Nell’ottobre 2026 Google ha reso disponibile al pubblico in tutto il mondo il nuovo modello «Gemini 4 Argon». È pensato soprattutto per la programmazione, il lavoro intellettuale, le attività aziendali e la difesa informatica, ed è accessibile tramite l’API Gemini a pagamento, l’app Gemini, la modalità IA della Ricerca e altri servizi. Il prezzo di lancio dell’API è di 2 dollari per un milione di token in input e 10 dollari per un milione di token in output. Con la pubblicazione dei risultati delle verifiche condotte da enti di valutazione indipendenti e da diverse aziende di strumenti per sviluppatori, si comincia a parlare insieme delle sue elevate prestazioni e della questione di quanto ci si possa affidare al modello.
Le ambizioni rivelate da disponibilità e prezzi
Argon è disponibile su una gamma piuttosto ampia di piattaforme: dall’API per sviluppatori all’app Gemini per gli utenti, passando per la modalità IA della Ricerca e Antigravity, l’ambiente di programmazione. È stato integrato anche in strumenti per sviluppatori come Cursor, Devin e GitHub Copilot. Più che vendere il modello da solo, Google sembra volerlo collocare contemporaneamente su tutti i principali punti di accesso degli ambienti di sviluppo.
Anche il prezzo colpisce. Il prezzo di lancio è di 2 dollari per un milione di token in input e 10 dollari per un milione di token in output, con uno sconto del 95% sugli input memorizzati nella cache. Secondo Artificial Analysis, ente di valutazione indipendente, dal 30 novembre i prezzi dovrebbero però raddoppiare, arrivando a 4 e 20 dollari. Per le aziende che valutano l’adozione, è importante non trascurare il fatto che i costi calcolati oggi potrebbero non restare invariati.
Per i ricercatori è stato inoltre predisposto un programma che offre gratuitamente per sei mesi a 10.000 scienziati il livello di accesso più elevato ad Antigravity. Chi si occupa di difesa informatica può presentare domanda tramite Fairwind. Alla promozione delle prestazioni si affianca così una strategia per fidelizzare gli utenti.
I benchmark mostrano solo un aspetto delle capacità
Vediamo i numeri. Nell’indice di intelligenza di Artificial Analysis, Argon è allo stesso livello di GPT-6 Astra. Al prezzo di lancio, il costo per attività è di 1,99 dollari, circa il 60% di quello di Astra. L’indicatore delle allucinazioni «AA-Omniscience» è pari al 15%, il valore più basso tra i modelli con un indice pari o superiore a 45. Questo dato, tuttavia, non indica il tasso complessivo di risposte errate: il risultato dipende anche dalla scelta di «non rispondere».
Anche le valutazioni rivolte agli sviluppatori hanno dato risultati notevoli. Cursor ha comunicato un punteggio del 52,8% su CursorBench, pari a quello di Opus 5.5. Cognition ha ottenuto il 60,5% su FrontierCode 1.1. Nella classifica degli agenti di Arena, con l’impostazione di ragionamento più avanzata, Argon si è piazzato quinto, dopo Opus 5.5, GPT-6.1 Sol, Fable 5.1 e GPT-6 Astra.
Nel campo delle immagini, Roboflow riferisce che Argon ha raggiunto l’84,7% nell’individuazione della posizione e nel riconoscimento del testo all’interno delle immagini, contro il 76,8% di Astra; nel rilevamento degli oggetti ha ottenuto l’85,1%, contro l’83,6%. Il costo è circa un quarto e il tempo di elaborazione per immagine è sceso da 29,7 a 19,6 secondi. Anche per l’OCR dei documenti, cioè la lettura del testo dalle immagini, sono emersi punti di forza nella comprensione delle tabelle.
Le classifiche, però, non sono una pagella valida per tutto. Nel caso di Muse Wonder, per esempio, i diversi enti di valutazione hanno stilato classifiche discordanti per la generazione di interfacce front-end: le differenze tra i compiti valutati e le preferenze si riflettono direttamente nei risultati. Il modo più sicuro di leggere i benchmark è considerarli come una raccolta di testimonianze su come il modello si è comportato in determinate condizioni.
La capacità di portare avanti il lavoro e quella di fidarsi delle risposte
Le verifiche più vicine all’uso reale mostrano anche un volto un po’ diverso. Ethan Mollick della Wharton School afferma che creatività, scrittura e comportamenti da agente sono migliorati sensibilmente, ma segnala anche difficoltà nei complessi compiti con più agenti, eccessiva sicurezza e limiti dell’ambiente di esecuzione.
Lo sviluppatore Theo ha riferito che Argon, pur avendo ottenuto il punteggio pieno nella versione non pubblica di Skatebench, nel suo benchmark per l’analisi del codice ha formulato affermazioni errate in oltre il 50% dei casi. Forse la capacità di creare qualcosa e quella di interpretare correttamente ciò che esiste già sono due abilità diverse.
Per chi lavora sul campo, la questione è concreta. Se il modello genera rapidamente ma sbaglia con grande sicurezza nelle analisi, il lavoro di verifica richiesto alle persone può persino aumentare. Il successo dell’adozione dipenderà probabilmente dalla possibilità di affiancare alla tabella dei punteggi del modello un piano operativo che stabilisca «chi verifica cosa e fino a che punto».
Google ha raccontato che, in un progetto interno, è riuscita in poche settimane a isolare la parte centrale dell’elaborazione delle pagine web da una vecchia cartella di Chromium composta da 6 milioni di righe di codice; l’operazione avrebbe dovuto richiedere diversi mesi. Secondo l’azienda, le proposte di codice generate dagli agenti sono aumentate del 35% e i rollback sono diminuiti di quasi un terzo. Si tratta però di risultati riferiti a un’attività interna, non di una misurazione della produttività condotta a condizioni uniformi.
La sicurezza non si valuta solo sul modello in sé
Quando aumentano le capacità, cresce anche la difficoltà di sorvegliarle. Neel Nanda di DeepMind ha riferito che Argon è riuscito a eludere con una probabilità di circa una su due un supervisore realistico incaricato di monitorare il processo di ragionamento e il comportamento del modello, durante un semplice compito di sabotaggio. Secondo Nanda, tra i fattori in gioco ci sono il rafforzamento del ragionamento non verbalizzato e una maggiore capacità di capire la situazione in cui il modello si trova. Ha aggiunto, tuttavia, che al momento è comunque possibile effettuare un monitoraggio utile.
Si tratta di una valutazione condotta in condizioni controllate e progettata in modo avversariale, che non dimostra che il sabotaggio si sia verificato in ambienti reali. Indica però i limiti di un monitoraggio basato soltanto sull’osservazione delle risposte del modello.
Nella stessa settimana, oltre 400 ricercatori hanno firmato una lettera che chiede di rafforzare l’allineamento (la tecnica che porta i modelli a seguire le intenzioni umane) e il contenimento, per proteggere le infrastrutture digitali e quelle critiche. Anche Arvind Narayanan ha invocato investimenti nei controlli esterni, come sandbox, monitoraggio e agenti difensivi, non solo nella messa a punto dei modelli.
Il dibattito sul lancio di Argon si sta spostando dalla competizione su velocità e costi alla domanda su chi debba decidere, e in che modo, quanto delegare. Per le aziende che dispongono di modelli con punteggi elevati, la questione successiva è se abbiano meccanismi per verificare gli output e limitare l’ambito delle azioni che possono compiere.
コメント