சிக்கலான தொழில்முறை பணிகளுக்காக Gemini 4 Argon-ஐ Google அறிமுகப்படுத்துகிறது

Gemini 4 Argon-ஐ உலகளவில் Google வெளியிடுகிறது

Google Gemini 4 Argon என்ற புதிய frontier AI மாடலை அறிமுகப்படுத்தியுள்ளது. மென்பொருள் பொறியியல், நிதி, சட்டம், சைபர் பாதுகாப்பு மற்றும் அறிவியல் உள்ளிட்ட துறைகளில் கடினமான, பல-படி பணிகளுக்காக இது வடிவமைக்கப்பட்டுள்ளதாக நிறுவனம் தெரிவித்துள்ளது. அக்டோபர் 13 முதல் அதன் API சேவைகள், AI Studio, Gemini தளம், Gemini செயலி, Search-இல் AI Mode மற்றும் தகுதியான சந்தாதாரர்களுக்கான Google Antigravity வழியாக இந்த மாடல் உலகளவில் கிடைக்கும் என்று Google கூறியது.

இந்த வெளியீட்டின் முக்கியத்துவம் ஒரு தனிப்பட்ட நுகர்வோர் அம்சத்தில் குறைவாகவும், மாடல் கையாளும் என்று Google கூறும் பணிகளின் பரப்பளவில் அதிகமாகவும் உள்ளது. Argon “deep work” எனப்படும் பணிகளுக்கான அமைப்பாக முன்வைக்கப்படுகிறது: சூழலைத் தக்கவைத்தல், பல கட்டங்களில் காரணம் ஆராய்தல் மற்றும் தவறுகளைச் சரிசெய்வது செலவானதாகவோ நேரம் பிடிப்பதாகவோ இருக்கும் சூழல்களில் பயனுள்ள முடிவுகளை உருவாக்குதல் தேவைப்படும் பணிகள் இவை.

Vals Index-ல் Argon முதலிடம் பெற்றதாக Google தெரிவித்தது. நிதி, குறியீட்டாக்கம், சட்டப் பணிகள் மற்றும் வரி போன்ற பொருளாதார முக்கியத்துவம் வாய்ந்த துறைகளில் செயல்திறனை அளவிடும் benchmark என நிறுவனம் இதை விவரித்தது. எந்த benchmark கூற்றையும் போல, இந்த முடிவை மாடலின் திறனுக்கான ஒரு குறியீடாகவே பார்க்க வேண்டும்; குறிப்பிட்ட நிறுவனத்தின் தரவு, பணிப்பாய்வுகள் அல்லது அபாயத் தேவைகளில் செயல்திறனுக்கான உத்தரவாதமாக அல்ல.

பெரிய பொறியியல் பணிகளுக்கான முன்னுரிமை

Google முன்வைக்கும் முக்கிய எடுத்துக்காட்டுகளில் ஒன்று, பெரிய அளவிலான மென்பொருள் பராமரிப்பு. Chrome மற்றும் பிற உலாவிகளுக்கு அடித்தளமாக இருக்கும் open-source உலாவி codebase ஆன Chromium தொடர்பான பணிகள் உட்பட கடினமான உள்துறை திட்டங்களில் தங்கள் பொறியாளர்கள் Argon-ஐ பயன்படுத்தியதாக நிறுவனம் கூறியது.

Google-ன் கூற்றுப்படி, Chromium-ன் சுமார் 40 மில்லியன் வரி codebase-இல் உள்ள சுமார் 6 மில்லியன் வரி கொண்ட legacy browser-features folder-இலிருந்து முக்கிய webpage-handling செயல்பாடுகளை Chrome குழு பிரிக்க Argon உதவியது. இந்தப் பணியில் நூற்றுக்கணக்கான கோப்புகளை உள்ளடக்கிய architectural refactor இடம்பெற்றது. இல்லையெனில் மாதங்கள் எடுத்திருக்கும் பணியை சில வாரங்களில் முடிக்க மாடல் உதவியதாக Google தெரிவித்தது.

