Passa al contenuto principale

Gemini 4 Argon: la guida sul campo per chi usa Claude (30 settembre 2026)

Intermedio

Il 30 settembre 2026 Google ha aperto la generazione Gemini 4 con un solo modello, Argon, e un numero che nessun altro ha: un limite di output da 1 milione di token, su dai precedenti 64K. Non la finestra di contesto: quella è rimasta a 1M. È il tetto di output che è salito di 16 volte.

È finito in cima a Hacker News e ci è rimasto. È anche finito in una posizione commerciale strana: il post di Google dice che Argon «guida o pareggia con il punteggio più alto in più categorie di GPT-6 Astra o Claude Opus 5.5», mentre l'Intelligence Index indipendente di Artificial Analysis pubblicato nella stessa settimana colloca Argon a 53 contro i 58 di Claude Opus 5.5. Entrambe le affermazioni sono accurate. Misurano cose diverse, e lo scarto tra le due è la cosa più utile di questa pagina.

Questa lezione è per chi usa Claude e deve decidere se Argon cambia qualcosa nel suo routing. Copre cosa compra davvero il limite di output da 1M, come leggere due storie di benchmark contraddittorie, l'economia per task che i titoli «40% più economico» ribaltano, e perché la tua richiesta di accesso verrà probabilmente rifiutata.

What you'll learn
  • Distinguere il limite di output da 1M dalla finestra di contesto da 1M — sono due tetti diversi e solo uno dei due si è mosso
  • Riconciliare l'affermazione di Google sulle «13 categorie su 18» con l'indice indipendente che colloca Argon 5 punti sotto Claude Opus 5.5
  • Prezzare un task come si deve: perché 62K token di output contro i 27K di Astra significano che il vantaggio di Argon è il suo listino, non la sua efficienza
  • Leggere il tasso di allucinazione del 15% per quello che è — un comportamento di astensione, non una vittoria di conoscenza
  • Capire cosa blocca il Fairwind Program, cosa richiede alla tua organizzazione, e perché Argon è di fatto non chiamabile per la maggior parte dei lettori

La versione in una frase​

Gemini 4 Argon è il nuovo modello di frontiera di Google, 1M token di contesto in input e un limite di output da 1M token (su da 64K), al prezzo introduttivo di 2 $ in / 10 $ out per 1M token con input cached al 95% di sconto, che sale a 4 $ / 20 $ dopo il periodo introduttivo. Non è disponibile al pubblico: sta arrivando ai difensori cyber selezionati attraverso il Fairwind Program, poi ai clienti API a pagamento e agli abbonati Google AI Ultra. Sul set di 18 benchmark scelto da Google guida o pareggia in 13 categorie; sull'Intelligence Index indipendente di Artificial Analysis segna 53, pareggiando con GPT-6 Astra e Claude Fable 5.1 e restando cinque punti sotto Claude Opus 5.5.

Il numero che non è quello che sembra​

Quasi tutti i riassunti di questo lancio dicono «1 milione di token» e lasciano il lettore a supporre che si parli di finestra di contesto. La finestra di contesto non è cambiata. Gemini è a 1M token di input dalla linea 3.x — Gemini 3.8 Flash ha la stessa finestra da 1M e un tetto di output da 64K.

Quello che si è mosso è il tetto di output, da 64K a 1M. Sono limiti separati e si rompono in modi separati:

LimiteCosa governaGemini 3.8 FlashGemini 4 Argon
Contesto di inputQuanto puoi mandare — file, trascrizioni, repo1M1M
Output massimoQuanto il modello può emettere in una singola risposta, token di ragionamento inclusi64K1M

La conseguenza pratica riguarda dove si rompe un task lungo. Con un tetto di output da 64K, un lavoro davvero a lungo orizzonte — rifattorizza questo sottosistema, redigi questo atto, fai triage di questo codebase — deve essere spezzato da te, e ogni confine tra i pezzi è un punto in cui il modello perde il proprio stato di lavoro. La tesi di Google è che Argon possa invece tenere una singola catena ininterrotta di ragionamento ed esecuzione su tutto il lavoro.

