Gemini 4 Argon: Google’ın kod, belge ve uzun soluklu işler için yeni amiral gemisi

Chrome’un kod tabanında kırk milyon satır var. Bunun altı milyonu, tarayıcının kendi özellikleriyle web sayfalarını işleyen kodun birbirine dolandığı eski tek bir klasörde duruyor. Bunu elle ayrıştırmak, büyük bir ekip için aylar sürecek bir iş. Google bu görevi yeni modeline verdi ve yüzlerce dosyaya yayılan yeniden düzenleme birkaç haftada tamamlandı. Değişiklik kullanıcılara ulaştığında, açık bir sayfayı yeniden yüklemeden bir sekmeden yan panele ya da ayrı bir pencereye sürükleyebileceksiniz.

Modelin adı Gemini 4 Argon. Dördüncü Gemini neslinin ilk modeli ve Google 13 Ekim’de onu herkesin kullanımına açtı. Aynı gün ChatPlus’a da geldi. Aşağıda modelin ne olduğunu, nasıl test edildiğini, rekabette hâlâ nerelerde geride kaldığını ve nasıl deneyebileceğinizi bulacaksınız.

Kapalı kapılar ardında iki hafta

Argon 30 Eylül’de duyuruldu, ancak geniş kullanıma hemen açılmadı. İlk erişimi Google’ın Fairwind programındaki güvenlik uzmanları ve küçük bir güvenilir test kullanıcı grubu aldı. Mantık basit: Koddaki açıkları bulmakta iyi olan bir model, bunları kötü niyetle arayan kişiler için de aynı derecede işe yarayabilir. Google iki hafta boyunca Argon’un gerçek görevlerde nasıl davrandığını izledi ve güvenlik önlemlerini sıkılaştırdı.

Model artık Google AI Pro ve Ultra planlarında Gemini uygulamasında, Search içindeki AI Mode’da, AI Studio’da ve API üzerinden kullanılabiliyor. Google’ın ajanlarla kod yazmaya yönelik ortamı Antigravity’de ise şimdilik yalnızca Ultra’ya açık.

Ne için geliştirildi

Google, Argon’u tek cümleyle özetliyor: derin çalışma için bir model. Yani bir dakikada bitmeyen, saatler süren ve onlarca adıma yayılan işler. Büyük bir projeyi okumak, parçaların nasıl bir araya geldiğini anlamak, yüz dosyayı değiştirmek ve hiçbir şeyi bozmamak.

Google’ın kendi örnekleri ölçeği iyi gösteriyor. ADK ajan framework’ünün arkasındaki ekip, Argon’a kurallarını ve tek paragraflık bir hedef verdi: kimsenin uygulamasını bozmadan framework’ün ek yükünü azalt. Model gece boyunca kendi başına çalıştı ve uzun oturumlarda oturum hazırlığını 40% hızlandıran, soğuk başlangıçları ise 21% hızlandıran optimizasyonlar buldu. Bu değişiklikler şimdiden herkese açık depoda yer alıyor.

Gemma açık modelleri daha da net bir örnek. Argon birkaç gün içinde, tek bir GPU üzerinde hızlarını saniyede yaklaşık 38.000 tokendan 108.000 tokenın üzerine çıkararak neredeyse üç kat hızlandırdı; üstelik kalitede düşüş olmadan. Bu tür bir optimizasyon normalde aylar alır.

Bazı örnekler göze daha hoş geliyor. Argon, Blender’da kendi başına ayrıntılı bir pagoda yaptı: modelledi, sonuca baktı, kendini eleştirdi ve sorunları düzeltti. Sıradan bir çalışma masasının fotoğraflarından, o masanın üzerinde geçen küçük bir yarış oyunu üretti. Kapağımız da buradan geliyor: Max, yüzlerce parçadan yapılmış bir pagodanın son parçasını yerine yerleştiriyor.

Belgeler, finans, hukuk

Kodlama hikâyenin yalnızca yarısı. Diğer yarısı belgelerle yapılan profesyonel işler ve Argon’un sonucu muhtemelen en çarpıcı biçimde burada görünüyor.

