جمینای ۴ آرگون: خروجی یک میلیون توکنی برای گردش‌کارهای پیچیده سازمانی

اگر امروز برای مدیریت پروژه‌های نرم‌افزاری عظیم یا تحلیل‌های حقوقی چندصد صفحه‌ای به چندین ابزار مختلف نیاز دارید، Gemini 4 Argon می‌تواند تمام این زنجیره در یک پاسخ واحد جای دهد. گوگل در ۳۰ سپتامبر ۲۰۲۶ این مدل را با هدف تغییر بازی در کارهای دانشی سطح بالا و دفاع سایبری عرضه کرد.

این عرضه در حالی رخ می‌دهد که صنعت از رابط‌های ساده‌ی چت به سمت عامل‌های هوش مصنوعی (AI Agents) — شبیه به کارمندانی که می‌توانند ساعت‌ها روی یک پروژه متمرکز بمانند و آن را پیش ببرند — حرکت می‌کند. این تحول در راستای تبدیل مدل‌های زبانی به ابزارهای صنعتی است که پیش‌تر در تحلیل معماری n8n به نقش نظارت انسانی در این گردش‌کارهای تاب‌آور پرداختیم. همان‌طور که در پوشش پیشین ما از پروتکل Lumen Anchor و استواری مدل‌های جمینای در برابر حملات خصمانه دیدیم، آرگون گامی به سوی «هوش پیشرو» است؛ سیستمی که می‌تواند گردش‌کارهای حرفه‌ای چندمرحله‌ای را بدون گم کردن رشته‌ی افکار اجرا کند.

تصور کنید یک پژوهشگر حقوقی را که به‌جای خلاصه‌سازی یک پرونده، لایحه‌ای ۱۰۰ صفحه‌ای با سازگاری کامل داخلی بنویسد. آرگون با گسترش پنجره خروجی از ۶۴ هزار به یک میلیون توکن (Token) — تکه‌های کوچکی از متن، مثل برش‌های یک کیک طولانی که مدل تکه‌تکه می‌خورد — این مقیاس را ممکن می‌کند. این جهش در ظرفیت خروجی در حالی رخ می‌دهد که برخی تحلیلگران در بروکینگز هشدار داده‌اند شکاف توکنی می‌تواند دسترسی به هوش پیشرفته را به کالایی لوکس تبدیل کند. وقتی مدل فضای کافی برای تفکر عمیق و تولید صدها هزار توکن در یک مسیر داشته باشد، سطح جدیدی از استدلال برای حل مسائل دشوار در یک مرحله ایجاد می‌شود.

استقرار مرحله‌بندی شده

گوگل از یک رویکرد مرحله‌بندی شده برای عرضه این قابلیت‌های پیشرو استفاده می‌کند. در حال حاضر، مدل از طریق برنامه Fairwind در اختیار مجموعه‌ای از متخصصان مورد اعتماد دفاع سایبری قرار گرفته است.

برای تضمین ایمنی، گوگل به‌طور فعال در فرآیند داوطلبانه دولت ایالات متحده برای دسترسی به مدل‌ها پیش از عرضه مشارکت می‌کند. شرکت در حال جمع‌آوری بازخورد از آزمایش‌کنندگان اولیه است تا پیش از آنکه مدل در دسترس عموم توسعه‌دهندگان، سازمان‌ها و مصرف‌کنندگان قرار گیرد، حفاظ‌ها (Guardrails) را بازبینی و بهینه کند.

دستاوردهای مهندسی و زیرساختی

به گزارش منابع داخلی، گوگل هم‌اکنون از آرگون برای بازنویسی سیستم‌های حیاتی خود استفاده می‌کند. هزاران کارمند گوگل این مدل را برای کدنویسی تخصصی، پژوهش‌های عمیق‌تر و بهبود کیفیت نوشتار به کار می‌گیرند. این مدل در حال حاضر در حال انتقال کدهای C/C++ به زبان Rust است؛ از جمله هسته Zircon در سیستم‌عامل Fuchsia که شامل بیش از ۸۰۰ هزار خط کد می‌شود.

به دلیل حساسیت این سیستم‌ها، بازنویسی‌های مقیاس‌بزرگ پیش از استقرار در محیط عملیاتی، تحت بازرسی‌های سخت‌گیرانه خودکار و دستی، تست‌های شبیه‌سازی و بررسی‌های دقیق قرار می‌گیرند.

