Dalla conversazione alle attività che proseguono anche quando l’utente si allontana dal computer: Gemini 4 Argon diventa accessibile nell’app Gemini agli abbonati Google AI Pro e Ultra, insieme a un comando per passare dalla chat all’esecuzione di compiti. L’apertura comprende anche l’integrazione dell’ambiente di coding Google Antigravity nell’app per macOS e un ecosistema di oltre 40 applicazioni collegate.
Il modello, presentato a fine settembre con un primo accesso riservato ai partner della difesa informatica, entra ora in una distribuzione più ampia. Sviluppatori, imprese e utenti possono utilizzarlo attraverso canali diversi, mentre Google estende il programma Fairwind e apre le candidature per offrire a 10.000 scienziati sei mesi di accesso gratuito al livello di utilizzo più elevato di Antigravity.
Nell’app Gemini: risposte più dirette e attività in background
Nell’app Gemini, Argon migliora il ragionamento nei compiti complessi e il modo in cui comunica. Le risposte sono più dirette, con meno esitazioni, ripetizioni e cliché; nelle attività lunghe, gli aggiornamenti sui progressi diventano più frequenti ed efficaci. Il modello segue inoltre le istruzioni di stile con maggiore aderenza rispetto ai precedenti Gemini.
Dalla finestra principale, un selettore consente di passare dalla conversazione alle attività, affidando a Gemini lavori che possono proseguire in assenza dell’utente e coinvolgere le applicazioni Google e servizi esterni. Le oltre 40 app collegate comprendono Instacart, OpenTable, Adobe e Shopify: gli esempi spaziano dall’ordine della spesa alla prenotazione di un tavolo, fino alla progettazione e alla gestione di un’attività commerciale.
Per chi sviluppa software, l’interfaccia di coding con agenti di Google Antigravity è disponibile direttamente nell’app Gemini per macOS, rendendo più agevole il passaggio tra dialogo e lavoro sul codice. L’accesso ad Argon in Antigravity è previsto per gli abbonati Google AI Ultra; Pro e Ultra possono invece usare il modello nell’app Gemini e in AI Mode nella Ricerca.
Una delle dimostrazioni applicative parte da una cartella disordinata con i materiali di un progetto: attraverso una skill personalizzata, Gemini prepara una presentazione per un cliente, redige e invia l’email e imposta un’attività programmata per automatizzare il lavoro sulle richieste successive. In un altro esempio su macOS, una foto di un divano e uno schizzo con le misure diventano il punto di partenza per progettare nuovi piedini: Antigravity utilizza Nano Banana per elaborare varianti e genera un modello delle dimensioni corrette, destinato alla stampa 3D.
Un milione di token per ragionare e produrre risultati lunghi
Argon combina ragionamento approfondito, comprensione visiva, conoscenze specialistiche e capacità di scrittura per attività articolate di sviluppo software, finanza, diritto, cybersecurity e scienza. Il modello può sostenere sequenze lunghe di analisi e uso degli strumenti, mantenendo il contesto del lavoro.
Nelle API Gemini, il limite è una finestra condivisa di 1.048.576 token, che comprende input, ragionamento e output. I token sono le unità in cui il modello suddivide ed elabora i contenuti. La modalità long decode consente di superare i 65.536 token dell’esecuzione sincrona standard e arrivare fino al milione, entro lo spazio disponibile dopo l’input; richiede l’esecuzione in background e un protocollo di continuazione che gestisce blocchi successivi fino a 64 mila token. Gli sviluppatori possono regolare il ragionamento su tre livelli, low, medium e high, con medium come impostazione predefinita.
Argon occupa il primo posto nel Vals Index, che valuta il lavoro nei settori finanziario, informatico, legale e fiscale. L’indice pesa i diversi settori in base al loro contributo al prodotto interno lordo statunitense, un criterio che ne definisce la prospettiva economica.
Dal codice di Chrome alle ottimizzazioni di Gemma
Nei progetti interni di Google, Argon in Antigravity ha contribuito nelle ultime settimane ad aumentare di oltre il 35% le proposte di codice prodotte attraverso agenti, riducendo di quasi un terzo i ripristini di modifiche precedenti.
Nel progetto Chromium, che conta circa 40 milioni di righe di codice, il modello ha aiutato a separare la gestione fondamentale delle pagine da una cartella storica di circa sei milioni di righe dedicata alle funzioni del browser. Il riassetto ha interessato centinaia di file, completando in settimane un lavoro stimato in mesi. La nuova architettura consentirà alle pagine attive di spostarsi tra schede, pannelli laterali e finestre flottanti senza ricaricarsi, eliminando un’intera categoria di arresti anomali.
Per l’Agent Development Kit, il framework open source di Google per costruire agenti, il punto di partenza è stato un insieme di istruzioni e skill, accompagnato da un obiettivo di un paragrafo: ridurre il sovraccarico del framework mantenendo la compatibilità con le applicazioni esistenti. Lavorando autonomamente durante la notte, Argon ha individuato ottimizzazioni già integrate in adk-python, con una riduzione del 40% dei tempi di preparazione in memoria nelle sessioni lunghe e un miglioramento del 21% delle importazioni a freddo.