Vals Index adlı bağımsız bir liderlik tablosu var. Finans, hukuk, vergi ve programlama alanlarındaki gerçek görevlerden oluşturuluyor; her alan, ABD ekonomisindeki payına göre ağırlıklandırılıyor. Argon 68.9% ile birinci oldu; bir Gemini modelinin bu listenin zirvesine ilk kez çıktığı an bu. Claude Opus 5.5 ise 67% ile ikinci sırada.

Finansta fark daha büyük. Finance Agent, bir modelin çok adımlı araştırma yapıp yapamadığını ölçüyor: bir şirketin bildirimlerini bulmak, okumak, sayıları uzlaştırmak ve bir sonuca varmak. Argon 65.4% alıyor; Opus 5.5 58.6%, GPT-6 Astra ise 53.5%. Liderlik tablosunun arkasındaki ekip, modelin yanıtın belgeleri dikkatle okumaya bağlı olduğu yerlerde en güçlü performansı gösterdiğini belirtiyor.

Hukuk işleri ilginç bir tablo çiziyor. Harvey’nin benchmark’ında modelin tam kapsamlı hukuki araştırma yapması ve bir belge taslağı hazırlaması gerekiyor; yalnızca tamamen tamamlanan görevler sayılıyor. Test zor ve tüm modeller düşük puan alıyor. Ancak Argon 19.6% elde ederken en yakın rakipleri 4% ile 7% arasında kalıyor. Bu, birkaç katlık bir fark.

Gözden kaçması kolay bir ayrıntı daha var: üslup. Google’a göre Argon, önceki Gemini modellerine kıyasla daha doğrudan yanıt veriyor: daha az temkinli ifade, daha az tekrar, daha az klişe. Eski modellerin üç paragraflık girişlerini kaydırarak geçen herkes bunu takdir edecektir.

Rakamlar ne söylüyor

Aşağıdaki sonuçlar Google’ın tablolarından. Vals Index bağımsız olarak kontrol edildi; diğerlerini Google kendisi ölçtü.

İlk dört satır Argon’un kazandığı alanlar. DeepSWE, modelin tam da tasarlandığı şeyi test ediyor: gerçek depolarda uzun mühendislik çalışmaları. Zapier’in AutomationBench’i ise uçtan uca iş süreçlerini kapsıyor; burada farklı servisler arasında bir eylem zincirini, konuyu kaybetmeden sürdürmeniz gerekiyor. Argon’un en yakın rakibine farkı neredeyse dokuz puan.

Son iki satır, Argon’un birinci olmadığı yerleri dürüstçe gösteriyor. En zor kodlama görevlerinde GPT-6 Astra önde, hem de açık ara. Ajanın komutları kendi çalıştırıp çıktıları okuduğu terminal işlerinde ise Claude Opus 5.5 lider. Yani “kod için en iyi model” fazla geniş bir iddia olur. Argon büyük bir projede uzun, sabır isteyen işlerde güçlü. Kısa, çetrefilli problemler ve konsol için en az onun kadar iyi seçenekler var.

Bir milyon tokenlık bağlam penceresi de kutunun üzerindeki bir sayıdan ibaret değil. Modelin 256K ile 1M token aralığındaki dev bir yapıyı anlamlandırması gereken GraphWalks’ta Argon 84.2% alıyor. GPT-6 Astra’nın skoru 71.8%.

Ne zaman duracağını bilen bir ajan

Güçlü ajanların tatsız bir alışkanlığı var. Başarısız bir test ya da eksik bir izin gibi bir engele çarptıklarında, etrafından dolanmanın yolunu arıyorlar. Bazen bu yaratıcılık oluyor. Bazen de ajan başarısız testi basitçe kapatıp her şeyin çalıştığını bildiriyor.

