Google ha presentato Gemini 4 Argon il 30 settembre 2026, ma non si tratta semplicemente dell’ennesimo aggiornamento di Google Gemini. Il modello è stato progettato per affrontare attività lunghe e complesse, dal software engineering alla ricerca finanziaria e legale, fino alla cybersecurity.
Gemini 4 Argon è il nuovo modello frontier di Google DeepMind, sviluppato per mantenere ragionamento e operatività durante workflow articolati e composti da numerosi passaggi. Supporta fino a 1 milione di token in output e sarà inizialmente distribuito in modo controllato, prima di arrivare agli utenti Google AI Ultra e ai clienti API a pagamento.
Cos’è Gemini 4 Argon
Gemini 4 Argon apre ufficialmente la generazione Gemini 4 e Google lo descrive come un modello pensato soprattutto per problemi nei quali una risposta breve non basta.
- Android può ricordare dove hai messo chiavi e passaporto: Gemini salva la posizione in Find Hub
- Google Chrome cambia tutto: Gemini sbarca in nuovi paesi
- Gemini sfida tutti: ora importi 2 tipi di dati IA dalle altre app
La differenza si vede già nel modo in cui viene presentato. Il punto non è soltanto produrre un testo migliore o rispondere con maggiore precisione a una domanda, ma riuscire a lavorare su attività che possono richiedere molti passaggi consecutivi senza perdere il filo del problema.
Google indica quattro aree principali: sviluppo software, knowledge work professionale, cybersecurity e scrittura.
Il modello è già utilizzato internamente da migliaia di dipendenti Google per attività che spaziano dal debugging alla ricerca, fino alla migrazione di grandi codebase.
Qui c’è una distinzione che rischia facilmente di perdersi leggendo l’annuncio: Argon non è semplicemente un chatbot più potente. Una parte consistente del lavoro di Google sembra concentrarsi sulla capacità del modello di agire come agente per periodi più lunghi, eseguendo serie di operazioni correlate invece di limitarsi a un singolo prompt e una singola risposta.
Il limite di 1 milione di token cambia il tipo di problemi affrontabili
Uno dei dati più insoliti riguarda l’output.
Google ha aumentato il limite massimo da 64.000 token delle generazioni precedenti a 1 milione di token per Gemini 4 Argon.
Non significa che ogni risposta sarà lunga un milione di token, né sarebbe necessariamente auspicabile. Serve piuttosto a dare al modello spazio operativo quando deve sostenere traiettorie di ragionamento particolarmente estese.
Un agente incaricato di analizzare una grande codebase, per esempio, potrebbe dover ispezionare file, proporre modifiche, verificare risultati, correggere errori e ripetere il ciclo numerose volte.
È proprio questo il tipo di attività per cui avere un limite molto alto può essere utile.
Attenzione però a un equivoco piuttosto facile: il milione di token citato da Google riguarda il limite di output, non va automaticamente interpretato come una dichiarazione equivalente sulla dimensione della finestra di contesto in input.
Gemini 4 Argon punta molto sullo sviluppo software
Il coding è probabilmente uno degli ambiti nei quali Google sta spingendo maggiormente il nuovo modello.
Secondo i risultati pubblicati dalla società, Gemini 4 Argon ha ottenuto il 77,9% su DeepSWE v1.1, benchmark dedicato ad attività di software engineering reali e di lunga durata. Google lo presenta come un nuovo risultato di riferimento per questo test.
Più interessanti dei benchmark, almeno per capire la direzione del prodotto, sono alcuni impieghi descritti all’interno della stessa Google.
Argon è stato utilizzato per progetti di migrazione da C e C++ a Rust, da librerie contenenti decine di migliaia di righe fino a componenti molto più grandi. Nel caso del kernel Zircon di Fuchsia, Google parla di oltre 800.000 righe di codice coinvolte nel progetto di migrazione.
Un altro esperimento ha riguardato libgav1, il decoder video open source di Google. Gli agenti basati su Argon hanno rielaborato circa 32.000 righe di codice SIMD all’interno di un porting Rust. Google sostiene che il risultato finale abbia raggiunto prestazioni 2,7 volte superiori rispetto alla precedente versione Rust mantenendo lo stesso output video.
Sono risultati dichiarati da Google e non equivalgono automaticamente alle prestazioni che un’azienda otterrà sul proprio codice. Mostrano però abbastanza chiaramente il tipo di utilizzo che l’azienda ha in mente.
Non solo programmazione: finanza, attività legali e automazione
Google Gemini sta progressivamente uscendo dal modello “fai una domanda, ricevi una risposta”.
Con Argon questa evoluzione diventa ancora più evidente.
