2026 செப்டம்பர் 30 அன்று Google தன்னோட புது frontier AI model-ஆன Gemini 4 Argon-ஐ அறிவிச்சுது. காகிதத்துல பார்த்தா, Google இதுவரைக்கும் வெளியிட்டதுலயே இது தான் வலிமையான model: Google வெளியிட்ட பெரும்பாலான benchmarks-ல முதலிடம், ஒரே பதில்ல 10 லட்சம் tokens வரைக்கும் எழுத முடியும், OpenAI-ஓட flagship-ஐ விட ரொம்ப குறைஞ்ச விலை.
ஆனா ஒரு சிக்கல். இன்னைக்கு நீங்க இதை பயன்படுத்த முடியாது. பெரும்பாலான developers-ஆலயும் முடியாது. Argon என்ன, புதுசா என்ன இருக்கு, GPT-6 Astra, Claude Opus 5.5-ஓட ஒப்பிட்டா எப்படி, ரூபாய்ல எவ்வளவு ஆகும், சாதாரண பயனர்களுக்கு எப்போ கிடைக்கும்னு இந்த கட்டுரையில பார்க்கலாம்.
Gemini 4 Argon என்றால் என்ன?
Google-ஓட Gemini 4 தலைமுறையில முதல் model இது தான். “சிக்கலான, நீண்ட நேரம் எடுக்கற வேலைகள்ல ஆழமான reasoning”க்காக உருவாக்கப்பட்டதுன்னு Google சொல்லுது. எளிமையா சொன்னா: ஒரு சின்ன கேள்விக்கு பதில் சொல்றது இல்லை, மணிக்கணக்கா தொடர்ந்து செய்ய வேண்டிய வேலைகள். உதாரணமா ஒரு பெரிய codebase-ஐ புது version-க்கு மாத்தறது, software-ல security ஓட்டைகளை தேடறது, ஆராய்ச்சி பண்ணி நீண்ட report எழுதறது.
பல மாசங்களுக்கு அப்புறம் Google வெளியிடற முதல் flagship model இது. 9to5Google சொல்றபடி, Gemini 3.5 Pro ரத்து செய்யப்பட்டு, இடையில Gemini 3.8 Flash மேல Google கவனம் செலுத்துச்சு. அந்த இடைவெளியில OpenAI GPT-6 Astra-வையும், Anthropic Claude 5 models-ஐயும் வெளியிட்டுச்சு. அதனால Argon அந்த ரெண்டுக்கும் Google-ஓட பதில்.
பேரும் புதுசு. “Pro”, “Ultra”க்கு பதிலா ஒரு தனிமத்தோட (element) பேர். ஏன் இந்த பேர், Gemini 4-ல வேற என்ன models வரும்னு Google இன்னும் சொல்லலை.
புதுசா என்ன இருக்கு?
1. 10 லட்சம் output tokens
இது தான் பெரிய technical மாற்றம். முந்தைய Gemini models ஒரு பதில்ல சுமார் 64,000 tokens தான் எழுத முடியும். Argon 10 லட்சம் வரைக்கும் எழுதும்.
Token என்பது ஒரு வார்த்தையோட சின்ன துண்டு. 10 லட்சம் tokens என்பது தோராயமா 7 லட்சம் ஆங்கில வார்த்தைகள். இது ஏன் முக்கியம்? ஒரு model எவ்வளவு நேரம் “யோசிக்க” முடியும், ஒரே தடவையில எவ்வளவு எழுத முடியும்ங்கறதை output limit தான் தீர்மானிக்குது. 64,000 tokens-ல ஒரு பெரிய program-ஐ திருத்தி எழுதணும்னா, model பல தடவை நின்னு மறுபடி ஆரம்பிக்கணும். 10 லட்சம் இருந்தா ஒரே ஓட்டத்துல முழு வேலையையும் முடிக்கலாம்.
Google ஒரு உதாரணம் குடுத்திருக்கு: ஒரு open-source video decoder-ல (libgav1) கையால optimize பண்ண 32,000 வரி code-ஐ Argon மாத்தி எழுதுச்சு. அதோட விளைவு, ஏற்கனவே இருக்கற Rust version-ஐ விட 2.7 மடங்கு வேகமா ஓடுச்சு.
2. Cybersecurity பாதுகாப்புக்காக உருவாக்கப்பட்டது
Software-ல இருக்கற ஆபத்தான ஓட்டைகளை Argon தானாவே கண்டுபிடிச்சு, உறுதிப்படுத்தி, சரி பண்ணும்னு Google சொல்லுது. Security நிறுவனம் Wiz-ஓட “Scan for Good” முயற்சியில, ஒரு healthcare system-ல முக்கியமான personal தகவல்களை வெளிப்படுத்தற ஒரு critical ஓட்டையை இது கண்டுபிடிச்சிருக்கு.
