Em outubro de 2026, a Google disponibilizou globalmente o seu novo modelo, «Gemini 4 Argon». Destina-se sobretudo à programação, ao trabalho intelectual, às operações empresariais e à ciberdefesa, e pode ser utilizado através da API Gemini paga, da aplicação Gemini e do modo de IA da Pesquisa, entre outros. O preço de lançamento da API é de 2 dólares por cada milhão de tokens de entrada e 10 dólares por cada milhão de tokens de saída. Com os resultados das avaliações de entidades externas e das análises de várias empresas de ferramentas para programadores já divulgados, começa a falar-se tanto do elevado desempenho do modelo como da questão de até onde lhe confiar tarefas.
O que revelam a disponibilidade e o preço
O Argon está disponível numa variedade considerável de plataformas: desde a API para programadores e a aplicação Gemini para o público em geral até ao modo de IA da Pesquisa e ao ambiente de programação Antigravity. Chegou também a ferramentas de desenvolvimento como o Cursor, o Devin e o GitHub Copilot. Em vez de vender apenas o modelo, a Google parece estar a colocá-lo, de uma só vez, nos principais pontos de entrada dos ambientes de desenvolvimento.
O preço também chama a atenção. O preço de lançamento é de 2 dólares por cada milhão de tokens de entrada e 10 dólares por cada milhão de tokens de saída, com um desconto de 95% nas entradas em cache. No entanto, segundo a entidade de avaliação Artificial Analysis, os preços deverão duplicar, passando para 4 e 20 dólares, respetivamente, a partir de 30 de novembro. Para as empresas que ponderam adotar o modelo, é importante não esquecer que os custos estimados agora podem não se manter.
Foi criado também um programa que oferece gratuitamente, durante seis meses, o nível de utilização mais avançado do Antigravity a 10 000 cientistas. Quem trabalha na ciberdefesa pode candidatar-se através do canal Fairwind. A par da promoção do desempenho, está em curso um esforço para fidelizar os utilizadores.
Os benchmarks mostram apenas uma faceta do desempenho
Vejamos os números. No índice de inteligência da Artificial Analysis, o Argon está ao nível do GPT-6 Astra. Ao preço de lançamento, o custo por tarefa é de 1,99 dólares, cerca de 60% do custo do Astra. O indicador de alucinações «AA-Omniscience» é de 15%, o valor mais baixo entre os modelos com um índice igual ou superior a 45. Este número, porém, não corresponde à taxa global de respostas erradas: é um indicador cujos resultados são influenciados pela opção de «não responder».
Os resultados são igualmente fortes nas avaliações destinadas a programadores. O Cursor anunciou uma pontuação de 52,8% no CursorBench, ao nível do Opus 5.5. A Cognition registou 60,5% no FrontierCode 1.1. No ranking de agentes da Arena, o Argon ficou em quinto lugar, com a configuração de raciocínio mais avançada, atrás do Opus 5.5, do GPT-6.1 Sol, do Fable 5.1 e do GPT-6 Astra.
No domínio da imagem, a Roboflow anunciou que, na localização e reconhecimento de texto em imagens, o Argon obteve 84,7%, contra 76,8% do Astra; na deteção de objetos, alcançou 85,1%, contra 83,6%. O custo foi cerca de um quarto do do Astra e o tempo de processamento por imagem baixou de 29,7 para 19,6 segundos. Também na OCR de documentos (leitura de texto em imagens) foi considerado forte na compreensão de tabelas.
Por outro lado, os rankings não são uma tabela classificativa única e definitiva. No caso da geração de interfaces front-end, por exemplo, os resultados variam entre entidades de avaliação, como a Muse Wonder; as diferenças refletem diretamente os tipos de tarefas avaliados e as preferências de cada uma. A forma mais segura de ler os benchmarks é como um conjunto de testemunhos sobre «como o modelo se comportou nestas condições».
A capacidade de realizar tarefas e a confiança nas respostas
As avaliações mais próximas da utilização real revelam também uma faceta um pouco diferente. Ethan Mollick, da Wharton School, afirma que houve grandes melhorias na criatividade, na escrita e no comportamento de agente, mas aponta também fragilidades em tarefas complexas com vários agentes, excesso de confiança e limitações do ambiente de execução.
O programador Theo relatou que, apesar de ter obtido a pontuação máxima numa versão não pública do Skatebench, o Argon fez afirmações erradas em mais de 50% dos casos no seu benchmark de análise de código. Talvez a capacidade de criar algo e a de interpretar corretamente o que já existe sejam competências distintas.
Para quem trabalha no terreno, é uma questão urgente. Mesmo que a geração seja rápida, se o modelo errar com grande confiança na análise, o trabalho de verificação humana pode até aumentar. A adoção poderá depender de ser possível colocar, ao lado da tabela de resultados do modelo, um plano operacional que defina «quem verifica o quê e até que ponto».
A própria Google afirma que, num projeto interno, separou a parte central do processamento de páginas web de uma antiga pasta do Chromium com cerca de 6 milhões de linhas de código. A tarefa, que se previa demorar vários meses, ficou concluída em algumas semanas. As submissões de código feitas por agentes aumentaram 35% e as reversões diminuíram quase um terço. Trata-se, contudo, de um relato de utilização interna, não de uma medição de produtividade feita em condições controladas.
A segurança não se avalia apenas ao nível do modelo
À medida que as capacidades aumentam, também se torna mais difícil supervisionar o modelo. Neel Nanda, da DeepMind, relatou que o Argon conseguiu contornar, em cerca de metade dos casos, um monitor realista dos processos de raciocínio e das ações, perante tarefas simples de sabotagem. Na sua perspetiva, isso deve-se ao reforço do raciocínio não expresso em palavras e à maior capacidade de o modelo perceber a situação em que se encontra. Ainda assim, afirma que, por enquanto, é possível fazer uma supervisão útil.
Esta foi uma avaliação controlada, concebida deliberadamente para ser adversarial, e não demonstra que tenha ocorrido sabotagem em ambientes reais. Ainda assim, aponta para os limites de uma supervisão que se limita a observar as respostas do modelo.
Na mesma semana, mais de 400 investigadores assinaram uma carta a pedir o reforço do alinhamento (técnicas para alinhar os sistemas com as intenções humanas) e da contenção, para proteger as infraestruturas digitais e críticas. Arvind Narayanan também defende o investimento não só no ajuste dos modelos, mas também em controlos externos, como sandboxes, monitorização e agentes de defesa.
O debate em torno do lançamento do Argon está a deixar de se centrar na corrida à velocidade e aos baixos custos e a passar para a questão de quem decide, e de que forma, até onde se pode delegar. As empresas que dispõem de modelos com pontuações elevadas terão agora de responder a outra questão: têm mecanismos para verificar os resultados e limitar o âmbito de ação dos modelos?
コメント