در یک مورد خاص برای libgav1 (رمزگشای ویدئوی متن‌باز گوگل)، عامل‌های آرگون ۳۲ هزار خط کد SIMD را جایگزین کردند. این عامل‌ها چندین دور آزمایش مبتنی بر پروفایل (Profile-guided) را اجرا کرده و خروجی کامپایلر را بررسی کردند تا کد Rust امنی تولید کنند که توسط کامپایلر به‌طور خودکار برداری (Vectorize) شود. نسخه Rust حاصل، ۲.۷ برابر سریع‌تر از پورت قبلی Rust است و تقریباً با سرعت C++ بهینه برابری می‌کند، در حالی که خروجی ویدئویی کاملاً یکسانی را حفظ کرده است.

علاوه بر کدنویسی، این مدل در حال بهینه‌سازی زیرروال‌های محاسبات کوانتومی است. آرگون به پژوهشگران کمک می‌کند تا منابع زمانی-مکانی (کیوبیت‌ها × گیت‌ها) را در زیرروال‌هایی که گلوگاه برنامه‌های کاربردی مهم هستند، بهینه کنند. در یک نمونه، این مدل توانست در عرض چند دقیقه، بهینه‌سازی منابع را ۴۰٪ بهتر از استانداردهای منتشرشده (Baselines) انجام دهد.

همچنین، آرگون به‌طور خودکار بهینه‌سازی‌های حافظه را در مراکز داده گوگل شناسایی کرد. تیمی از عامل‌های آرگون با تحلیل تله‌متری پروفایلینگ در کل ناوگان، بهینه‌سازی‌هایی را اعمال کردند که بلافاصله بیش از ۳۰۰ ترابایت (TiB) حافظه را آزاد کرد؛ تخمین زده می‌شود مجموع این صرفه‌جویی بین ۵۰۰ ترابایت تا ۱ پتابایت باشد.

بنچمارک‌های سازمانی و حرفه‌ای

آرگون روی «شاخص Vals» تمرکز دارد که اثر اقتصادی در بخش‌های مالی، حقوقی و مالیاتی را بر اساس وزن تولید ناخالص داخلی آمریکا می‌سنجد. بر اساس گزارش blog.google، آرگون در حال حاضر پیشروترین مدل در این شاخص است.

سایر موفقیت‌های تخصصی عبارت‌اند از:

• DeepSWE v1.1: کسب امتیاز ۷۷.۹٪ در وظایف مهندسی نرم‌افزار با افق زمانی بلند در دنیای واقعی.
• AutomationBench: رتبه اول با امتیاز ۵۱.۳٪ در اجرای تو‌به‌توی عملکردهای تجاری در توابع اصلی کسب‌وکار (بنچمارک Zapier).
• LVBench: دستیابی به رکورد ۹۱.۷٪ در درک ویدئوهای طولانی، شامل تحلیل نمودارهای حرفه‌ای و شناسایی جزئیات از ویدئوهای طولانی.
• بخش مالی و حقوقی: عملکرد پیشرو در Vals Finance Agent v2 (پژوهش‌های مالی چندمرحله‌ای) و بنچمارک عامل حقوقی Harvey (پژوهش و تدوین متون حقوقی).

دفاع در امنیت سایبری

گوگل آرگون را به‌طور ویژه برای امنیت دفاعی آموزش داده است. این مدل می‌تواند به‌طور خودکار آسیب‌پذیری‌های حیاتی را بیابد، تایید کند و وصله بزند. برای مدافعان مورد اعتماد در برنامه Fairwind و تیم‌های داخلی گوگل، گوگل مدل را بدون حفاظ‌های سایبری استاندارد عرضه کرده تا کاربرد آن به حداکثر برسد.

شرکت Wiz هم‌اکنون از آرگون در ابتکار «اسکن برای خیر» (Scan for Good) استفاده می‌کند که زیرساخت‌های عمومی حیاتی را به‌صورت رایگان محافظت می‌کند. در تست‌های اولیه، آرگون یک آسیب‌پذیری بحرانی را در نرم‌افزارهای بهداشتی بیمارستان‌های سراسر جهان کشف کرد که اطلاعات حساس شخصی را افشا می‌کرد؛ ریسک شدیدی که مدل‌های پیشرو قبلی از آن غافل شده بودند. این پیشرفت در تداوم مسیر بهینه‌سازی‌های گوگل است که پیش‌تر توانسته بود زمان شناسایی حفره‌های امنیتی را از چند ماه به چند ساعت کاهش دهد.

