مهر
اخبار
جمینای ۴ آرگون گوگل؛ بازگشت به خط مقدم با قیمت تهاجمی
گوگل پس از ماه‌ها تأخیر، مدل پرچم‌دار جمینای ۴ آرگون را معرفی کرد؛ مدلی با خروجی یک میلیون توکنی، قیمت تهاجمی و تمرکز ویژه بر مهندسی نرم‌افزار و امنیت سایبری. اما آیا واقعاً از رقبا جلو زده است؟
لیست مطالب
۱. جمینای ۴ آرگون چیست و چرا مهم است؟
گوگل در اول اکتبر ۲۰۲۶ رسماً از جمینای ۴ آرگون رونمایی کرد. این مدل پرچم‌دار نسل چهارم خانواده‌ی جمینای است و رسانه‌ها آن را «بازگشت گوگل به خط مقدم» توصیف کرده‌اند. دلیل این تعبیر روشن است: انتشار مدل بارها به تعویق افتاده بود و در این مدت رقبا یعنی OpenAI و Anthropic چند نسخه‌ی جدید عرضه کرده بودند.
اهمیت آرگون فقط در یک عدد بنچمارک نیست. گوگل این مدل را برای کارهای پیچیده و طولانی طراحی کرده است؛ کارهایی مثل مهندسی نرم‌افزار، تحلیل حقوقی، عملیات مالی و دفاع سایبری. به بیان ساده، گوگل می‌خواهد آرگون فقط یک چت‌بات باهوش نباشد، بلکه یک «عامل کاری» باشد که ساعت‌ها روی یک پروژه بماند و نتیجه‌ی قابل‌استفاده تحویل بدهد. اگر تازه با دنیای مدل‌های زبانی آشنا شده‌اید، پیشنهاد می‌کنیم ابتدا مطلب OpenAI چیست؟ را بخوانید.
۲. مشخصات فنی: خروجی یک میلیون توکنی
مهم‌ترین تغییر فنی، سقف خروجی است. طبق گزارش‌ها، حد خروجی آرگون از ۶۴ هزار توکن در نسل قبل به یک میلیون توکن رسیده است. پنجره‌ی ورودی هم یک میلیون توکن اعلام شده است. این یعنی مدل می‌تواند ورودی بسیار بزرگی را بخواند و خروجی بسیار بلندی هم تولید کند.
این عدد در عمل چه معنایی دارد؟
خروجی بلند برای چند سناریوی عملی اهمیت دارد. بازنویسی یک پایگاه کد بزرگ، تولید گزارش‌های مفصل حقوقی یا مالی، و ساخت مستندات کامل یک سیستم از مواردی هستند که تا امروز باید به چند درخواست جداگانه تقسیم می‌شدند. هر بار تقسیم‌کردن کار، خطر ناسازگاری میان بخش‌ها را بالا می‌برد. با خروجی یک میلیون توکنی، دست‌کم از نظر نظری، می‌توان کار را یک‌جا انجام داد.
البته باید محتاط بود. توانایی تولید خروجی بلند، لزوماً به معنای کیفیت ثابت در تمام طول آن نیست. باید دید در آزمون‌های واقعی، پس از عرضه‌ی عمومی، مدل در خروجی‌های بسیار طولانی چقدر منسجم می‌ماند. برای آشنایی با محدودیت‌های واقعی این فناوری، مطلب پتانسیل و محدودیت‌های هوش مصنوعی در دنیای واقعی را ببینید.
۳. قیمت‌گذاری تهاجمی گوگل
قیمت‌گذاری شاید جذاب‌ترین بخش خبر باشد. نرخ مقدماتی آرگون ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی است. پس از پایان دوره‌ی مقدماتی، نرخ عادی ۴ دلار ورودی و ۲۰ دلار خروجی خواهد بود. علاوه بر این، برای ورودی‌های کش‌شده تخفیفی معادل ۹۵ درصد نرخ عادی ورودی در نظر گرفته شده است.
در مقایسه، گزارش‌ها می‌گویند این قیمت از نرخ مدل‌های ممتاز Anthropic که حدود ۱۰ دلار ورودی و ۵۰ دلار خروجی است به‌مراتب پایین‌تر است و با لایه‌ی اقتصادی اخیر OpenAI که ۲ و ۱۰ دلار است برابری می‌کند. پیام گوگل واضح است: «کیفیت نزدیک به خط مقدم، با هزینه‌ای که برای مصرف سازمانی بصرفد.»
تخفیف کش چرا مهم است؟
در کاربردهای سازمانی، بخش بزرگی از ورودی در هر درخواست تکراری است؛ مثلاً دستورالعمل‌های ثابت یا بخش‌های مشترک یک پایگاه کد. تخفیف ۹۵ درصدی روی این بخش، هزینه‌ی واقعی را در پروژه‌های عاملی که چندین بار روی یک زمینه‌ی ثابت کار می‌کنند، به‌شدت کاهش می‌دهد. برای شرکت‌هایی که با API کار می‌کنند، این بند شاید از خود قیمت پایه مهم‌تر باشد.