Tre cose da tenere a mente prima di considerarlo gratis:

  • I token di ragionamento escono dallo stesso budget. Su Gemini i thinking token sono token di output. Una disponibilità di 1M di output non è 1M di token di prodotto finale; è 1M di token di ragionamento più prodotto finale.
  • L'output è il lato costoso. Al prezzo introduttivo, l'output costa 5x l'input (10 $ contro 2 $). Una risposta che usasse davvero tutto il milione di token di output costerebbe 10 $ da sola, e 20 $ quando arriverà il prezzo standard.
  • Niente obbliga il modello a usarlo. Un tetto più alto cambia ciò che è possibile, non ciò che è tipico. Argon emette in media 62K token di output per task dell'Intelligence Index — circa il 6% del suo tetto.

Due storie di benchmark, entrambe vere​

Questa è la parte su cui vale la pena rallentare, perché lo stesso schema si ripeterà a ogni lancio per il resto dell'anno.

Storia uno — il report di valutazione di Google. Sui 18 benchmark dichiarati, Argon guida o pareggia in 13 (12 primi posti netti, 1 pareggio):

BenchmarkArgonGPT-6 AstraClaude Opus 5.5
Harvey Legal Agent19,6%5,4%3,8%
GraphWalks84,2%71,8%66,8%
Vals Finance Agent v265,4%53,5%58,6%
AutomationBench51,3%41,4%42,5%
LVBench (video lunghi)91,7%87,5%83,7%
DeepSWE v1.177,9%74,1%74,2%
CWE-bench v168%68% (pareggio)67%
Gray Swan IPI (successo dell'attacco — più basso è meglio)0,7%8,5%1,0%
FrontierSWE v255,0%65,5%—
Terminal-Bench Science 0.157,6%68,1%—
Terminal-bench 4.057,4%—66,4%
PostTrainBench45,3%—49,3%

Storia due — l'Intelligence Index di Artificial Analysis, un aggregato indipendente eseguito nella stessa settimana:

ModelloIntelligence Index
Claude Opus 5.558 (57,6)
Claude Sonnet 5.556
Gemini 4 Argon (High)53 (52,6)
GPT-6 Astra (max)53
Claude Fable 5.153
GPT-6.1 Sol (max)52

Argon si colloca #8 su 224 modelli in quell'indice — ottimo, e cinque punti dietro il modello di punta di Anthropic.

Nessuna delle due fonti sta mentendo. Divergono per ragioni che si possono nominare:

  1. La selezione dei benchmark è una scelta. Google ha scelto 18 benchmark che includono tre eval di agenti di dominio (legale, finanza, automazione) dove i margini di Argon sono enormi. Un indice aggregato pesa un paniere diverso. Cambia il paniere, cambia il vincitore.
  2. Le sconfitte si raggruppano. Le quattro sconfitte nette di Argon — FrontierSWE v2, Terminal-Bench Science, Terminal-bench 4.0, PostTrainBench — sono tutte lavoro agentico interattivo, multi-turno, guidato da tool. Le sue vittorie si raggruppano nel ragionamento di dominio one-shot e nel recupero su contesti lunghi. È una forma, non rumore, e si mappa in modo pulito sulle decisioni di routing.
  3. I numeri assoluti contano più dei rapporti. Harvey Legal Agent è la riga più citata del lancio: 19,6% contro 5,4%, un vantaggio di 3,6x. È anche un punteggio del 19,6% — Argon fallisce circa quattro task su cinque su quel benchmark. «Il migliore disponibile» e «abbastanza buono da mettere in produzione senza supervisione» sono affermazioni diverse.
  4. I benchmark del vendor non sono comportamento in produzione. Trending Topics cita un'inchiesta di Bloomberg secondo cui, a detta di dipendenti di Google, il modello si comporta peggio nell'uso pratico sul codice di quanto suggeriscano i suoi punteggi. Prendila come una singola segnalazione non verificata — ma è esattamente il tipo di scarto che il protocollo il modello è stato depotenziato? esiste per misurare.
Pro tip
  • Quando un post di lancio dice «guida o pareggia in N categorie su M», la domanda portante è chi ha scelto M. Vai a cercare un indice aggregato in cui non hai dovuto essere invitato, e confronta i due panieri prima di cambiare qualsiasi routing.

