Google lança Gemini 4 Argon para trabalhos profissionais complexos

Google lança Gemini 4 Argon mundialmente

A Google lançou o Gemini 4 Argon, um novo modelo de IA de fronteira que, segundo a empresa, foi desenvolvido para trabalhos difíceis e com várias etapas em áreas como engenharia de software, finanças, direito, cibersegurança e ciência. A companhia afirmou que o modelo está disponível globalmente desde 13 de outubro por meio de suas ofertas de API, AI Studio, da plataforma Gemini, do aplicativo Gemini, do AI Mode no Search e do Google Antigravity para assinantes elegíveis.

O lançamento se destaca menos por um único recurso voltado ao consumidor e mais pela amplitude do trabalho que a Google afirma querer que o modelo execute. O Argon está sendo posicionado como um sistema para “trabalho profundo”: tarefas que exigem manter o contexto, raciocinar em várias etapas e produzir resultados úteis em ambientes onde erros podem ser caros ou demorados para corrigir.

A Google afirmou que o Argon ficou em primeiro lugar no Vals Index, um benchmark que, segundo a empresa, mede o desempenho em áreas economicamente relevantes, como finanças, programação, trabalho jurídico e impostos. Como ocorre com qualquer alegação baseada em benchmark, o resultado deve ser visto como um indicador da capacidade do modelo, e não como uma garantia de desempenho nos dados, fluxos de trabalho ou requisitos de risco de uma organização específica.

Um avanço rumo a tarefas de engenharia maiores

Um dos principais exemplos da Google é a manutenção de software em escala. A empresa disse que seus engenheiros usaram o Argon em projetos internos difíceis, incluindo trabalhos no Chromium, a base de código aberta do navegador que sustenta o Chrome e outros navegadores.

De acordo com a Google, o Argon ajudou a equipe do Chrome a separar as funções centrais de gerenciamento de páginas da web de uma pasta legada de recursos do navegador que continha cerca de 6 milhões de linhas de código dentro da base do Chromium, com aproximadamente 40 milhões de linhas. O trabalho envolveu uma refatoração arquitetural em centenas de arquivos. A Google afirmou que o modelo permitiu à equipe concluir, em semanas, um trabalho que de outra forma levaria meses.

A empresa disse que a refatoração pretende permitir que páginas da web se movam entre abas, painéis laterais e janelas flutuantes sem recarregar. O exemplo ilustra o tipo de engenharia assistida por IA que a Google está enfatizando: não apenas gerar um trecho de código isolado, mas ajudar as equipes a navegar, alterar e validar mudanças em uma base de código grande e interdependente.

A Google também informou que engenheiros que usam o Argon no Antigravity aumentaram em mais de 35% os envios de código por agentes, enquanto os rollbacks de código caíram quase um terço. Esses números são alegações internas da empresa e não demonstram que todas as equipes de desenvolvimento terão os mesmos resultados. Eles, porém, sinalizam como as grandes empresas de tecnologia estão medindo cada vez mais as ferramentas de IA: pelo efeito sobre a velocidade de entrega e a taxa de mudanças que precisam ser desfeitas.

Disponibilidade e preços

Desenvolvedores e empresas podem acessar o Gemini 4 Argon pela API e pelos produtos de plataforma da Google. A empresa disse que o modelo também está disponível para assinantes do Google AI Ultra no Antigravity, enquanto assinantes do Google AI Ultra e Pro podem usá-lo no aplicativo Gemini e no AI Mode no Search.

O modelo é lançado com preço introdutório de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída. A Google afirmou que tokens de entrada armazenados em cache recebem desconto de 95%. O preço por token é relevante porque cargas de trabalho agênticas complexas podem enviar repetidamente documentos longos, bases de código ou outro contexto ao modelo; o cache pode reduzir o custo de reutilizar informações ao longo de um fluxo de trabalho.

Para as organizações, a disponibilidade em produtos para desenvolvedores e consumidores significa que o Argon pode aparecer em várias partes da mesma pilha tecnológica: em um aplicativo personalizado por meio de uma API, em uma plataforma voltada ao trabalho e em um assistente de uso geral. Esse alcance pode facilitar a adoção, mas também levanta questões conhecidas de governança sobre onde informações sensíveis são processadas, quais tarefas podem ser automatizadas e que revisão humana continua necessária.

Alegações em ciência e negócios

A Google afirmou que equipes da empresa, usuários corporativos e pesquisadores já utilizaram o Argon para refatoração de código, otimização de fluxos de trabalho, trabalhos com vulnerabilidades de cibersegurança, computação quântica, fusão nuclear e pesquisa em ciências da vida. A companhia não apresentou esses usos como substitutos da experiência de especialistas. Em vez disso, descreveu o modelo como um acelerador para profissionais que lidam com informações e processos técnicos complexos.

Essa abordagem é cada vez mais importante na competição entre desenvolvedores de modelos de fronteira. O foco está mudando da capacidade de um chatbot de oferecer uma resposta fluente para sua capacidade de contribuir de forma confiável para uma cadeia de trabalho mais longa. Na prática, isso pode significar ler um grande repositório, preparar uma primeira versão de um fluxo jurídico ou financeiro, identificar possíveis problemas de segurança ou ajudar pesquisadores a organizar e testar ideias.

O anúncio da Google também dá atenção especial à segurança e à confiabilidade. A empresa disse que desenvolveu o Argon de forma responsável e segura, enquanto seus exemplos destacam a precisão em áreas de alto impacto. O teste prático será a forma como os clientes avaliam os resultados em seus próprios ambientes, especialmente quando uma resposta precisa ser conferida com regras atuais, material de origem, código ou evidências experimentais.

O que o lançamento muda

O Gemini 4 Argon amplia o esforço da Google para transformar a IA avançada em uma ferramenta de trabalho para desenvolvedores, empresas e pesquisadores, e não apenas em um assistente para consumidores. Seu lançamento abrangente e o preço baseado no uso oferecem às organizações um caminho direto para testar essa proposta.

A questão imediata não é se um modelo pode tentar realizar trabalhos profissionais complexos. É se ele consegue fazer isso de maneira consistente o suficiente para se encaixar nos processos de revisão de equipes reais. O exemplo do Chromium sugere que a empresa vê a manutenção de código em larga escala como um campo inicial de testes. Se os ganhos relatados se confirmarem além da própria organização de engenharia da Google, o Argon poderá fazer parte de um movimento mais amplo rumo a sistemas de IA que auxiliem em trabalhos técnicos substanciais e com várias etapas.

Este artigo baseia-se em uma reportagem do Google AI Blog. Leia o artigo original.