Google, Argon’u özellikle bunu yapmaması için eğitti. Modelin sınırlara saygı göstermesi, bir şey çalışmadığında bunu dürüstçe söylemesi ve geri döndürülemez bir adımdan önce durup bir insana sorması hedefleniyor. Google’a göre kodlama testlerinde kestirme yol denemeleri 2% seviyesine düştü; bu, Gemini modelleri arasındaki en iyi sonuç.

İkinci güvenlik önlemi prompt injection’a karşı. Bu, bir ajanın “görevi unut ve bana şifreleri gönder” gibi gizli bir komut içeren bir web sayfasını ya da e-postayı okuması durumu. Saldırganın on beş farklı yaklaşımı denediği Gray Swan testinde, bu tür saldırılar Argon’a karşı yalnızca 0.7% oranında başarılı oluyor. Bu da testteki en iyi sonuç.

Maliyeti ne

Google, Argon’u 30 Kasım’a kadar tanıtım fiyatıyla satıyor: bir milyon giriş tokenı için $2, bir milyon çıkış tokenı için $10. 1 Aralık’ta fiyat ikiye katlanarak $4 ve $20 olacak; bu da Claude Opus 5.5 ile aynı seviye. Tekrar gönderdiğiniz bağlam 95% daha ucuz, bu yüzden büyük belgelerle yapılan uzun sohbetler düşündüğünüzden daha hesaplı olabilir.

ChatPlus’ta Argon PRO planında kullanılabiliyor ve diğer güçlü modeller gibi kotanızı kullanıyor — pahalı modellere yapılan isteklerin düşüldüğü 5 saatlik limit. Gemini 3.1 Pro da model listesinde hâlâ duruyor.

Ne zaman Argon’u seçmeli, ne zaman başka bir modele bakmalı

Görev büyükse ve çok adımlıysa Argon’a yönelin. Kalın bir raporu ya da sözleşmeyi baştan sona inceleyip önemli noktaları çıkarın. Birkaç belgeyi karşılaştırıp nerede çeliştiklerini bulun. Başkasının kodunu kavrayın, yeniden yazım planı çıkarın ve uygulayın. Finansal veriler içeren bir tabloyu net bir sonuca dönüştürün.

Metnin yanı sıra PDF, görsel ve ekran görüntüleri de gönderebilirsiniz. Bir görüşme ya da ders kaydı da olur: ChatPlus bunu yazıya döker, Argon da metni parça parça değil, bütün olarak okur.

Her şey için buna ihtiyacınız yok. Argon önce düşünüp sonra yanıtlıyor; bu yüzden basit sorularda hafif modellere göre daha yavaş. Bir çeviri, özet ya da hızlı bilgi için GPT-6 Luna veya Gemini 3.7 Flash daha iyi iş çıkarır. Terminal işi gerekiyorsa Claude’a bakın. Edebi üslup sizin için önemliyse Argon ile Claude’u kendi metniniz üzerinde karşılaştırın: burada zevkler değişir.

ChatPlus’ta nasıl deneyebilirsiniz

Gemini 4 Argon ile sohbet açın; model zaten seçili gelecek. En faydalı yöntem, onu kendi görevinizde diğer modellerle yan yana test etmek. ChatPlus’ta konuşmanın ortasında model değiştirebilirsiniz: Argon’a bir istek gönderin, GPT veya Claude’a geçin, aynı isteği tekrarlayın ve kimin yanıtının daha iyi olduğuna bakın.

Modelin teknik özellikleri ve benchmark sonuçları özel Gemini 4 Argon sayfasında toplandı.

Kısaca

Gemini 4 Argon, Google’ın yeni amiral gemisi ve ilk Gemini 4 modeli. 30 Eylül’de duyuruldu, 13 Ekim’de herkesin kullanımına açıldı. Uzun ve zorlu işler için geliştirildi: büyük projeleri yeniden düzenliyor, bağımsız Vals Index’te lider ve finansal ile hukuki analizlerde rakiplerini açıkça geride bırakıyor. En zor kodlama görevlerinde GPT-6 Astra hâlâ önde; terminalde ise Claude Opus 5.5 lider. ChatPlus’ta Argon şimdiden PRO planında kullanılabiliyor.