Google DeepMind lancia Gemini 4 Argon con output fino a 1M di token
Testo scritto con l’intelligenza artificiale a partire da fonti pubbliche, senza revisione umana prima della pubblicazione.
Argon ottiene SOTA in 13 di 19 benchmark e introduce una modalità da 1.000.000 di token, ma l'accesso iniziale è riservato a governi e difesa informatica nel programma Fairwind.
Un milione di token in uscita, ma solo in preview ristretta: Google DeepMind presenta Gemini 4 Argon e introduce la modalità sperimentale Long Decode Continuation, che estende la generazione fino a 1.000.000 di token e viene descritta come “industry first”.
L’accesso parte chiuso. Governo e “trusted cyber defenders” entrano tramite il Fairwind Program, con perimetro iniziale sulla sicurezza informatica. L’azienda parla di ampliamento “il prima possibile”, senza date.
Argon punta su tre usi: scrittura di codice, lavoro sulla conoscenza aziendale, difesa informatica. Nei confronti interni, il modello risulta al vertice in 13 benchmark su 19 ritenuti credibili. L’elenco dei test non è pubblico. La natura di preview limita per ora la verifica indipendente di questi numeri.
Il contesto pesa sull’annuncio. Dopo mesi di attesa, DeepMind si misura con chi ha già portato sul mercato modelli delle linee Fable e Astra. A febbraio è arrivato un modello più grande della linea Flash (3.1 Pro), seguito da aggiornamenti incrementali della serie 3.x Flash. Il mese scorso c’è stato anche un rimpasto ai vertici.
Long Decode Continuation resta la novità tecnica in evidenza. La funzione è sperimentale, punta a generazioni molto lunghe e non ha dettagli pubblici su implementazione, costi o condizioni d’uso. L’azienda la presenta come un primato del settore, ma non aggiunge altri vincoli o metriche operative. I limiti di accesso impediscono misure esterne su latenza, stabilità e coerenza nel lungo output.
L’annuncio compare nel recap di AINews per il 29–30 settembre 2026, che segnala Gemini 4 Argon e cita gli account @GoogleDeepMind e @sundarpichai.
La posizione competitiva è netta: Argon cerca spazio dove la domanda di contesto lungo e automazione sicura è più urgente, in particolare nella difesa. La promessa di output estesi può incidere su casi d’uso complessi, dal refactoring di codice voluminoso all’analisi di knowledge base ampie. Resta da vedere come il modello reggerà oltre i test interni e quali compromessi richiederà su tempi di risposta e costo per token generato.
Finché la preview resterà ristretta, serviranno verifiche indipendenti su tre fronti: ripetibilità dei risultati dichiarati nei benchmark, qualità e coerenza delle generazioni a 1 milione di token, e impatto operativo (costi e latenza) in scenari reali di sicurezza e coding. Senza questi riscontri e senza un’apertura più ampia, il primato resta sulla carta.
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate nel pezzo. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.