Gemini 4 Argon 只先给 Fairwind 安全团队用

Erhan Meydan @erhanmeydan原推发布于 2026.10.01

在 X 上打开原推

Google, Gemini 4 Argon'u duyurdu ama henüz hiçbirimiz kullanamıyoruz :)) Model şimdilik sadece Fairwind programındaki güvenilir siber güvenlik ekiplerine açılmış. Fairwind ne? Google DeepMind'ın siber savunma programı. Devletler ve hastane, telekom, enerji gibi kritik altyapı kurumları, açık bulup yamayabilen modellere saldırganlardan önce erişiyor. Bireysel başvuru yok, sadece Google'ın incelemesinden geçen kurumlar alınıyor, şu an 650'den fazla ortak varmış. Sırada ücretli API müşterileri ve Google AI Ultra aboneleri var, tarih verilmemiş. Duyuruda gerçekten yeni olanlara bakıyoruz: → Tek yanıtta üretebileceği çıktı 64 bin token'dan 1 milyon token'a çıkmış. Claude Opus 5.5 ve GPT-6 Astra'da bu sınır 128 bin. Okuyabildikleri miktar benzer, ama Argon tek seferde yaklaşık 8 kat daha uzun düşünüp yazabiliyor. → Google içinde binlerce çalışan zaten kullanıyormuş. Argon ajanları eski C/C++ kodlarını daha güvenli olan Rust diline taşıyor. En büyük iş, Google'ın kendi işletim sistemi Fuchsia'nın 800 bin satırı aşan çekirdeği. Çalışma sürüyor, kod henüz denetimden geçiyor. → Açık kaynak video çözücü libgav1'de 32 bin satırlık elle optimize edilmiş kodu güvenli Rust ile değiştirmişler. Sonuç, önceki Rust sürümünden 2,7 kat hızlıymış. Küçük not: C++ orijinalinden değil, Rust sürümünden hızlı. → Veri merkezlerinde 300 TiB'tan fazla bellek boşaltmış. → Kuantum algoritmalarında darboğaz olan bir hesaplamayı, yayımlanmış en iyi sonuçtan %40 daha az kaynakla yapmanın yolunu dakikalar içinde bulmuş. Tek bir örnek ve ayrıntısı paylaşılmamış, ama yön ilginç. → Yazılım açıklarını kendi başına bulup doğrulayıp yamayabiliyormuş. Güvenilir ekiplere siber kısıtlamaları kapalı olarak veriliyor. Wiz, hastanelerde kullanılan bir sağlık yazılımında önceki modellerin kaçırdığı kritik bir açığı Argon'la bulduğunu söylüyor. Benchmark tablosunda karşısında GPT-6 Astra, Claude Fable 5.1 ve Claude Opus 5.5 var. Açık ara önde olduğu yerler: → Hukuk ajanı testinde (Harvey) %19,6. Rakipler %4 ile %7 arasında. Fark büyük ama mutlak skor hala düşük, görevlerin ancak beşte birini çözebiliyor. → Finans araştırmasında (Vals Finance Agent v2) %65,4, en yakın rakip Fable 5.1 %58,9. → İş süreçlerini baştan sona yürütmede (AutomationBench) %51,3, Opus 5.5 %42,5. → Çok uzun belgelerde bilgi takibinde (GraphWalks, 256 bin ile 1 milyon token arası) %84,2, en yakın rakip %71,8. En net fark burada. → Uzun video anlamada (LVBench) %91,7, GPT-6 Astra %87,5. → Hukuk, finans ve vergi işlerini ekonomik ağırlığıyla ölçen Vals Index'te %68,9, Opus 5.5 %67,0. Önde ama fark küçük. Kodda tablo karışık: → DeepSWE'de %77,9 ile birinci görünüyor, Opus 5.5 %74,2. Ama Argon'un skorunu Google kendisi ölçmüş, rakiplerinkini liderlik tablolarından ve model kartlarından almış. Aynı koşullarda yapılmış bir karşılaştırma değil. → Bağımsız ölçülen FrontierSWE'de (zor yazılım mühendisliği görevleri) %55,0 ile tablonun sonuncusu. GPT-6 Astra %65,5, Opus 5.5 %62,3. → Terminalde ajan olarak iş yapmada (Terminal-Bench 4.0) %57,4 ile yine son. Opus 5.5 %66,4. Geride kaldığı diğer yerler: → Bilimsel terminal görevlerinde %57,6, GPT-6 Astra %68,1. Google kendi ölçümünde doğrulama süresini 6 katına çıkarmış, buna rağmen üçüncü. → Bilgisayar kullanımında (OSWorld 2.0) %69,2, GPT-6 Astra %72,6. → Model eğitimi işlerinde (PostTrainBench) Opus 5.5 %49,3 ile önde, Argon %45,3. → Siber güvenlik açığı kapatmada (CWE-bench) GPT-6 Astra ile %68'de berabere. Fiyat milyon token başına girdi 2$, çıktı 10$. Ama bu tanıtım fiyatı, sonrasında iki katına çıkıyor. Bilgi işinde fark net, üstelik bu skorların çoğu Vals AI, Zapier ve Surge gibi bağımsız tablolardan geliyor. Kodda ise Google'ın kendi ölçtüğü testte birinci, bağımsız testte sonuncu. Artık şu çok net oldu. "En iyi model hangisi" sorusunun cevabı "hangi iş için" oldu.

这条是引用着另一条写的：x.com/google/status/2105388143902175529