 74.2 | 74.1 |
| GraphWalks, 256K–1M tokens (הקשר ארוך) | 84.2 | 66.8 | 71.8 |
| מדד Harvey Legal Agent | 19.6 | 3.8 | 5.4 |
| Terminal-Bench 4.0 | 57.4 | 66.4 | 58.2 |
הניתוח של DataCamp גם ציין כי מחיר ה-API הסטנדרטי של Argon של 4 דולר לכל מיליון אסימונים קלט ו-20 דולר לכל מיליון אסימונים פלט עולה בקנה אחד עם התמחור של Claude Opus 5.5, בעוד שתעריף ההצגה שלו של 2/10 דולר לכל מיליון אסימונים מחתך את הרשימה של GPT-6 Astra של 10/50 דולר במהלך תקופת הקידום.
תמחור, זמינות ולמה Google דוחפת את Argon עכשיו
לפי הודעת Google שלה, תמחור ההצגה של API - 2 דולר לכל מיליון אסימונים קלט ו-10 דולר לכל מיליון אסימונים פלט, עם הנחה של 95% בקלטים ממוטרים - עובד דרך 30 בנובמבר 2026, לאחר מכן הוא עולה ל-4 ו-20 דולר לכל מיליון אסימונים בהתאמה. צרכנים יכולים להגיע אל Argon דרך אפליקציית Gemini וAI Mode בחיפוש אם יש להם מנוי AI Pro או AI Ultra; סביבת הקידוד של Antigravity מוגבלת למנויי Ultra, בעוד שמדענים יכולים לקבל שישה חודשים של גישה חינמית ברמה גבוהה ל-Antigravity ומטרידים אבטחה סייבר מאומתים יכולים להגיש בקשה דרך תוכנית Fairwind של Google.
סוכנות החדשות Reuters, בדוח שנשא על ידי Investing.com, הציבה את ההשקה בהקשר רחב יותר, אמרה שGoogle גלגלה את Argon כשהיא ניסתה להחזיר את כל הקרקע נגד יריבות OpenAI ו-Anthropic בעקבות חודשים של עיכובים וחילוף מנהיגות בחדר המעבדה של DeepMind שלה. הדוח אמר שGoogle בעבר בטלה שחרור Gemini 3.5 Pro מתוכנן שהיה אמור ליוני. לקוחות מוקדמים שנקבעו בדוח כוללים Deloitte, LexisNexis, Ambience Healthcare ו-Isomorphic Labs, וקבוצות באמצעות Argon בתוך Antigravity דיווחו על עלייה בהגשות קוד סוכן של יותר מ-35% תוך קיצוץ חזרה לקוד בכ-שליש.
פתרה יותר משימות מאשר מודלי Gemini קודמים על כל נקודה קידוד, עם הרווחים הגדולים ביותר שלה ב-Copilot CLI.
שאלות
- מתי שוחרר Gemini 4 Argon?
- Google הפכה את Gemini 4 Argon זמינה באופן גלובלי עבור מפתחים, עסקים ותצרכנים ב-13 באוקטובר 2026, בהתאם להודעת Google שלה.
- מה היא חלון ההקשר של המודל?
- Google מתארת מגבלת קלט-פלט ממוקדת של מיליון אסימונים, כלומר בקשה אחת יכולה לעבד וליצור עד בערך מיליון אסימונים של טקסט משולב, קוד או נתונים אחרים.
- כמה זה עולה להשתמש ב-Gemini 4 Argon דרך ה-API?
- תמחור ההצגה דרך 30 בנובמבר 2026 הוא 2 דולר לכל מיליון אסימונים קלט ו-10 דולר לכל מיליון אסימונים פלט; לאחר מכן הסתדר הסטנדרטי הוא 4 ו-20 דולר לכל מיליון אסימונים בהתאמה, בהתאם להודעת Google.
- האם Gemini 4 Argon יכול לשלוט ברובוטים?
