Google открыл флагманскую модель Gemini 4 Argon платным подписчикам Google AI Pro внутри агентской платформы Antigravity: она работает в приложении, CLI и IDE-расширениях с отдельной недельной квотой поверх привычного лимита Gemini 3.8 Flash. Разворачивание началось 15 октября 2026 года, через два дня после анонса самой модели.

Что произошло

Разворачивание началось 15 октября 2026 года: владельцы платной подписки Google AI Pro получили Gemini 4 Argon в агентской платформе Antigravity. Модель включена в приложение Antigravity, Antigravity CLI и IDE-расширения, но не в сам Antigravity IDE, а уровень рассуждения переключается между Low, Medium и High. Для Argon заведён отдельный недельный (weekly-only) квот-лимит, который расходуется поверх существующего Gemini-бакета, отведённого под Gemini 3.8 Flash; обладателям пробной подписки Pro доступ не открывается. Это второй шаг по отношению к анонсу самой модели 13 октября 2026 года: тогда Argon стала доступна подписчикам Pro и Ultra, через API в Gemini platform и по подходящим подпискам Gemini Enterprise. Google подкрепляет релиз внутренними цифрами: внутри Alphabet Argon ежемесячно используют более 100 000 человек, за четыре недели внутреннего применения объём агентного кода вырос на 35%, а откаты после коммитов (post-submit rollbacks) снизились на 30%.

Контекст

Gemini 4 Argon встраивается в линейку моделей Antigravity над Gemini 3.8 Flash: Flash остаётся рабочей моделью для повседневных задач, а Argon занимает роль флагмана для сложных агентских сценариев. Именно это разделение кодируют отдельный недельный лимит флагмана поверх обычного бакета рабочей модели и вынесенный в интерфейс выбор уровня рассуждения — схема превращает Argon в дорогую опцию для тяжёлых задач, а не в замену Flash. Распространение при этом организовано сразу по нескольким каналам: потребительские подписки Pro и Ultra, API в Gemini platform и подходящие подписки Gemini Enterprise, то есть платформа и подписки работают как витрины одной и той же frontier-модели в разных сегментах.

Почему это важно для индустрии

Google привязывает frontier-модель к платной подписке в агентском инструменте разработки и параллельно продаёт её через API в Gemini platform и по Gemini Enterprise — это прямой пример монетизации agent-first кодинга, который задаёт ценовую и продуктовую планку для Anthropic и OpenAI на рынке агентских IDE и кодинг-ассистентов. Наиболее вероятный ответ конкурентов — собственные двухуровневые квотные схемы в IDE и CLI, а прозрачность квот и роутинг между моделями по сложности задачи превращаются из отдельной фичи в стандартное продуктовое требование. Если Google опубликует ценование и rate limits для API, Argon с высокой вероятностью станет одним из дефолтных вариантов агентных coding-пайплайнов, и командам придётся выстраивать маршрутизацию между Gemini 3.8 Flash и Argon по сложности задачи и остатку квоты.

Почему это важно для пользователей

Обладателям платной Google AI Pro достаточно обновить Antigravity: Argon появится в приложении, CLI и IDE-расширениях. Недельную квоту стоит тратить выборочно — рутину оставить Gemini 3.8 Flash, сложные агентские задачи отдать флагману, а уровень рассуждения Low, Medium или High подстраивать под конкретную задачу. Через API в Gemini platform уже сегодня можно собрать прототип агента, например code review-бота, и проверить его на собственном репозитории внутри подписки.

Что пока неизвестно / ограничения

В источниках нет технической составляющей: ни техотчёта по Gemini 4 Argon, ни результатов бенчмарков или сравнений с Gemini 3.8 Flash и конкурентами, ни сведений об архитектуре или контекстном окне. Приведённые Google внутренние метрики — рост агентного кода и снижение откатов после коммитов — не являются eval-протоколом: не указано, что именно измерялось, за какой период взята базовая линия и был ли контроль, поэтому это слабый сигнал, а не подтверждение заявлений о возможностях модели. Опубликованных независимых оценок Argon пока нет, а пользовательские впечатления без eval-протокола остаются анекдотическими данными. Ценование и rate limits для API также не раскрыты, так что осторожная позиция по модели — «wait and measure» через доступ к API.

Источники

Автор

Look at AI, редакция