3. நீண்ட videos, documents-ஐ புரிஞ்சுக்கும்
நீண்ட videos-ஐ புரிஞ்சுக்கற திறனை சோதிக்கற LVBench-ல Argon 91.7% எடுத்திருக்கு; இதுவரைக்கும் வந்ததுலயே அதிகம். Charts மாதிரி visual விஷயங்களையும் படிக்கும்.
4. ஏமாத்தறது கஷ்டம்
Web-ல browse பண்ற, email படிக்கற AI agents-ஐ, அந்த content-க்குள்ள மறைச்சு வெச்ச கட்டளைகள் மூலமா திசை திருப்ப முடியும். இதுக்கு indirect prompt injection-னு பேர். Gray Swan-ஓட test-ல Argon மேல தாக்குதல் வெற்றி பெற்றது 0.7% தடவை தான். Claude Opus 5.5-க்கு 1.0%, GPT-6 Astra-க்கு 8.5%.
Benchmarks: Argon vs GPT-6 Astra vs Claude Opus 5.5
இவை Google வெளியிட்ட எண்கள் (VentureBeat report படி). ஒவ்வொரு கம்பெனியும் தனக்கு சாதகமான tests-ஐ தான் காட்டும். அதனால independent results வர்ற வரைக்கும் இதை Google-ஓட பக்கமா மட்டும் எடுத்துக்கோங்க.
| Benchmark (எதை சோதிக்குது) | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| DeepSWE v1.1 (software engineering) | 77.9% | 74.1% | 74.2% |
| AutomationBench (business workflows) | 51.3% | 41.4% | 42.5% |
| GraphWalks (நீண்ட context reasoning) | 84.2% | 71.8% | 66.8% |
| Vals Finance Agent v2 | 65.4% | 53.5% | 58.6% |
| Harvey Legal Agent | 19.6% | 5.4% | 3.8% |
| LVBench (நீண்ட video) | 91.7% | 87.5% | 83.7% |
| CWE-bench v1 (ஓட்டைகளை கண்டுபிடிக்கறது) | 68% | 68% | 67% |
| FrontierSWE v2 | 55.0% | 65.5% | — |
| Terminal-Bench Science 0.1 | 57.6% | 68.1% | — |
| Terminal-Bench 4.0 | 57.4% | — | 66.4% |
| PostTrainBench | 45.3% | — | 49.3% |
மொத்தமா, Google வெளியிட்ட 18 பிரிவுகள்ல 13-ல Argon முதலிடம் அல்லது சமம். எல்லாத்துலயும் ஜெயிக்கலை: கடினமான ரெண்டு engineering, science tests-ல GPT-6 Astra முன்னாடி இருக்கு; terminal-ல code எழுதற test-ல Claude Opus 5.5 முன்னாடி இருக்கு. Benchmarking startup Vals-உம் தன்னோட model index-ல Argon-ஐ முதலிடத்துல வெச்சிருக்கு.
Harvey Legal Agent வரியை கவனிங்க. ஜெயிச்ச model-ஏ 20%-க்கு கீழ தான். இந்த models வேகமா முன்னேறுது. ஆனா நிபுணர் அளவுல நீண்ட தொழில்முறை வேலை இன்னும் தீர்க்கப்படாத பிரச்சனை தான்.
விலை: உண்மையான ஆச்சரியம்
| Model | Input (10 லட்சம் tokens-க்கு) | Output (10 லட்சம் tokens-க்கு) |
|---|---|---|
| Gemini 4 Argon (அறிமுக விலை) | $2 (சுமார் ₹188) | $10 (சுமார் ₹940) |
| Gemini 4 Argon (அறிமுக காலத்துக்கு அப்புறம்) | $4 (சுமார் ₹376) | $20 (சுமார் ₹1,880) |
| Claude Opus 5.5 | $4 (சுமார் ₹376) | $20 (சுமார் ₹1,880) |
| GPT-6 Astra | $10 (சுமார் ₹940) | $50 (சுமார் ₹4,700) |
அறிமுக விலையில Argon, GPT-6 Astra-வோட அஞ்சுல ஒரு பங்கு தான். திரும்ப திரும்ப அனுப்பற (cached) input-க்கு 95% தள்ளுபடி. AI coding assistant அல்லது customer support agent நடத்தற ஒரு இந்திய startup-க்கு, சம்பளத்துக்கு அடுத்து பெரிய மாத செலவு model கட்டணம் தான். அஞ்சு மடங்கு வித்தியாசம் எந்த model-ஐ பயன்படுத்தறதுங்கறதையே தீர்மானிக்கும்.
ரெண்டு எச்சரிக்கை. அறிமுக விலை பின்னாடி ரெட்டிப்பாகும்; எப்போன்னு Google சொல்லலை. அதோட, 10 லட்சம் tokens எழுத முடியற model ஒரே request-ல பெரிய bill-ஐயும் உருவாக்கும். அதனால உங்க code-ல output limit வெக்கறது முக்கியம்.
அப்போ ஏன் யாராலயும் பயன்படுத்த முடியலை?
இப்போதைக்கு Argon, Google-ஓட Fairwind Program மூலமா நம்பகமான cybersecurity பாதுகாவலர்களுக்கும், Google-ஓட சொந்த teams-க்கும் மட்டும் தான் போகுது. அந்த partners-க்கு வழக்கமான cyber கட்டுப்பாடுகள் இல்லாம model கிடைக்குது; ஓட்டைகளை கண்டுபிடிச்சு சரி பண்ண அதோட முழு திறனையும் பயன்படுத்தலாம். அமெரிக்க அரசோட தன்னார்வ pre-release model testing செயல்முறையிலயும் Google பங்கேற்குது.
காரணம் எளிமையானது. Security ஓட்டைகளை கண்டுபிடிச்சு சரி பண்ண முடியற model, அதே ஓட்டைகளை கண்டுபிடிச்சு தாக்கவும் முடியும். பொதுமக்களுக்கு குடுக்கறதுக்கு முன்னாடி பாதுகாவலர்களுக்கு முன்கூட்டியே குடுத்தா, மோசமான பிரச்சனைகளை அவங்க முதல்ல சரி பண்ணிடலாம். OpenAI-உம் GPT-6 Astra-வுல இதே மாதிரி செஞ்சுது: பொதுமக்களுக்கு வந்த version சில cybersecurity கோரிக்கைகளை மறுக்கும்.
Google வேற பாதுகாப்பு நடவடிக்கைகளையும் சொல்லியிருக்கு: தவறான பயன்பாட்டை கண்டுபிடிக்க model-ஓட உள் செயல்பாடுகளை கண்காணிக்கறது, agents-ஐ பாதுகாப்பான sandbox-க்குள்ள ஓட்டறது, model-ஓட reasoning-ஐ கவனிச்சு தேவைப்பட்டா வேலையை நடுவுலயே நிறுத்தறது.
இந்தியாவுக்கு எப்போ வரும்?
“முடிஞ்ச அளவு சீக்கிரம்” பரவலா குடுப்போம்னு Google சொல்லுது. முதல்ல paid API customers, Google AI Ultra subscribers. தேதி எதுவும் சொல்லலை.
- Developers: Gemini API-ல paid accounts-க்கு முதல்ல வரும்னு எதிர்பார்க்கலாம். Free-tier API keys-க்கு ஆரம்பத்துல கிடைக்க வாய்ப்பு குறைவு.
- Gemini app பயனர்கள்: Google AI Ultra plan-க்கு முதல் வாய்ப்பு. இந்தியாவுல இது மாசம் ₹6,500-ல இருந்து ஆரம்பிக்குதுன்னு reports சொல்லுது. குறைஞ்ச விலை plans, free பயனர்களுக்கு எப்போன்னு இன்னும் தகவல் இல்லை.
- மாணவர்கள், free பயனர்கள்: இப்போதைக்கு Gemini 3.8 Flash தான் தொடரும்னு எதிர்பார்க்கலாம்.
இப்போ நீங்க என்ன பண்ணணும்?
- இப்போவே tool மாத்தாதீங்க. Argon-ஐ நீங்க test பண்ண முடியாது. Google-ஓட benchmark table உங்க சொந்த அனுபவத்துக்கு சமம் இல்லை.
- AI APIs வெச்சு build பண்றவங்க, உங்க code-ஐ ஒரே model-ஓட கட்டிப் போடாம வெச்சுக்கோங்க. Argon திறந்த அன்னைக்கே try பண்ணலாம். 10 லட்சம் input tokens-க்கு ₹188-னா test பண்ணி பார்க்க தகுந்தது தான்.
- Security துறையில வேலை செய்யறவங்க, Fairwind Program-ஐ கவனிங்க. இந்த மாதிரி models ஓட்டைகளை கண்டுபிடிக்கற முறையையே மாத்தப் போகுது, ரெண்டு பக்கத்துலயும்.
- Independent tests-க்காக காத்திருங்க. Google தேர்ந்தெடுக்காத வேலைகள்லயும் Argon முன்னாடி இருக்குமாங்கறது தான் உண்மையான கேள்வி.
முடிவா
வெளியான பெரும்பாலான அளவுகோல்கள்ல Gemini 4 Argon, Google-ஐ மறுபடி AI போட்டியோட முன்வரிசைக்கு கொண்டு வந்திருக்கு, போட்டியாளர்களை விட குறைஞ்ச விலையில. ஆனா யாரும் பயன்படுத்த முடியாத model ஒரு வாக்குறுதி தான், product இல்லை. இந்திய developers, Gemini பயனர்கள் தங்களோட சொந்த வேலையில try பண்ணும்போது தான் உண்மையான சோதனை. அதுவரைக்கும் சுருக்கமா சொன்னா: பெரிய claims, போட்டியான விலை, இன்னும் காலியா இருக்கற release தேதி.
கருத்துகள் (0)
Be the first to comment!