۴. بنچمارک‌ها: قدرت واقعی آرگون کجاست؟
اعداد گزارش‌شده برای آرگون چنین است: در DeepSWE v1.1 که مهندسی نرم‌افزار را می‌سنجد، ۷۷٫۹ درصد؛ در AutomationBench که خودکارسازی کارهای واقعی را می‌سنجد، ۵۱٫۳ درصد و رتبه‌ی اول؛ و در CWE-bench v1 که توان رفع آسیب‌پذیری را می‌سنجد، ۶۸ درصد و رتبه‌ی مشترک اول. این اعداد نشان می‌دهد گوگل بیشترین سرمایه‌گذاری را روی کدنویسی، خودکارسازی و امنیت انجام داده است.
اما تصویر کلی ساده نیست. در شاخص هوش Artificial Analysis که ترکیبی از آزمون‌های مختلف است، آرگون امتیاز ۵۳ گرفته است. این عدد با GPT-6 Astra برابر است، اما از Claude Opus 5.5 با امتیاز ۵۸ و Claude Sonnet 5.5 با امتیاز ۵۶ کمتر است. یعنی گوگل به جمع نخست برگشته، ولی در این شاخص مدل اول نیست.
نرخ توهم: نقطه‌ی قوت پنهان
یکی از جالب‌ترین ارقام، نرخ توهم است. بر اساس گزارش، آرگون نرخ توهم ۱۵ درصدی دارد، در حالی که این رقم برای GPT-6 Astra حدود ۵۱ درصد ذکر شده است. توهم یعنی مدل اطلاعات نادرست را با اطمینان ارائه کند. در کارهای حقوقی، مالی و امنیتی که خطا هزینه‌ی سنگینی دارد، نرخ پایین توهم می‌تواند از چند امتیاز بالاتر در یک شاخص کلی مهم‌تر باشد. البته این اعداد از آزمون‌های خاصی آمده و باید در شرایط واقعی خودتان بسنجیدشان.
۵. برنامه‌ی Fairwind و تمرکز بر امنیت سایبری
نکته‌ی غیرمعمول در عرضه‌ی آرگون، ترتیب دسترسی است. به‌جای عرضه‌ی همگانی، گوگل مدل را ابتدا در اختیار متخصصان امنیت سایبری تأییدشده در برنامه‌ی Fairwind گذاشته است. گوگل می‌گوید آرگون می‌تواند در سامانه‌های سازمانی به‌صورت خودکار آسیب‌پذیری را پیدا کند، درستی آن را تأیید کند و برایش وصله بنویسد.
این رویکرد دو روی سکه دارد. از یک سو، مدلی که بتواند آسیب‌پذیری‌ها را خودکار پیدا و ترمیم کند، برای مدافعان یک ابزار قدرتمند است. از سوی دیگر، همین توانایی در دست مهاجمان خطرناک می‌شود. به همین دلیل عرضه‌ی مرحله‌ای و محدود، یک انتخاب محتاطانه به نظر می‌رسد. گوگل برای کاربردهای داخلی خودش هم از آرگون در بهینه‌سازی مراکز داده، نوسازی کدهای قدیمی به زبان Rust و شناسایی آسیب‌پذیری استفاده کرده است.
۶. زمان‌بندی عرضه‌ی عمومی
طبق اعلام گوگل، پس از جمع‌آوری بازخورد از مدافعان سایبری، مدل در اختیار مشتریان API و مشترکان Google AI Ultra قرار می‌گیرد. گزارش‌ها از یک عرضه‌ی مرحله‌ای حرف می‌زنند که پس از آن به مشتریان سازمانی و در نهایت کاربران عادی می‌رسد. تاریخ دقیقی برای هیچ‌کدام از این مراحل اعلام نشده است.
برای کاربران ایرانی، دو نکته قابل توجه است. اول اینکه دسترسی مستقیم به سرویس‌های گوگل همچنان با محدودیت‌هایی همراه است. دوم اینکه حتی با دسترسی، ارزیابی صحیح یک مدل نیازمند تجربه‌ی عملی با کارهای واقعی خود شماست. اگر در کار با ابزارهای هوش مصنوعی تازه‌کار هستید، راهنمای نوشتن پرامپت برای مبتدیان می‌تواند کمک کند تا از هر مدلی نتیجه‌ی بهتری بگیرید.
۷. تأثیر بر رقابت OpenAI، Anthropic و گوگل
ورود آرگون چند پیامد برای بازار دارد. نخست، فشار قیمتی. وقتی گوگل مدلی نزدیک به خط مقدم را با نصف قیمت عرضه می‌کند، سایر شرکت‌ها برای حفظ مشتریان سازمانی ناچار به واکنش هستند. دوم، تمرکز روی عامل‌های خودکار. تقریباً همه‌ی بازیگران بزرگ اکنون روی مدل‌هایی تمرکز کرده‌اند که کار طولانی را بدون نظارت دائمی انجام دهند. سوم، امنیت سایبری که به یکی از مهم‌ترین میدان‌های رقابت تبدیل شده است.