L'economia è il contrario del titolo​

Diverse testate hanno aperto dicendo che Argon è circa il 40% più economico di GPT-6 Astra. Il listino lo conferma. Il costo per task racconta una storia più interessante, perché Argon è un forte consumatore di token.

Artificial Analysis ha misurato l'output medio per task dell'Intelligence Index:

  • Gemini 4 Argon: ~62.000 token di output
  • GPT-6 Astra: ~27.000 token di output

Argon emette circa 2,3 volte più token per raggiungere lo stesso punteggio dell'indice. La bolletta più bassa è un artefatto di prezzo, non una vittoria di efficienza. Il costo misurato per task:

ModelloCosto per task dell'Intelligence IndexPunteggio dell'indice
GPT-6.1 Sol (max)0,74 $52
Gemini 4 Argon (prezzo intro)1,99 $53
GPT-6 Astra (max)3,26 $53
Gemini 4 Argon (prezzo standard)3,98 $53
Claude Opus 5.5 (max)5,98 $58

Leggi quella tabella due volte. Ne escono tre conclusioni separate:

  • Il vantaggio di Argon su Astra ha una scadenza programmata. A 2 $/10 $ costa 1,99 $ per task contro i 3,26 $ di Astra — un risparmio del 39%. Quando il prezzo raddoppia a 4 $/20 $, costa 3,98 $, cioè più di Astra. Tutto l'argomento sul costo vive dentro la finestra introduttiva, e Google non ha detto quanto duri.
  • GPT-6.1 Sol è la vera scelta di valore in questa tabella. Un punto di indice sotto Argon al 37% del costo intro di Argon e al 19% di quello di Opus 5.5. Se il tuo lavoro non sta nei domini forti di Argon, è nel livello economico che sta il rapporto — la stessa lezione di ogni altro mese.
  • Opus 5.5 costa 3x il prezzo intro di Argon per 5 punti in più. Se ne valga la pena dipende interamente dal carico di lavoro, che è la risposta onesta e anche la ragione per cui scegliere un modello è un framework e non una classifica.

Misura da te i token-per-task prima di fidarti di qualsiasi affermazione sul costo per task

For the same 20 representative tasks from my own workload, I want to compare two models on cost, not on benchmark score.

For each model, log per task:
- input tokens, output tokens (split reasoning vs final answer if the API reports it)
- wall-clock latency
- a 0-5 quality score I assign blind, without knowing which model produced it

Then compute, per model:
- mean output tokens per task
- mean cost per task at CURRENT list price
- mean cost per task at the post-introductory price, if one is announced
- cost per quality point

Flag any model whose cost advantage disappears at post-introductory pricing.
Do not quote vendor benchmark scores back to me — I only want my own 20 tasks.

Il tasso di allucinazione del 15%, letto correttamente​

Su AA-Omniscience, la componente dell'indice che misura se un modello afferma cose false, Argon registra un tasso di allucinazione del 15% contro il 51% di GPT-6 Astra e il 54% di GPT-6.1 Sol. Non è un miglioramento incrementale; è un regime diverso, ed è il numero meno raccontato del lancio.

Il meccanismo conta. La caratterizzazione di Artificial Analysis è che Argon è molto più propenso ad ammettere di non sapere che a produrre una risposta sbagliata con sicurezza. Quindi la vittoria è in calibrazione e astensione, non nel sapere di più. Conseguenze pratiche:

  • Per lavoro di recupero informazioni, ricerca e compliance questa è la funzione di punta, molto più di qualsiasi numero sul codice. Un modello che dice «non è nei documenti forniti» vale più di uno che segna due punti in più e inventa una citazione.
  • Si leggerà come meno utile nell'uso casuale. Un modello addestrato ad astenersi rifiuta di tirare a indovinare, e gli utenti vivono il rifiuto a indovinare come temporeggiare. Aspettati lamentele del tipo «continua a dire che non lo sa» esattamente dalla stessa capacità che lo rende affidabile.
  • Non si trasferisce automaticamente ai tuoi prompt. L'astensione è una disposizione addestrata che interagisce con le tue istruzioni. Di' a un modello ben calibrato «dai sempre una risposta definitiva» e hai speso il vantaggio.