در محک CWE-bench v1 که ترمیم آسیب‌پذیری‌ها را می‌سنجد، آرگون با امتیاز ۶۸٪ در جایگاه اول قرار گرفت و بر عملکرد 3.8 Flash Cyber افزود. پیشرفت‌های آرگون در کشف آسیب‌پذیری‌ها چشمگیر است:

• بنچمارک‌های داخلی: شناسایی نشت داده‌ها و افشاگری‌ها در کدهای پیچیده در ۲۰ زبان برنامه‌نویسی مختلف.
• تست جعبه‌سیاه: در بنچمارک تست نفوذ داخلی Wiz (تحلیل سیستم‌های وب زنده بدون دسترسی به کد منبع)، آرگون در شناسایی سطح حمله و تولید شواهد اثبات مفهوم (PoC) برای تایید آسیب‌پذیری‌ها، از مدل 3.8 Flash Cyber پیشی گرفت.

ایمنی و قیمت‌گذاری

برای جلوگیری از سوءاستفاده در حملات شیمیایی، بیولوژیکی، رادیولوژیکی و هسته‌ای (CBRN) یا سایبری، گوگل فعال‌سازهای داخلی مدل را برای شناسایی قصد مخرب نظارت می‌کند. این رویکرد از «چارچوب ایمنی پیشرو» پیروی می‌کند تا درخواست‌های مضر را رد کرده و در عین حال پژوهش‌های علمی مشروع با کاربرد دوگانه را حفظ کند. این حفاظ‌ها توسط تیم‌های قرمز (Red Teams) داخلی و خارجی با استفاده از روش‌های حمله دستی و خودکار آزمایش شده‌اند.

گوگل همچنین سیستم‌های کاهش عدم‌همراستایی (Misalignment Mitigations) را مستقر کرده است تا از خروج مدل از محدوده تعیین‌شده جلوگیری کند. این سیستم زنجیره تفکر (Chain-of-Thought) — شبیه به وقتی شاگرد ریاضی پای تخته بلند بلند فکر می‌کند تا به جواب برسد — و اقدامات آرگون را نظارت کرده و در صورت نیاز اجرا را متوقف می‌کند. برای جلوگیری از اینکه مدل یاد بگیرد چگونه از نظارت فرار کند (Shaping)، گوگل تضمین می‌کند که یافته‌های حاصل از این هشدارها به داده‌های آموزشی بازگردانده نشوند.

آرگون همچنین در برابر تزریق پرامپت (Prompt Injection) غیرمستقیم، که در آن زمینه‌های مخرب رفتار مدل را می‌ربایند، مقاوم شده و در حال حاضر در بنچمارک IPI شرکت Gray Swan پیشرو است. علاوه بر این، گوگل محیط‌های سندباکس را با ایزوله کردن و مهروموم کردن آن‌ها پیش از شروع آموزش‌ها یا ارزیابی‌های پرخطر، سخت‌گیرانه‌تر می‌کند.

قیمت این مدل ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی تعیین شده است. توکن‌های ورودی کش‌شده (Cached) ۹۵٪ تخفیف می‌گیرند.

چرخش به سمت استدلال با افق بلند

این به‌روزرسانی سیگنالی است مبنی بر اینکه دیگر «پنجره زمینه» تنها گلوگاه نیست؛ بلکه «پنجره خروجی» مرز جدید است. با اجازه دادن به مدل برای تولید صدها هزار توکن در یک مرحله، گوگل نیاز به حلقه‌های پیچیده و مدیریت وضعیت خارجی که مستعد خطا هستند را کاهش می‌دهد.

برای کاربر تجاری، این یعنی هوش مصنوعی از یک «مشاور» که توصیه می‌دهد، به یک «اپراتور» تبدیل می‌شود که محصول نهایی و مقیاس‌بزرگ را تحویل می‌دهد. در این حالت، ریسک از «توهم» به «عدم‌همراستایی» تغییر می‌کند؛ جایی که مدل ممکن است برای رسیدن به هدف، مسیری ناخواسته را انتخاب کند.

گوگل دسترسی به این مدل را برای مشتریان API پولی و مشترکین Google AI Ultra آغاز کرده است. شما باید دقت کنید که این محدودیت خروجی ۱ میلیون توکنی چگونه تحلیل هزینه-فایده‌ی مهاجرت کدهای قدیمی به زبان‌های مدرن را تغییر می‌دهد.

گام بعدی شما

• اگر در حال مدیریت کدهای قدیمی (Legacy) هستید، هزینه-فایده‌ی مهاجرت به زبان‌های مدرن مانند Rust را با استفاده از پنجره خروجی ۱ میلیون توکنی بررسی کنید.
• برای کارهای حقوقی یا تحلیل‌های مالی طولانی، استراتژی پرامپت‌نویسی خود را از «خلاصه‌سازی تکه‌ای» به «تولید یکپارچه» تغییر دهید.
• در صورت دسترسی به API، مدل را برای شناسایی آسیب‌پذیری‌های سطح حمله در سیستم‌های بدون کد منبع (Black-box) به چالش بکشید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.