اگر رقابت مدل‌ها را دنبال می‌کنید، مقایسه‌ی دو مدل مطرح در یک وظیفه‌ی مشخص هم آموزنده است؛ برای نمونه مقایسه‌ی ChatGPT و DeepSeek در شطرنج نشان می‌دهد چطور یک آزمون ساده می‌تواند تفاوت‌های رفتاری مدل‌ها را آشکار کند. از نظر تجاری هم، اهمیت هوش مصنوعی در کسب‌وکار دلیل اصلی این است که شرکت‌ها هر چه بیشتر هزینه‌ی توکن را به‌عنوان یک ردیف بودجه‌ی جدی می‌بینند.
آیا مدل ارزان‌تر همیشه بهتر است؟
لزوماً نه. انتخاب مدل به نوع کار بستگی دارد. اگر دقت در استدلال پیچیده مهم‌ترین عامل شماست، مدل با امتیاز بالاتر در شاخص‌های مستقل انتخاب بهتری است، حتی با قیمت بیشتر. اگر حجم کار بالاست و خروجی بلند و هزینه‌ی کم اهمیت دارد، آرگون گزینه‌ی جدی است. بهترین رویکرد این است که روی نمونه‌ای از کارهای واقعی خودتان چند مدل را آزمایش کنید و نتیجه را بسنجید، نه اینکه فقط به جدول‌ها اتکا کنید.
۸. محدودیت‌ها و نکات احتیاطی
پیش از هیجان‌زده شدن، چند نکته را باید در نظر گرفت. بنچمارک‌ها بخش مهمی از اطلاعات منتشرشده را تشکیل می‌دهند و بخشی از آن‌ها توسط خود گوگل اعلام شده است. دسترسی فعلی بسیار محدود است و ارزیابی مستقل گسترده هنوز انجام نشده. قیمت مقدماتی هم موقتی است و پس از آن دو برابر می‌شود. همچنین عبارت «بهتر از رقبا» بسته به شاخص انتخابی تغییر می‌کند: در برخی آزمون‌ها آرگون اول است و در شاخص کلی هوش، پشت Claude قرار دارد.
یک نکته‌ی دیگر هم درباره‌ی رویکرد خوب مصرف‌کننده است. هر مدل جدید با یک هیاهوی رسانه‌ای همراه است، اما ارزش واقعی آن زمانی روشن می‌شود که در گردش‌کار شما، با داده‌ی شما و برای نیاز شما آزموده شود. به همین دلیل توصیه می‌کنیم در هفته‌های آینده، نتایج آزمون‌های مستقل و تجربه‌ی کاربران را دنبال کنید.
۹. پرسش‌های متداول
جمینای ۴ آرگون چه زمانی عمومی می‌شود؟
گوگل تاریخ دقیقی اعلام نکرده است. ابتدا در برنامه‌ی Fairwind برای متخصصان امنیت سایبری عرضه شده و پس از جمع‌آوری بازخورد برای مشتریان API و مشترکان Google AI Ultra باز می‌شود.
قیمت جمینای ۴ آرگون چقدر است؟
نرخ مقدماتی ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی است. پس از دوره‌ی مقدماتی، نرخ عادی ۴ و ۲۰ دلار خواهد بود و برای ورودی کش‌شده ۹۵ درصد تخفیف وجود دارد.
آیا آرگون از Claude و GPT بهتر است؟
در شاخص هوش Artificial Analysis، آرگون با امتیاز ۵۳ هم‌سطح GPT-6 Astra و پایین‌تر از Claude Opus 5.5 و Claude Sonnet 5.5 قرار دارد. اما در برخی آزمون‌های تخصصی مثل AutomationBench رتبه‌ی اول را گرفته است.
خروجی یک میلیون توکنی به چه کاری می‌آید؟
برای کارهای طولانی مثل بازنویسی پایگاه کد، تولید مستندات کامل و گزارش‌های مفصل که پیش‌تر باید به چند درخواست تقسیم می‌شدند.
آرگون چه کاربردی در امنیت سایبری دارد؟
به گفته‌ی گوگل، این مدل می‌تواند در سامانه‌های سازمانی به‌صورت خودکار آسیب‌پذیری را پیدا، تأیید و وصله کند.
چطور اخبار تازه‌ی هوش مصنوعی را دنبال کنم؟
صفحه‌ی اخبار هوش مصنوعی و بخش آموزش‌های ChatGPT در سایت ما را دنبال کنید، و برای مطالعه‌ی بیشتر درباره‌ی ضعف‌های پروژه‌های هوش مصنوعی، مطلب توهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی را هم ببینید.