Probabilmente non puoi chiamarlo​

È qui che in pratica finisce l'interesse della maggior parte dei lettori. Argon non è un endpoint pubblico. È dietro il cancello del Fairwind Program, lo stesso meccanismo che Google ha introdotto per Gemini 3.8 Flash Cyber — ma questa volta il cancello è davanti al flagship, non a una SKU specifica per il cyber.

Fairwind dà priorità a governi e autorità cyber nazionali, operatori di infrastrutture critiche (sanità, telecomunicazioni, energia, finanza) e piattaforme tecnologiche fondamentali, e verifica che i candidati abbiano «una storia comprovata di operazioni e ricerca etiche». Le organizzazioni accettate devono impegnarsi a:

Guided walkthrough1 of 6
  1. Non una chiave API a livello di organizzazione. Ogni persona che usa Argon deve essere autenticata individualmente dietro MFA resistente al phishing, più i controlli di accesso applicabili. Questo esclude lo schema abituale di una singola credenziale di servizio condivisa da un team o incorporata in un deployment.

Per i difensori fidati, Fairwind può abbinare Argon a CodeMender, l'agente di sicurezza del codice di Google che automatizza le correzioni delle vulnerabilità, e concede una build di Argon senza i guardrail cyber che il modello pubblico finale avrà. Il caso cyber è solido sui suoi stessi numeri: scoperta di vulnerabilità reali all'85,8% (contro il 71,0% di Gemini 3.8 Flash Cyber), il benchmark di penetration test di Wiz al 70,9% (dal 58,2%), CWE-bench v1 al 68%, e la migliore resistenza alla prompt injection misurata su qualsiasi modello di frontiera — 0,7% di successo dell'attacco a k=15 sulla suite di prompt injection indiretta di Gray Swan, contro l'1,0% di Claude Opus 5.5 e Fable, e l'8,5% di GPT-6 Astra.

Quell'ultimo numero merita una frase a sé. Un tasso di successo dell'8,5% significa che circa un tentativo di injection indiretta su dodici va a bersaglio; lo 0,7% significa circa uno su 143. Se costruisci agenti che leggono contenuti web non fidati, quella è una differenza di esposizione di dodici volte — e è misurata a k=15, cioè quindici tentativi per bersaglio, non uno. Da leggere insieme a prompt injection e agenti di coding sotto attacco.

Watch out
  • Poiché Fairwind vieta condivisione, redistribuzione e rivendita, qualsiasi gateway, proxy o rivenditore di «Argon sbloccato» che dichiari di offrirlo sta o spacciando un modello diverso o violando i termini del programma. Tratta come inaffidabile per default qualsiasi endpoint Argon che non hai ottenuto da Google.

Cosa Google dice di averne fatto internamente​

I casi di studio interni del post di lancio sono più informativi della sua tabella di benchmark, perché descrivono lavoro a lungo orizzonte con esiti verificabili:

  • Ottimizzazione di algoritmi quantistici — ha battuto il baseline pubblicato per il costo di risorse spaziotemporali del 40%.
  • Profilazione della memoria di fleet — ha trovato ottimizzazioni che liberano oltre 300 TiB, con una stima di 500 TiB a 1 PiB in totale una volta applicate.
  • Migrazione da C/C++ a Rust — incluse oltre 800K righe del kernel Fuchsia Zircon.
  • Decoder video libgav1 — ha sostituito 32K righe di SIMD scritto a mano, producendo codice 2,7x più veloce del port in Rust ed emettendo output bit-identico.

Il risultato su libgav1 è il più istruttivo della lista. «Output bit-identico» è il dettaglio che lo rende credibile: c'era un oracolo meccanico per la correttezza, quindi il lavoro del modello poteva essere verificato invece che revisionato. È la forma di task in cui un budget di output da 1M paga davvero: grande, meccanico e controllabile da una macchina. È anche la forma di task che la maggior parte dei team non ha, e vale la pena essere onesti su questo prima di estrapolare da questi numeri al proprio backlog.