Nella chimica computazionale, i ricercatori hanno utilizzato il modello per ottimizzare xTB, un pacchetto open source impiegato per prevedere la forma tridimensionale delle molecole e selezionare candidati per farmaci e materiali. Le modifiche, proposte al repository ufficiale, rendono la previsione delle strutture molecolari fino a 2,3 volte più veloce e la ricerca delle diverse conformazioni 1,8 volte più veloce.
Un ulteriore intervento riguarda Gemma 4 E2B su GPU Nvidia A100 con vLLM: in pochi giorni, le ottimizzazioni hanno aumentato la velocità complessiva dell’inferenza di 2,85 volte, da circa 37.900 a oltre 108.000 token al secondo, conservando il 100% di corrispondenza dei token e senza perdita di qualità. Le proposte di modifica comprendono interventi sull’attenzione e sulla decodifica speculativa.
Ambienti 3D, giochi e analisi di documenti
Le dimostrazioni di coding visivo sfruttano ragionamento spaziale, precisione matematica e cicli di revisione tra più agenti, con comandi come /goal e skill personalizzate in Antigravity. Un complesso di templi con pagoda, vegetazione e illuminazione è stato modellato autonomamente in Blender; un’altra prova trasforma le fotografie di una scrivania in un gioco di corse in miniatura. In quest’ultimo caso, Blender MCP serve a modellare gli oggetti e verificare le collisioni, Nano Banana a creare le texture e Three.js a integrare fisica e shader, con l’audio del motore prodotto da Gemini Omni Flash.
Un gioco 3D utilizza script Python per modellazione procedurale, animazione e preparazione dei materiali, quindi Three.js, shader GLSL, fisica della frantumazione e un avversario controllato dall’AI. Un’altra dimostrazione impiega soltanto Python, senza librerie esterne, per realizzare un motore di ray tracing, uno strumento video e un mixer audio: il risultato è una biblioteca illuminata dal sole, documentata in un filmato con voce di Gemini 3.8 TTS e musica di Lyria 3.5. Da una singola immagine Nano Banana, infine, Argon guida Blender MCP nella costruzione di una scena gotica, allineando le viste della camera e aggiungendo luci che reagiscono all’audio.
La comprensione multimodale trova applicazione anche nei documenti. Una ricostruzione di Chaco Canyon combina circa 50 GB di scansioni laser LiDAR aeree, dati geografici delle stanze, disegni CAD della Library of Congress e archivi del National Park Service per creare un sito archeologico esplorabile in 3D. Un ambiente didattico di anatomia integra tre repository open source e consente di rimuovere strati anatomici, consultare metadati clinici e attivare simulazioni biomeccaniche. A Isomorphic Labs, Argon sintetizza PDF complessi e brevetti per estrarre informazioni utili alla ricerca e alla progettazione di farmaci, riducendo da settimane a ore il lavoro di estrazione delle informazioni.
Difesa informatica e programma Fairwind
L’accesso alle capacità di cybersecurity si amplia a centinaia di ulteriori partner del programma Fairwind, che consente a organizzazioni fidate di utilizzare Argon senza le restrizioni informatiche applicate alla versione pubblica, attraverso un’ammissione progressiva.
Wiz impiega il modello nell’iniziativa Scan for Good, dedicata alla protezione gratuita di infrastrutture critiche. In collaborazione con un’agenzia federale, Argon ha contribuito a individuare e correggere una falla che rischiava di esporre dati sensibili e infrastrutture governative, compresi dettagli di sviluppo nel settore della sicurezza e accessi non autorizzati a modelli specializzati.
In ambito sanitario, il modello ha collegato più vulnerabilità e aiutato a correggere un aggiramento dei controlli sul download pubblico dei file, che esponeva una chiave principale e consentiva l’accesso amministrativo. L’intervento ha contribuito a proteggere centinaia di migliaia di cartelle dei pazienti.
Calcolo quantistico, fusione ed enzimi
Nella ricerca quantistica, Argon ha tradotto una versione interna di AlphaQubit, il decodificatore di correzione degli errori basato sull’apprendimento automatico, in un unico kernel hardware ottimizzato, quasi raddoppiando il numero di inferenze eseguite nell’unità di tempo. Il risultato consente di impiegare modelli più grandi e dispositivi quantistici più estesi rispettando i vincoli di elaborazione in tempo reale.
Per la funzione arcsin, utilizzata come componente di algoritmi di simulazione quantistica, un’implementazione scritta dal modello e verificata formalmente in Lean riduce di oltre cento volte il costo in spazio e tempo rispetto a una soluzione quantistica CORDIC pubblicata. Il lavoro contribuisce alla costruzione di una libreria di circuiti quantistici ottimizzati.
Nella fusione nucleare, un gruppo Google con il professor Matt Landreman dell’Università del Maryland ha individuato una classe più ampia di controesempi alla congettura di Grad, risalente al 1967, sulla possibilità di trovare soluzioni matematiche esatte per i campi magnetici tridimensionali degli stellarator. Queste macchine confinano il plasma mediante geometrie magnetiche complesse; le nuove soluzioni forniscono riferimenti affidabili con cui verificare i programmi di simulazione utilizzati per progettarle.
