Gemini 4 Argon: il nuovo modello di Google parte dalla cybersicurezza

Google ha tolto il velo al suo nuovo modello di punta. Si chiama Gemini 4 Argon ed è il primo esponente della famiglia Gemini 4, annunciato il 30 settembre 2026 da Koray Kavukcuoglu, a capo di Google DeepMind. Non arriva però subito a tutti: per ora lo usano solo un gruppo selezionato di esperti di sicurezza informatica e i team interni di Google, mentre sviluppatori, aziende e utenti dovranno attendere un rilascio graduale che Google promette “il prima possibile”.

È un lancio insolito, che dice molto su come stanno cambiando le regole per i modelli di frontiera.

Cos’è Gemini 4 Argon e perché conta

Argon è pensato per sostenere un ragionamento profondo su flussi di lavoro lunghi e complessi, quelli che richiedono decine di passaggi, strumenti diversi e ore di elaborazione. Google lo posiziona su tre fronti precisi: lo sviluppo software reale, il lavoro di conoscenza in ambito aziendale come finanza e diritto, e la difesa informatica. Poche settimane fa ti avevamo raccontato che Gemini 4 era entrato nella fase di post-training: ora sappiamo come si chiama il primo modello e cosa sa fare.

Un milione di token in uscita

La novità tecnica più vistosa riguarda il limite di output. Argon può generare fino a 1 milione di token in una singola risposta, contro i 64.000 del modello precedente. Google lo definisce un limite ai vertici del settore, e la logica è semplice: se il modello ha abbastanza spazio per ragionare e produrre centinaia di migliaia di token in un’unica traiettoria, può affrontare problemi difficili in un colpo solo, senza spezzarli in tante richieste separate.

Per chi lavora su codebase enormi o documenti molto lunghi, è un cambiamento sostanziale.

I prezzi annunciati

Google ha già comunicato il listino. Al lancio Argon costerà, con un prezzo introduttivo, 2 dollari per milione di token in input e 10 dollari per milione di token in output, con uno sconto del 95% sui token di input memorizzati nella cache. Terminato il periodo promozionale, le tariffe saliranno a 4 dollari in input e 20 dollari in output per milione di token. È una politica aggressiva, in un momento in cui la concorrenza sui prezzi tra i grandi laboratori è molto accesa, come dimostrano i recenti lanci di OpenAI con GPT-6.1 Sol e di Anthropic.

Come Google usa già Argon al proprio interno

Secondo Google, migliaia di dipendenti stanno già lavorando con Argon ogni giorno, apprezzandone soprattutto le capacità nel codice specialistico, nella ricerca approfondita e nella qualità della scrittura. L’azienda ha condiviso alcuni esempi concreti che aiutano a capire la portata del modello.

Nel calcolo quantistico, Argon ha aiutato i ricercatori a ottimizzare le risorse necessarie per alcune subroutine critiche, cioè la combinazione tra numero di qubit e numero di porte logiche. In un caso ha superato del 40% il miglior risultato pubblicato, impiegando pochi minuti.

Sul fronte dell’infrastruttura, un gruppo di agenti basati su Argon ha analizzato i dati di profilazione dei data center di Google e ha individuato e applicato in autonomia diverse ottimizzazioni della memoria. Il risultato è la liberazione di oltre 300 TiB di memoria, con un risparmio complessivo stimato tra 500 TiB e 1 PiB.

Numeri che, su scala Google, si traducono in costi e consumi energetici sensibilmente più bassi.

La migrazione da C e C++ a Rust

L’esempio forse più significativo riguarda la migrazione del codice. Gli agenti Argon stanno convertendo in Rust porzioni del codice C e C++ di Google, partendo da librerie da decine di migliaia di righe come re2 e libgav1 fino ad arrivare alle oltre 800.000 righe del kernel Zircon del sistema operativo Fuchsia. Trattandosi di sistemi critici, ogni riscrittura passa da controlli automatici e manuali, test in emulazione e revisioni prima di arrivare in produzione.

Nel caso di libgav1, il decoder video open source di Google, gli agenti hanno sostituito 32.000 righe di codice SIMD con Rust sicuro, eseguendo molti cicli di esperimenti guidati dalla profilazione e studiando l’output del compilatore. Il decoder ottenuto è sicuro dal punto di vista della memoria e gira 2,7 volte più veloce della precedente versione in Rust, con un output video identico.

Le prestazioni nel coding e nel lavoro aziendale

Sui benchmark Google rivendica diversi primati. Nel coding, Argon stabilisce un nuovo stato dell’arte su DeepSWE v1.1 con il 77,9%, un test che misura la capacità di portare a termine compiti di ingegneria del software lunghi e realistici.