Reload செய்யாமல் webpages-ஐ tabs, side panels மற்றும் floating windows இடையே நகர்த்துவதற்கு இந்த refactor உதவும் என்று நிறுவனம் கூறியது. இந்த எடுத்துக்காட்டு Google வலியுறுத்தும் AI-assisted engineering-ஐ விளக்குகிறது: தனித்த code snippet-ஐ உருவாக்குவது மட்டுமல்ல, பெரியதும் ஒன்றுக்கொன்று சார்ந்ததுமான codebase-ல் மாற்றங்களை அணிகள் புரிந்துகொள்ளவும், மாற்றவும், சரிபார்க்கவும் உதவுவது.

Antigravity-ல் Argon பயன்படுத்திய பொறியாளர்களின் agentic code submissions 35%-க்கும் அதிகமாக உயர்ந்ததாகவும், code rollbacks கிட்டத்தட்ட மூன்றில் ஒரு பங்கு குறைந்ததாகவும் Google தெரிவித்தது. இவை நிறுவனத்தின் உள்துறை கூற்றுகள்; ஒவ்வொரு development குழுவும் இதே முடிவுகளைப் பெறும் என்பதை இவை நிரூபிக்கவில்லை. இருப்பினும், பெரிய தொழில்நுட்ப நிறுவனங்கள் AI கருவிகளை delivery வேகம் மற்றும் மாற்றங்களை மீளச் செய்ய வேண்டிய விகிதத்தில் ஏற்படுத்தும் தாக்கத்தின் அடிப்படையில் அளவிடத் தொடங்கியுள்ளதை இவை காட்டுகின்றன.

கிடைக்கும் நிலை மற்றும் விலை

Google-ன் API மற்றும் platform தயாரிப்புகள் மூலம் டெவலப்பர்கள் மற்றும் நிறுவனங்கள் Gemini 4 Argon-ஐ அணுகலாம். Antigravity-ல் Google AI Ultra சந்தாதாரர்களுக்கும் இந்த மாடல் கிடைக்கும் என்றும், Google AI Ultra மற்றும் Pro சந்தாதாரர்கள் Gemini செயலி மற்றும் Search-இல் AI Mode வழியாக இதைப் பயன்படுத்தலாம் என்றும் Google தெரிவித்தது.

மாடல் அறிமுக விலையாக ஒரு மில்லியன் input tokens-க்கு $2 மற்றும் ஒரு மில்லியன் output tokens-க்கு $10 என நிர்ணயிக்கப்பட்டுள்ளது. Cached input tokens-க்கு 95% தள்ளுபடி வழங்கப்படும் என்று Google கூறியது. சிக்கலான agentic பணிப்பாய்வுகளில் நீண்ட ஆவணங்கள், codebases அல்லது பிற context மீண்டும் மீண்டும் மாடலுக்கு அனுப்பப்படலாம் என்பதால் token விலை முக்கியமானது; caching மூலம் ஒரு பணிப்பாய்வில் தகவலை மீண்டும் பயன்படுத்தும் செலவை குறைக்க முடியும்.

நிறுவனங்களுக்கு, developer மற்றும் consumer மேற்பரப்புகளில் கிடைப்பது Argon ஒரே technology stack-இன் பல பகுதிகளில் தோன்றக்கூடும் என்பதைக் குறிக்கிறது: API வழியாக custom application-ல், workplace-oriented platform-ல் மற்றும் general-purpose assistant-ல். இது adoption-ஐ எளிதாக்கலாம்; ஆனால் sensitive information எங்கு process செய்யப்படுகிறது, எந்தப் பணிகளை automate செய்யலாம், மனித review எங்கு அவசியம் என்பவை தொடர்பான வழக்கமான governance கேள்விகளையும் எழுப்புகிறது.

அறிவியல் மற்றும் வணிகம் குறித்த கூற்றுகள்

நிறுவனத்தின் உள்துறை குழுக்கள், enterprise பயனர்கள் மற்றும் ஆராய்ச்சியாளர்கள் code refactoring, workflow optimization, cybersecurity vulnerability பணிகள், quantum computing, nuclear fusion மற்றும் life-sciences research ஆகியவற்றில் Argon-ஐ ஏற்கனவே பயன்படுத்தியுள்ளதாக Google கூறியது. இந்தப் பயன்பாடுகள் domain expertise-க்கு மாற்று என்று நிறுவனம் முன்வைக்கவில்லை. மாறாக, சிக்கலான தகவல்கள் மற்றும் தொழில்நுட்ப செயல்முறைகளை எதிர்கொள்ளும் நிபுணர்களுக்கான accelerator ஆக மாடலை அது விளக்கியது.

Frontier-model உருவாக்குநர்களுக்கிடையிலான போட்டியில் இந்த அணுகுமுறை அதிக முக்கியத்துவம் பெறுகிறது. சரளமான பதிலை வழங்கும் chatbot-ன் திறனிலிருந்து, நீண்ட பணிச் சங்கிலியில் நம்பகமாக பங்களிக்கும் திறனுக்குத் கவனம் மாறுகிறது. நடைமுறையில், பெரிய repository-ஐ வாசித்தல், சட்ட அல்லது நிதிப் பணிப்பாய்வுக்கான முதல் வரைவைத் தயாரித்தல், சாத்தியமான security பிரச்சினைகளை அடையாளம் காணுதல் அல்லது ஆராய்ச்சியாளர்கள் கருத்துகளை ஒழுங்குபடுத்தி சோதிக்க உதவுதல் ஆகியவை இதன் பொருளாக இருக்கலாம்.

Google-ன் அறிவிப்பு safety மற்றும் reliability-க்கும் குறிப்பிட்ட முக்கியத்துவம் அளிக்கிறது. Argon-ஐ பொறுப்புடனும் பாதுகாப்பாகவும் உருவாக்கியதாக நிறுவனம் கூறியது; அதேசமயம் அதன் எடுத்துக்காட்டுகள் அதிக விளைவுகளை ஏற்படுத்தக்கூடிய துறைகளில் precision-ஐ வலியுறுத்துகின்றன. வாடிக்கையாளர்கள் தங்கள் சொந்த சூழல்களில் outputs-ஐ எவ்வாறு மதிப்பிடுகிறார்கள் என்பதே நடைமுறைச் சோதனையாக இருக்கும்; குறிப்பாக ஒரு பதிலை தற்போதைய விதிகள், source material, code அல்லது experimental evidence ஆகியவற்றுடன் சரிபார்க்க வேண்டிய இடங்களில்.

இந்த வெளியீடு மாற்றுவது என்ன

Gemini 4 Argon, advanced AI-ஐ consumer assistant ஆக மட்டும் அல்லாமல் டெவலப்பர்கள், நிறுவனங்கள் மற்றும் ஆராய்ச்சியாளர்களுக்கான பணிக் கருவியாக மாற்றும் Google-ன் முயற்சியை விரிவுபடுத்துகிறது. இதன் பரந்த வெளியீடும் usage-based pricing-மும் நிறுவனங்களுக்கு அந்தக் கூற்றை நேரடியாகச் சோதிக்கும் வாய்ப்பை வழங்குகின்றன.

உடனடி கேள்வி, ஒரு மாடல் சிக்கலான தொழில்முறை பணிகளை முயற்சி செய்ய முடியுமா என்பதல்ல. உண்மையான குழுக்களின் review செயல்முறைகளில் அது இணையும் அளவுக்கு தொடர்ந்து நம்பகமாகச் செயல்படுமா என்பதே கேள்வி. Google-ன் Chromium எடுத்துக்காட்டு, பெரிய அளவிலான code maintenance-ஐ நிறுவனம் ஆரம்பகட்ட சோதனைத் தளமாகக் காண்கிறது என்பதைக் காட்டுகிறது. தெரிவிக்கப்பட்ட பலன்கள் Google-ன் சொந்த engineering அமைப்பைத் தாண்டியும் கிடைத்தால், Argon பெரிய, பல-படி தொழில்நுட்ப பணிகளுக்கு உதவும் AI அமைப்புகளுக்கான விரிவான மாற்றத்தின் ஒரு பகுதியாக மாறக்கூடும்.

இந்தக் கட்டுரை Google AI Blog-ன் செய்தியறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.