Alla Gamow Labs, l’analisi di genomi deidentificati di neonati con rare patologie dello sviluppo polmonare ha permesso ad Argon, in un caso, di individuare un riarrangiamento cromosomico sfuggito per anni ai software abituali e spiegarne la mancata rilevazione. Nelle valutazioni private ricavate da dati clinici e di laboratorio reali, il modello ha raggiunto il 57% su RareBench, dedicato all’assistenza nella diagnosi di malattie rare, e il 52,2% su LabBench, relativo al ragionamento sulle attività sperimentali di laboratorio.
I ricercatori di Google hanno utilizzato Argon anche per progettare serina esterasi, enzimi che rompono legami estere e trovano impiego nel riciclo e nella produzione di farmaci, biocarburanti e detergenti. Utilizzando come bersaglio la molecola di riferimento 4MU-acetato, che emette fluorescenza sotto luce ultravioletta dopo la rottura dei legami, Argon ha raccolto dati, adattato i modelli e applicato filtri ispirati alla biochimica. In poche ore ha individuato cinque nuovi progetti, per i quali i successivi test in laboratorio hanno confermato una robusta attività catalitica.
Robotica: dal video alla simulazione e al robot
Nel benchmark Embodied Reasoning, ERQA, che misura la comprensione di problemi fisici e spaziali in ambienti tridimensionali, Argon raggiunge l’87% attraverso il ragionamento e supera gli altri modelli di frontiera confrontati da Google.
In una prova interna, il modello ha osservato un video grezzo di una persona che giocava a cornhole, un gioco in cui si lanciano sacchetti verso una tavola con un foro. Ha ricostruito le coordinate spaziali, calcolato i movimenti delle articolazioni dell’intero corpo e scritto autonomamente il codice della simulazione. Trasferita al robot umanoide Apollo di Apptronik, la procedura ha prodotto sette centri consecutivi nella prova reale.
Il processo Video-to-Sim-to-Real procede in tre fasi: dall’osservazione del video si passa alla simulazione e quindi all’esecuzione fisica. La procedura comprime in poche ore una modellazione manuale che normalmente richiede settimane, utilizzando video ordinari come materiale per sviluppare nuove abilità robotiche.
Protezioni e controllo degli agenti
La distribuzione pubblica si accompagna a difese contro usi dannosi, tentativi di aggirare le restrizioni e comportamenti degli agenti che oltrepassano il mandato ricevuto. Nell’ambito del Frontier Safety Framework, Google combina resistenza alle manipolazioni, monitoraggio e applicazione delle regole, con valutazioni svolte anche da soggetti esterni.
Nei test avversari biologici esterni, è stato possibile sbloccare meno dell’1% delle sottoattività esaminate; su un insieme di richieste costruito per mettere sotto pressione il modello, le violazioni si sono quasi dimezzate rispetto ai precedenti Gemini. L’addestramento comprende il rispetto dei confini del sistema, la comunicazione onesta dei risultati negativi e la richiesta di conferma prima di azioni irreversibili. Nei benchmark di coding di Google, i tentativi di prendere scorciatoie sono scesi al 2%.
Un sistema automatico esamina ragionamento e azioni passo per passo per intercettare e bloccare espedienti non autorizzati in tempo reale. Google lo utilizza nelle distribuzioni interne, nelle valutazioni delle capacità e nell’addestramento per rinforzo, evitando di penalizzare i pensieri del modello durante l’addestramento per mantenerli trasparenti e monitorabili.
Contro la prompt injection, cioè istruzioni malevole nascoste in pagine, email o codice che l’agente incontra durante il lavoro, Argon combina addestramento avversario e test automatici. Nel benchmark Indirect Prompt Injection di Gray Swan, la percentuale di attacchi riusciti su 15 tentativi adattivi è dello 0,7%.
Accesso e prezzi
La distribuzione globale comprende le API a pagamento in AI Studio e Android Studio, la piattaforma Gemini per le imprese, Gemini for business e Antigravity. Gli abbonati Google AI Ultra possono provare Argon anche in AI Studio e Antigravity; gli abbonati Pro e Ultra hanno accesso nell’app Gemini e in AI Mode nella Ricerca.
Il prezzo introduttivo delle API è di 2 dollari per milione di token in input e 10 dollari per milione di token in output fino al 30 novembre 2026, con uno sconto del 95% sui token in input serviti dalla cache. Dopo questo periodo, le tariffe passano rispettivamente a 4 e 20 dollari. Queste condizioni si riferiscono al modello destinato all’accesso pubblico.
Per scienziati e ricercatori, Google offre a 10.000 persone sei mesi gratuiti del livello di utilizzo più elevato di Antigravity. Le candidature sono aperte, con ammissione progressiva subordinata ai requisiti di idoneità, alla capacità disponibile e alla selezione. I professionisti della difesa informatica possono invece candidarsi al programma Fairwind per accedere progressivamente alla configurazione di Argon senza restrizioni cyber.