Google dichiara risultati di primo piano nel Vals Index, una valutazione che include attività professionali in finanza, coding, diritto e ambito fiscale. Il modello è stato testato anche su Vals Finance Agent v2 e sull’Harvey Legal Agent Benchmark, dedicati rispettivamente alla ricerca finanziaria multi-step e ad attività legali di ricerca e redazione.
Su AutomationBench, benchmark di Zapier che misura l’esecuzione end-to-end di attività aziendali, Google riporta per Argon un punteggio del 51,3%.
Questo numero va letto con un po’ di attenzione.
Arrivare primi in un benchmark non significa aver risolto il problema dell’automazione aziendale. Un punteggio vicino al 50% implica anche che esiste ancora una quantità significativa di attività nelle quali il sistema non arriva correttamente alla fine.
È uno dei dettagli che spesso spariscono quando i risultati dei benchmark vengono ridotti a una classifica.
Anche immagini, video e documenti entrano nei workflow
Argon resta un modello multimodale.
Google afferma che può utilizzare informazioni provenienti da grafici, documenti e video all’interno dello stesso processo di lavoro. Sul benchmark LVBench, dedicato alla comprensione di video lunghi, l’azienda dichiara un risultato del 91,7%.
La parte interessante non è soltanto “capire un video”.
Un agente potrebbe, per esempio, analizzare una serie di documenti, confrontarli con un grafico, estrarre un’informazione da un video e utilizzare il risultato per decidere il passaggio successivo.
È il collegamento tra comprensione multimodale e capacità agentica a rendere la tecnologia più interessante rispetto alla semplice analisi di un’immagine caricata in chat.
La cybersecurity è uno dei motivi per cui Argon non arriva subito a tutti
Ed è qui che il lancio diventa particolare.
Gemini 4 Argon non viene distribuito immediatamente a chiunque abbia un account Google. Il primo accesso è riservato a un gruppo di professionisti della sicurezza informatica attraverso il Fairwind Program.
Google afferma di aver addestrato Argon per trovare, verificare e correggere autonomamente vulnerabilità software. Per alcuni difensori selezionati e per i team interni Google, il modello viene messo a disposizione senza le normali limitazioni cyber, così da sfruttarne pienamente le capacità difensive.
Sul benchmark CWE-bench v1, dedicato alla correzione delle vulnerabilità, Google dichiara un risultato del 68%, a pari merito per il punteggio più alto.
Wiz sta già utilizzando Argon attraverso l’iniziativa Scan for Good. Secondo Google, durante una prima applicazione il modello avrebbe individuato una vulnerabilità critica in software sanitari utilizzati da ospedali, esponendo informazioni personali sensibili che altri modelli frontier non avevano rilevato.
La stessa capacità che permette di scoprire una falla può però essere utilizzata anche per sfruttarla. È uno dei motivi per cui Google ha scelto un rilascio graduale invece di rendere immediatamente disponibile l’intero modello.
Google sta lavorando anche contro le prompt injection
Con agenti in grado di navigare informazioni esterne, leggere documenti o interagire con altri sistemi compare un problema molto concreto: le indirect prompt injection.
Un documento, una pagina web o un’altra fonte apparentemente innocua può contenere istruzioni costruite per modificare il comportamento dell’agente.
Non è un rischio teorico marginale. Più autonomia viene concessa a un sistema AI, maggiore diventa l’importanza di impedire che contenuti esterni prendano il controllo delle sue azioni.
Google afferma di avere sottoposto Argon ad adversarial training e red teaming automatizzato e dichiara che il modello ottiene prestazioni elevate nel benchmark Indirect Prompt Injection di Gray Swan.
L’azienda utilizza anche sistemi di monitoraggio delle azioni e del ragionamento del modello per interrompere un’esecuzione quando questa sembra allontanarsi dalle intenzioni dell’utente.
Quanto costerà Gemini 4 Argon
Google ha già comunicato i prezzi previsti per le API, anche se il modello non è ancora disponibile generalmente.
Durante il periodo introduttivo il costo sarà:
- 2 dollari per 1 milione di token in input;
- 10 dollari per 1 milione di token in output;
- input memorizzato in cache con uno sconto del 95% rispetto al prezzo normale dell’input.
Dopo il periodo promozionale, Google indica prezzi di 4 dollari per milione di token in input e 20 dollari per milione in output. Non è stata indicata nell’annuncio una data precisa per la fine del prezzo introduttivo.
Quest’ultimo dettaglio conta soprattutto per chi sta già facendo previsioni sui costi di applicazioni agentiche.
