Gemini 4 Argon: Google lancia il suo modello più potente, ma non puoi usarlo

C'è qualcosa di paradossale nel modo in cui Google ha presentato il suo nuovo modello di punta: lo chiama il più capace mai costruito, mostra grafici in cui batte tutti i concorrenti, e poi aggiunge che no, per ora non potete provarlo. Gemini 4 Argon esiste, funziona, gira già dentro Google — ma l'accesso è limitato a una cerchia selezionata di partner nella sicurezza informatica attraverso il programma Fairwind.

L'annuncio è arrivato il 30 settembre, firmato da Koray Kavukcuoglu, chief AI architect e SVP di Google DeepMind, nominato alla guida di DeepMind lo scorso agosto. Il posizionamento è chiaro fin dal primo paragrafo del blog: Argon è pensato per flussi di lavoro complessi e di lunga durata, nell'ingegneria del software reale, nel lavoro di conoscenza aziendale — legale, finanza — e nella difesa cyber.

Cosa sa fare davvero

I numeri che Google mette sul tavolo sono interessanti più per quello che raccontano sull'uso interno che per i benchmark in sé. Su DeepSWE v1.1, che misura compiti di ingegneria del software su orizzonti lunghi, Argon segna 77,9%, sopra GPT-6 Astra di OpenAI e i modelli Fable 5.1 e Opus 5.5 di Anthropic. È primo anche sul Vals Index, l'indice che pesa l'impatto economico dei modelli su finanza, legale, fisco e coding ponderando ogni settore per il suo contributo al PIL americano. Su LVBench, comprensione di video lunghi, arriva al 91,7%.

Ma gli esempi concreti sono più eloquenti. Un gruppo di agenti Argon ha analizzato la telemetria dei data center di Google e applicato ottimizzazioni di memoria che, una volta distribuite, libereranno oltre 300 TiB — con una stima totale tra 500 TiB e 1 PiB. Altri agenti stanno migrando codebase C/C++ verso Rust: decine di migliaia di righe in librerie come re2 e libgav1, e oltre 800.000 righe nel kernel Zircon di Fuchsia OS.

Il dettaglio su libgav1 merita attenzione. Argon ha preso un port Rust esistente e ha sostituito 32.000 righe di codice SIMD lavorando a cicli di esperimenti guidati dal profiling, studiando l'output del compilatore per produrre Rust sicuro che venisse vettorizzato automaticamente. Risultato: un decoder video memory-safe 2,7 volte più veloce del port precedente, con output identico. Non è un giocattolo da demo, è lavoro di ottimizzazione a basso livello che normalmente richiede ingegneri molto esperti.

C'è poi l'espansione del limite di output: un milione di token, contro i 64.000 dei Gemini precedenti. È un cambio di scala che ha senso solo se il modello riesce davvero a mantenere coerenza su traiettorie lunghissime. Il prezzo introduttivo è di 2 dollari per milione di token in input e 10 per milione in output, con sconto del 95% sui token in cache.

Il punto vero: la distribuzione controllata

La parte più significativa dell'annuncio non è tecnica, è politica. Google dice esplicitamente che per i difensori fidati e per i team interni rilascerà Argon senza guardrail sulla cybersecurity, in modo che possano usarne le capacità piene. E dichiara di essere coinvolta nel processo volontario del governo statunitense per l'accesso pre-rilascio ai modelli.

Tradotto: un modello capace di trovare, validare e correggere vulnerabilità critiche in autonomia è, per definizione, anche un modello capace di trovarle per sfruttarle. La scelta di Google è di consegnarlo prima a chi difende — Wiz lo sta già usando nella sua iniziativa Scan for Good per proteggere infrastrutture pubbliche — e solo dopo, gradualmente, a sviluppatori, aziende e consumatori.

È una logica che conosciamo: dare un vantaggio temporale alla difesa prima che la capacità diventi generalmente disponibile. Funziona finché il vantaggio esiste davvero. Il problema è che queste finestre si restringono di mese in mese, e nessuno sa dire quanto duri quella aperta oggi.

Il contesto competitivo

Il tempismo non è casuale. Argon arriva un giorno dopo il DevDay di OpenAI, dove sono stati presentati l'agente Dots e il modello GPT-6.1 Sol — e nella stessa settimana in cui OpenAI ha detto che non rilascerà GPT-6.1 Astra per ragioni di sicurezza. Nei giorni precedenti su X circolavano presunti benchmark trapelati del nuovo modello Google.

La fotografia complessiva è quella di laboratori che corrono a pubblicare modelli sempre più potenti mentre, con le stesse voci, avvertono che la tecnologia potrebbe sfuggire di mano. Si può leggere come ipocrisia strutturale. Si può anche leggere come l'unico equilibrio possibile in un mercato dove fermarsi significa perdere.

Per Google è comunque una rivincita. L'azienda considerata in ritardo nella corsa all'AI ha annunciato ad agosto oltre un miliardo di utenti mensili per l'app Gemini, numeri da pari a pari con ChatGPT. Argon consolida la narrazione.

Cosa cambia per chi lavora con l'AI

Tre cose, concretamente. Primo: il limite di output a un milione di token sposta la progettazione degli agenti. Molti workflow oggi sono spezzettati in step perché il modello non ha spazio per ragionare; quella architettura potrebbe diventare superflua.

Secondo: il Vals Index pesato sul PIL segnala dove si sta spostando la competizione. Non più chi risponde meglio alle domande di matematica, ma chi produce valore economico misurabile in settori regolamentati. Chi vende software per legale e finanza dovrebbe guardare quei grafici con una certa attenzione.

Terzo, e più scomodo: se il modello migliore per la sicurezza offensiva-difensiva è disponibile solo ai partner selezionati di una big tech, chi non è nella lista si ritrova in una posizione strutturalmente più debole. È una forma nuova di asimmetria, e vale la pena iniziare a discuterne adesso, non quando l'accesso sarà generalizzato.

Il rilascio ampio arriverà. La domanda interessante è cosa Google avrà imparato, nel frattempo, dai suoi tester privilegiati.