ახალი AI მოდელი უკვე საჯაროა, თუმცა უფასო ანგარიშის მქონე მომხმარებლები მას ვერ გამოიყენებენ.
13 ოქტომბერს Google-მა ხელოვნური ინტელექტის თავისი უახლესი მოდელი, Gemini 4 Argon, გლობალურად გახსნა დეველოპერების, კომპანიებისა და ფასიანი გამომწერებისთვის. ამის შესახებ Google DeepMind-ის უფროსმა ვიცე-პრეზიდენტმა კორაი კავუკჩუოღლუმ და წამყვანმა ინჟინერმა კანიშკა რაომ კომპანიის ოფიციალურ ბლოგებში დაწერეს. პირველ ოქტომბერს ეს მოდელი მხოლოდ კიბერუსაფრთხოების პარტნიორების მცირე ჯგუფმა მიიღო, ახლა კი ის Gemini-ს აპლიკაციასა და საძიებო სისტემის AI Mode-ში Google AI Pro და Ultra პაკეტების მფლობელებისთვისაც ჩაირთო. ჩვეულებრივი, უფასო ანგარიშის მქონე მომხმარებლებისთვის Argon ხელმისაწვდომი არ არის.
დეველოპერებს მოდელთან წვდომა AI Studio-სა და Android Studio-ში ფასიანი API-ს გზით აქვთ, ანუ პროგრამული ხიდით, რომლითაც სხვადასხვა აპლიკაცია Google-ის სისტემას უკავშირდება. Google AI Ultra-ს გამომწერები და ბიზნესები მას ასევე გამოიყენებენ Google Antigravity-ში, რომელიც კომპანიის სპეციალური სამუშაო გარემოა დამოუკიდებლად მოქმედი, კოდის დამწერი პროგრამებისთვის. გარდა ამისა, Google-ი 10 000 მეცნიერს Antigravity-ს ყველაზე მაღალ პაკეტს ექვსი თვით უფასოდ სთავაზობს, ხოლო კიბერუსაფრთხოების პროგრამა Fairwind-ში კიდევ ასობით პარტნიორს ამატებს, რომლებიც მოდელს სტანდარტული შეზღუდვების გარეშე გამოცდიან.
როგორ ასწავლა მოდელმა რობოტს თამაში ვიდეოს ყურებით
ყველაზე თვალსაჩინო სიახლე რობოტიკას ეხება. როგორ ასწავლით ჰუმანოიდ რობოტს ფიზიკურ თამაშს ისე, რომ კოდი ხელით კვირების განმავლობაში არ წეროთ? კანიშკა რაოს თქმით, Argon-მა უბრალოდ უყურა ჩვეულებრივ ვიდეოს, რომელშიც ადამიანი სიმინდის ტომრების სამიზნეში სროლას, ეგრეთ წოდებულ კორნჰოლს, თამაშობს. მოდელმა თავად ააგო ვირტუალური სიმულაციის კოდი და იქ ნასწავლი მოძრაობის წესები კომპანია Apptronik-ის ჰუმანოიდ რობოტ Apollo-ში გადაიტანა. რეალურ ცდაში რობოტმა ზედიზედ შვიდი ტომარა ზუსტად ჩააგდო. Google-ი ამ მეთოდს Video-to-Sim-to-Real-ს უწოდებს და ამბობს, რომ ის კვირების განმავლობაში ხელით შესასრულებელ სამუშაოს რამდენიმე საათამდე ამცირებს.
Google-ის მონაცემებით, ფიზიკური გარემოს აღქმის ტესტში (ERQA) Argon-მა კონკურენტებს აჯობა და 87.0% აიღო, მაშინ, როცა Claude Opus 5.5-ის შედეგი 82.3%-ია, GPT-6 Astra-სი: 81.0%, ხოლო Claude Fable 5.1-ისა: 74.0%.
კოდირება, მეცნიერება და უსაფრთხოება
კომპანიის მტკიცებით, მოდელმა პირველი ადგილი დაიკავა Vals Index-ში, რომელიც ფინანსურ, იურიდიულ, საგადასახადო და პროგრამულ დავალებებს აფასებს. თავად Google-ის შიგნით, Chromium-ის 40-მილიონიანი კოდის ბაზიდან მოდელმა 6 მილიონი ხაზის მოცულობის ძველი საქაღალდის გამოყოფა თვეების ნაცვლად რამდენიმე კვირაში შეძლო. მანვე Google-ის ღია მოდელი Gemma 4 E2B Nvidia A100 ჩიპზე 2.85-ჯერ ააჩქარა. კომპანიას მაგალითებად მოჰყავს კვანტური გამოთვლები, თერმობირთვული სინთეზი, იშვიათი დაავადებების გენომების კვლევა და ლაბორატორიაში დადასტურებული ხუთი ახალი ფერმენტის დიზაინი.
Google-ის ცნობით, უსაფრთხოების ტესტებში გარე მკვლევრებმა ბიოლოგიური დავალებების 1%-ზე ნაკლების გახსნა შეძლეს, ხოლო ეგრეთ წოდებული პრომპტ-ინექციის, ანუ მოდელის მოტყუების მცდელობების, წარმატების მაჩვენებელი Gray Swan IPI ტესტში 0.7%-მდე დავიდა.
„Gemini 4 Argon მხოლოდ დასაწყისია. მოუთმენლად ველით, როდის შემოგთავაზებთ Gemini 4-ის ოჯახის დანარჩენ წევრებს“, წერს კომპანია ოფიციალურ განცხადებაში.
| საწყისი API ფასი (შემავალი) | $2 მილიონ ტოკენზე (30 ნოემბრამდე) |
| საწყისი API ფასი (გამომავალი) | $10 მილიონ ტოკენზე (30 ნოემბრამდე) |
| სტანდარტული API ფასი | $4 შემავალი / $20 გამომავალი მილიონ ტოკენზე (30 ნოემბრის შემდეგ) |
| ქეშირებული ტოკენების ფასდაკლება | 95% |
| კონტექსტის ერთიანი ლიმიტი | 1 მილიონი ტოკენი |
| ERQA რობოტიკის ტესტი | Gemini 4 Argon 87.0% / Claude Opus 5.5 82.3% / GPT-6 Astra 81.0% / Claude Fable 5.1 74.0% |
| Gemma 4 E2B-ის აჩქარება A100-ზე | 37,900-დან 108,000+ ტოკენამდე წამში (2.85x) |
წყარო: Google | Google for Developers | Google Developers Blog (robotics)
ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.