Un limite di output enorme non significa che convenga utilizzarlo sempre. Se un agente produce decine o centinaia di migliaia di token per completare un’attività, il costo dell’output può diventare una componente rilevante del progetto.
Quando sarà disponibile Gemini 4 Argon
Al momento dell’annuncio del 30 settembre 2026, Gemini 4 Argon non è stato lanciato per tutti gli utenti di Google Gemini.
La prima fase coinvolge il Fairwind Program e altri trusted tester. Google sta anche partecipando al processo volontario del governo statunitense per l’accesso ai modelli prima del rilascio.
Il piano dichiarato prevede successivamente l’apertura a sviluppatori, imprese e consumatori.
Google specifica che tra i primi gruppi della distribuzione più ampia ci saranno:
- clienti API a pagamento;
- abbonati Google AI Ultra.
Non è stata però comunicata una data precisa per questo passaggio.
Di conseguenza, se compare online un presunto metodo per “attivare Gemini 4 Argon” su un normale account Gemini, conviene controllare molto attentamente la fonte. L’annuncio ufficiale non dice che il modello sia già disponibile universalmente.
Gemini 4 Argon è davvero molto più potente?
I numeri pubblicati da Google sono notevoli, ma un benchmark non racconta l’intera esperienza d’uso.
Questo vale praticamente per ogni nuovo modello AI.
Argon raggiunge, secondo Google, il 77,9% su DeepSWE v1.1, il 51,3% su AutomationBench e il 91,7% su LVBench. Sono test diversi, con metodologie e obiettivi differenti. Non possono essere trasformati in una generica percentuale di “intelligenza” del modello.
Bisognerà soprattutto osservare come Argon si comporterà quando sarà utilizzabile su larga scala, con codebase meno curate, documenti contraddittori, tool esterni instabili e istruzioni ambigue.
È proprio lì che gli agenti AI incontrano spesso i problemi più difficili: non nel rispondere a una domanda isolata, ma nel mantenere una sequenza corretta di decisioni dopo decine di passaggi.
Gemini 4 Argon sembra essere stato costruito esattamente per affrontare questo limite.
Domande frequenti su Gemini 4 Argon
Cos’è Gemini 4 Argon?
Gemini 4 Argon è il nuovo modello frontier di Google DeepMind, annunciato il 30 settembre 2026. È progettato per attività complesse e di lunga durata nel coding, nel lavoro professionale, nell’analisi multimodale e nella cybersecurity.
Gemini 4 Argon è già disponibile su Google Gemini?
Non per tutti. La distribuzione iniziale riguarda esperti di cybersecurity e trusted tester. Google prevede successivamente l’accesso per clienti API a pagamento, aziende, consumatori e abbonati Google AI Ultra, ma non ha indicato una data generale di disponibilità.
Quanti token supporta Gemini 4 Argon?
Google dichiara per Gemini 4 Argon un limite massimo di 1 milione di token in output, rispetto ai precedenti 64.000. Il dato riguarda specificamente l’output e serve a consentire workflow di ragionamento e attività agentiche molto più lunghe.
Quanto costa Gemini 4 Argon?
Il prezzo API introduttivo annunciato è di 2 dollari per milione di token in input e 10 dollari per milione in output. Successivamente passerà rispettivamente a 4 e 20 dollari. Google non ha specificato quando terminerà il periodo promozionale.
Qual è la differenza tra Google Gemini e Gemini 4 Argon?
Google Gemini identifica l’ecosistema e la famiglia di modelli AI dell’azienda. Gemini 4 Argon è uno specifico modello frontier della nuova generazione Gemini 4, orientato soprattutto a ragionamento prolungato, coding agentico, attività professionali complesse e difesa informatica.
Una nuova direzione per Google Gemini
La parte più interessante di Gemini 4 Argon potrebbe non essere il benchmark nel quale supera un concorrente, ma il tipo di utilizzo per cui è stato costruito. Google sta chiaramente spostando l’attenzione dalla risposta al singolo prompt verso agenti capaci di lavorare a lungo su un problema.
La vera verifica arriverà con l’accesso pubblico. Quando sviluppatori e aziende potranno metterlo alla prova su workflow reali, sarà molto più semplice capire quanto del salto annunciato da Google riesca a sopravvivere fuori dai benchmark.
Fonti
- Google – annuncio ufficiale di Gemini 4 Argon, pubblicato il 30 settembre 2026: Gemini 4 Argon: our next era of frontier intelligence
- Google DeepMind – pagina ufficiale dei modelli Gemini: Gemini 4 Argon su Google DeepMind
- The Verge – approfondimento sul lancio e sulla distribuzione limitata iniziale:
