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 promocional 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. Os resultados das avaliações de entidades independentes e dos testes realizados por várias empresas de ferramentas de desenvolvimento já foram divulgados, e começam a discutir-se em paralelo o elevado desempenho do modelo e a questão de até onde se lhe podem confiar tarefas.
O que revelam a disponibilidade e os preços
O Argon está disponível numa gama bastante alargada de plataformas: da API para programadores à aplicação Gemini para o público em geral, passando pelo modo de IA da Pesquisa e pelo ambiente de programação Antigravity. Chegou também a ferramentas de desenvolvimento como Cursor, Devin e GitHub Copilot. Em vez de vender apenas o modelo, a Google parece estar a colocá-lo em simultâneo nos vários pontos de entrada do trabalho de desenvolvimento.
O preço também chama a atenção. O preço promocional 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% para entradas em cache. No entanto, segundo a entidade de avaliação Artificial Analysis, os preços deverão duplicar para 4 e 20 dólares, respetivamente, a partir de 30 de novembro. Para quem, nas empresas, está a ponderar a adoção, é importante não perder de vista que os custos estimados agora podem não se manter.
Foi também criado um programa para investigadores, que disponibiliza gratuitamente durante seis meses o nível de utilização mais elevado 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 revelam 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. Contudo, este número não representa a taxa global de respostas erradas: é um indicador cujos resultados são influenciados pela opção de «não responder».
Também há resultados nas avaliações destinadas a programadores. A Cursor comunicou uma pontuação de 52,8% no CursorBench, ao nível do Opus 5.5. A Cognition obteve 60,5% no FrontierCode 1.1. Na classificação de agentes da Arena, o Argon ficou em quinto lugar, atrás do Opus 5.5, do GPT-6.1 Sol, do Fable 5.1 e do GPT-6 Astra, com a configuração de raciocínio mais avançada.
No domínio da imagem, a Roboflow comunicou 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 valor, e o tempo de processamento por imagem diminuiu de 29,7 para 19,6 segundos. Também na OCR de documentos (leitura de texto a partir de imagens), o modelo foi considerado particularmente competente na interpretação de tabelas.
Por outro lado, as tabelas de classificação não são um boletim único e definitivo. No caso da geração de interfaces de frontend, por exemplo, os resultados podem variar entre entidades de avaliação, como acontece com o Muse Wonder; as diferenças entre os resultados refletem diretamente as tarefas avaliadas e as preferências de cada avaliador. A forma mais segura de ler os benchmarks é como um conjunto de testemunhos sobre «o comportamento do modelo nestas condições».
A capacidade de executar tarefas e a de confiar nas respostas
As avaliações mais próximas da utilização real revelam 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 limitações em tarefas complexas com vários agentes, excesso de confiança e restrições do ambiente de execução.
O programador Theo comunicou que, embora o Argon tenha obtido a pontuação máxima numa versão não pública do Skatebench, 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.
É uma questão premente para quem trabalha no terreno. Mesmo que a geração seja rápida, se o modelo apresentar com grande confiança análises erradas, o esforço de verificação humana pode, na verdade, aumentar. A adoção poderá depender da capacidade de criar, a par da tabela de pontuações do modelo, um plano operacional que defina «quem verifica o quê e até que ponto».
A própria Google afirma que, no âmbito do trabalho interno, conseguiu separar a parte central do processamento de páginas Web de uma pasta antiga do Chromium, com cerca de seis milhões de linhas de código, em algumas semanas, apesar de se prever que a tarefa demorasse vários meses. As submissões de código feitas por agentes aumentaram 35% e as reversões diminuíram quase um terço. No entanto, trata-se de um relato sobre operações internas, não de uma medição da produtividade em condições controladas.
A segurança não se limita à avaliação do modelo isolado
À medida que as capacidades aumentam, também se torna mais difícil monitorizá-las. Neel Nanda, da DeepMind, comunicou que o Argon conseguiu contornar, com uma probabilidade de cerca de 50%, um monitor realista que acompanhava os processos de pensamento e as ações do modelo, numa tarefa simples concebida para testar a evasão. Nanda atribui este resultado ao reforço do raciocínio não verbalizado e à melhoria da capacidade do modelo para compreender a situação em que se encontra. Ainda assim, afirma que é possível fazer uma monitorização útil neste momento.
Esta foi uma avaliação realizada num ambiente controlado, concebido de forma adversarial, e não demonstra que tenha ocorrido uma tentativa de evasão em condições reais. Ainda assim, aponta para os limites da monitorização 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 fazer com que os sistemas sigam as intenções humanas) e da contenção, para proteger as infraestruturas digitais e críticas. Arvind Narayanan defendeu também o investimento não só no ajuste dos modelos, mas também em mecanismos de controlo externos, como ambientes de sandbox, monitorização e agentes de defesa.
O debate em torno do lançamento do Argon está a passar da corrida à velocidade e aos baixos custos para a questão de quem decide, e como, o que pode ser delegado. A próxima questão para as empresas que dispõem de modelos com pontuações elevadas é saber se têm mecanismos para verificar os resultados e limitar o âmbito de atuação desses modelos.
コメント