Fuori dal codice, il modello risulta primo sul Vals Index, un indice che valuta l’impatto economico su finanza, programmazione, diritto e fisco pesando ogni settore in base al suo contributo al PIL degli Stati Uniti. Google segnala risultati di vertice anche su test più specifici come Vals Finance Agent v2, dedicato alla ricerca finanziaria in più passaggi, e sul Legal Agent Benchmark di Harvey per la ricerca e la redazione di testi legali. Su AutomationBench di Zapier, che misura l’esecuzione completa di processi aziendali, Argon è primo con il 51,3%.

C’è poi la componente visiva. Argon è in grado di analizzare grafici professionali, individuare dettagli in video molto lunghi e agire sulla base di una serie di documenti. Su LVBench, benchmark per la comprensione di video lunghi, raggiunge il 91,7%. Ricorda comunque che si tratta di dati dichiarati da Google: le verifiche indipendenti arriveranno solo quando il modello sarà accessibile a una platea più ampia.

Il cuore del lancio: la difesa informatica

Il motivo per cui Argon parte da un gruppo ristretto è la sicurezza informatica. Google lo ha addestrato per essere molto capace nella difesa, al punto da poter trovare, validare e correggere in autonomia vulnerabilità critiche nel software. Si tratta di un’evoluzione del percorso iniziato con Gemini 3.8 Flash Cyber, rispetto al quale Argon mostra, secondo Google, progressi netti nella scoperta di falle.

Per i difensori fidati e per i team interni, Google rilascerà Argon senza i filtri che normalmente limitano le richieste in ambito cyber, così da sfruttarne tutto il potenziale difensivo. L’accesso passa dal Fairwind Program, il programma di Google DeepMind dedicato alla difesa proattiva di governi e aziende.

Una scelta delicata, che spiega la prudenza del rilascio.

Tra i primi utilizzatori c’è Wiz, che impiega Argon nell’iniziativa Scan for Good, pensata per proteggere gratuitamente infrastrutture pubbliche critiche. In una delle prime dimostrazioni il modello ha scoperto una vulnerabilità critica in un software sanitario usato da ospedali in tutto il mondo, che esponeva dati personali sensibili e che i modelli precedenti non avevano individuato. Su CWE-bench v1, che misura la capacità di correggere vulnerabilità, Argon è primo a pari merito con il 68%.

Sicurezza e cautela prima del rilascio pubblico

Google insiste molto sulle misure di protezione, organizzate su quattro fronti. Il primo è il contrasto all’uso improprio: il modello è progettato per rifiutare richieste legate ad attacchi informatici o ad armi chimiche, biologiche, radiologiche e nucleari, pur continuando a supportare la ricerca scientifica legittima. Tra le tecniche adottate c’è anche il monitoraggio delle attivazioni interne del modello per riconoscere tentativi di abuso.

Il secondo fronte riguarda la prompt injection indiretta, cioè le istruzioni malevole nascoste nei contenuti che il modello legge. Google afferma che Argon è il suo modello più resistente a questo tipo di attacco, con risultati di vertice sul benchmark dedicato di Gray Swan. Il terzo è il monitoraggio del disallineamento: un sistema controlla la catena di ragionamento e le azioni del modello e può interromperne l’esecuzione se va oltre le intenzioni dell’utente. Il quarto è l’isolamento degli ambienti di test, sigillati prima delle fasi di addestramento e valutazione più rischiose.

Google partecipa inoltre al processo volontario del governo statunitense per l’accesso ai modelli prima del rilascio.

Quando potrai usare Gemini 4 Argon

Una data precisa non c’è. Google spiega che raccoglierà i feedback del primo gruppo di tester per rafforzare le protezioni e che, quando il modello sarà pronto per un pubblico più ampio, partirà dai clienti paganti delle API e dagli abbonati a Google AI Ultra, per poi estendersi a sviluppatori, aziende e consumatori. Se usi già l’ecosistema Google Gemini, conviene tenere d’occhio gli aggiornamenti nelle prossime settimane.

Argon segna un cambio di passo netto. Da un lato alza l’asticella su ragionamento lungo, coding e lavoro professionale; dall’altro conferma una tendenza ormai chiara nel settore: i modelli più potenti arrivano prima a chi difende i sistemi e solo dopo al grande pubblico. Continua a seguire intelligenzaartificiale.net per scoprire quando Gemini 4 Argon sarà disponibile e come si comporta nei test indipendenti. L’annuncio completo è disponibile sul blog ufficiale di Google.