- Google אומרת ש-Argon יכול לשחזר סביבות סימולציה מצילום וידאו רובוט או אדם, ליצור נתוני הכשרה סינתטיים עבור מודלים בקרת רובוט, והוא שימש להנחת רובוט ארבע רגליים Boston Dynamics Spot במשימת בדיקה, לפי בלוג Google Developers.
- האם Gemini 4 Argon זמין ב-GitHub Copilot?
- כן. GitHub הודיעה על זמינות כללית של Gemini 4 Argon למשתמשי Copilot Pro+, Business ו-Enterprise ב-13 באוקטובר 2026, בחירה מבחירה המודל בכמה עורכים נתמכים.
מקורות
כתבה זו הוכנה בעזרת בינה מלאכותית ועברה בדיקת מקורות אוטומטית לפני הפרסום. אם ראיתם טעות, בקשו תיקון. בקשת תיקון או זכות תגובה · איך אנחנו עובדים
כתבות קשורות

בינה מלאכותיתמאמר
איך רשתות נוירונים לומדות: המתמטיקה מאחורי ChatGPT ו-Gemini
רשתות נוירונים לומדות על ידי ביצוע תחזוקה, מדידת עד כמה היא הייתה שגויה עם פונקציית אובדן, ואז התאמת ערכים פנימיים הנקראים משקלות לאחור דרך הרשת — תהליך הנקרא התפשטות לאחור המשויך לשיטת אופטימיזציה הנקראת ירידת גרדיאנט. אותה מכניקה, בהרחבה למיליארדי פרמטרים, עומדת בבסיס האופן בו מערכות כמו ChatGPT ו-Gemini מאומנות תחילה ואז מותאמות לתפקידים ספציפיים דרך כיול עדין.

בינה מלאכותיתמאמר
כיצד בינה מלאכותית יוצרת אומנות וmusik, ולמה "יצירתיות אמיתית" נשארת במחלוקת
כלים לייצור תמונות של בינה מלאכותית כמו Midjourney ו-Stable Diffusion בונים תמונות על ידי למידה להפוך תהליך של רעש, בעוד שכלים לייצור מוזיקה כמו Suno ו-Udio דוחסים קול לאסימונים ותוקעים אותם שלב אחר שלב, מונחים על ידי הנושא טקסט. האם תהליך כלשהו מהם נחשב ליצירתיות אמיתית עדיין לא תוכן: חוקרים מתחלקים בין קריאה לו "ערבוב" מבוסס דפוס וייחוס לו בעל ביצועים יצירתיים הניתנים למדידה.
בינה מלאכותיתמאמר
למה Moonshot במתכוונת חלישה את יכולות ההאקינג של מודל ה-AI החדש Kimi שלה
חברת ה-AI הסינית Moonshot אומרת שהיא הסירה נתוני הדרכה הקשורים לסייבר מהמודל החדש Kimi K3.1 Pro כדי שהמערכת בעלת משקולות פתוחות לא תדחוף את "הגבול" של יכולת התקפות הקלאק. ההודעה, שהוכרזה ביום שבת, 24 באוקטובר 2026, באה כרקע של אזהרות מממשלות וחוקרי אבטחה כי AI בעל יכולת הולכת וגדלה יכול להפוך התקפות סייבור מתוחכמות לזולות יותר וקלות יותר לביצוע.
בינה מלאכותיתמאמר
כיצד עובדים גלאי טקסט AI, מוסברים דרך סכסוך על רומן זוכה פרס
גלאי טקסט AI אינם מוכיחים מי כתב משהו; הם משערים הסתברות על ידי מדידת דפוסים סטטיסטיים כגון צפיות למילים ושינויים בגודל המשפט. גלאי בשם Pangram 4.1 יחסו לאחרונה 99% מרומן זוכה פרס בשפה ספרדית בשווי 20,000 יורו לבינה מלאכותית, מה שגרם לשלוח לעצור אירועים קידומיים בעודו מנהל חקירה.