Dovresti cambiare il tuo routing?​

Risposta breve per la maggior parte dei lettori: no, perché non puoi chiamarlo. Quando si aprirà, ecco la divisione onesta basata su dove si raggruppano i benchmark.

LavoroDove dovrebbe andarePerché
Agenti di coding interattivi, lavoro da terminale, computer useClaude (Opus 5.5 / Sonnet 5.5)Le quattro sconfitte nette di Argon sono tutte in questa famiglia — Terminal-bench 4.0 57,4 contro 66,4, FrontierSWE v2 55,0 contro i 65,5 di Astra
Ragionamento su documenti legali e finanziariArgon, con revisioneHarvey 19,6% contro 3,8–5,4%, Vals Finance 65,4% — ma il 19,6% assoluto significa supervisione, non automazione
Video lunghi e recupero su contesti lunghiArgonLVBench 91,7%, GraphWalks 84,2%
Ricerca dove una citazione sbagliata è peggio di nessuna rispostaArgon15% di allucinazione contro 51–54%
Sicurezza difensiva, patching autonomoArgon via Fairwind, se sei eleggibile85,8% di scoperta vulnerabilità, CWE-bench 68%, la minore suscettibilità alle injection
Lavoro quotidiano ad alto volumeGPT-6.1 Sol o un livello Flash/Sonnet0,74 $ per task per un punto di indice in meno di Argon
Qualsiasi cosa per cui stai facendo budget oltre la finestra introRiprezzala prima2 $/10 $ diventa 4 $/20 $; il costo per task passa da 1,99 $ a 3,98 $

Check yourself

0/5
  1. Il «1 milione di token» da titolo di Gemini 4 Argon si riferisce a quale limite?
  2. Google dice che Argon «guida o pareggia in più categorie» di GPT-6 Astra o Claude Opus 5.5, eppure Artificial Analysis gli assegna 53 contro i 58 di Opus 5.5. Qual è la spiegazione migliore?
  3. Argon costa 1,99 $ per task dell'Intelligence Index contro i 3,26 $ di GPT-6 Astra. Perché è sbagliato definire Argon il modello più efficiente?
  4. Il tasso di allucinazione del 15% di Argon su AA-Omniscience, contro il 51% di GPT-6 Astra, è principalmente il risultato di cosa?
  5. La tua azienda vuole l'accesso ad Argon attraverso il Fairwind Program per la sua piattaforma interna per sviluppatori. Qual è il problema bloccante?
Premi Invio o Spazio per girare la carta. Usa le frecce sinistra e destra per spostarti tra le carte.Termine mostrato.
1 / 12
Key takeaways
  • Il milione è il limite di OUTPUT (su da 64K), non la finestra di contesto, che è rimasta a 1M. I token di ragionamento consumano quel budget, e l'output costa 5x l'input.
  • Le «13 categorie su 18» di Google e il 53-contro-58 di Artificial Analysis sono entrambi veri su panieri diversi. Le sconfitte di Argon si raggruppano nel lavoro agentico interattivo multi-turno; le sue vittorie nel ragionamento di dominio one-shot e nel recupero su contesti lunghi.
  • Argon brucia ~62K token di output per task contro i ~27K di Astra. La bolletta più bassa è il listino, non l'efficienza — e al prezzo standard il costo per task passa da 1,99 $ a 3,98 $, sopra i 3,26 $ di Astra.
  • Il tasso di allucinazione del 15% contro il 51–54% è il numero meno raccontato qui, e viene dall'astensione. È l'argomento più forte per instradare ricerca e compliance su Argon, e la prima cosa che un'istruzione tipo «rispondi sempre in modo definitivo» distrugge.
  • Quasi certamente non puoi chiamarlo: Fairwind lo riserva ai team interni cyber/IR/pentest con MFA resistente al phishing per singolo utente e nessuna redistribuzione. Non è stato pubblicato nessun model ID per l'API. Qualsiasi endpoint «Argon» di terze parti è sospetto.

Fonti e approfondimenti​

Prossimi passi​