Google ने 30 सितंबर 2026 को Gemini 4 Argon पेश किया। यह लंबे पेशेवर कार्यों, सॉफ्टवेयर विकास और साइबर सुरक्षा के लिए नया मॉडल है। शुरुआती पहुंच Fairwind कार्यक्रम के चुनिंदा साझेदारों को दी जा रही है। व्यापक घोषणा के बावजूद यह अभी हर Gemini उपयोगकर्ता के लिए नहीं खुला है और मौजूदा सदस्यता भी मॉडल तक पहुंच की गारंटी नहीं देती।
कंपनी ने आउटपुट सीमा दस लाख टोकन बताई है, जो पहले 64 हजार थी। ये वे टोकन हैं जिन्हें मॉडल काम करते समय बना सकता है, केवल उसमें डाली जा सकने वाली सामग्री की मात्रा नहीं। यह अंतर जरूरी है: बड़े दस्तावेज पढ़ना और पूरे कार्य के दौरान लगातार आउटपुट बनाते रहना अलग क्षमताएं हैं, जिनका काम के समय और बिल पर अलग असर पड़ता है।
परिणामों की तालिका में बढ़त भी है और पीछे रहने के मामले भी
Google DeepMind का मॉडल पेज कई परीक्षणों के परिणाम देता है। सॉफ्टवेयर विकास के कामों से जुड़े DeepSWE v1.1 में Argon को 77.9%, GPT-6 Astra को 74.1% और Claude Opus 5.5 को 74.2% मिले। यह Google की प्रकाशित तुलना है, AI24 की स्वतंत्र जांच या हर कोड रिपॉजिटरी में उतने ही अंतर का वादा नहीं।
उसी तालिका में FrontierSWE v2 की तस्वीर अलग है: Argon को 55.0%, GPT-6 Astra को 65.5% और Claude Opus 5.5 को 62.3% मिले। Terminal-bench 4.0 में भी Argon का 57.4% परिणाम Claude Opus 5.5 के 66.4% से कम है। किसी मॉडल को फ्लैगशिप कहने से तालिका की हर पंक्ति जीत में नहीं बदल जाती।
CWE-bench v1 में Argon और GPT-6 Astra, दोनों का परिणाम 68.0% है, जबकि AutomationBench में Google ने Argon के लिए 51.3% बताया है। ये परीक्षण अलग-अलग तरह के काम परखते हैं, इसलिए इनके प्रतिशत जोड़कर मनमाना औसत निकालना या सीधे उन्हें किसी कार्यालय के AI को सौंपे जा सकने वाले कार्यों का अनुपात मानना उचित नहीं।
उपयोगी तुलना इस सवाल से शुरू होती है कि वास्तव में परखा क्या गया। परिचित रिपॉजिटरी में खराबी सुधारना, निर्धारित वातावरण में टूल इस्तेमाल करना और व्यावसायिक दस्तावेज का विश्लेषण समान कार्य नहीं हैं। मॉडल परखने वाली टीम को पहचानना होगा कि कौन सा परीक्षण उसके काम जैसा है, फिर देखना होगा कि संचालन की शर्तें उसकी प्रणाली के अनुकूल हैं या नहीं।
एक प्रभावशाली परिणाम और लगातार कई कार्रवाइयों में विश्वसनीयता के बीच भी अंतर करना चाहिए। यदि कार्य में सामग्री पढ़ना, फाइलें संपादित करना और जांच चलाना जरूरी हो, तो पहले चरण में सफलता उसे पूरा नहीं करती। व्यावसायिक माप उपयोग करने योग्य परिणाम और वहां पहुंचने में लगा समय है, जिसमें मानवीय समीक्षा का समय भी शामिल है।
छोटे तुलनात्मक प्रयोग में एक ऐसा काम रखा जा सकता है जिसे मौजूदा प्रणाली अच्छी तरह करती है, दूसरा जिसमें उसे कठिनाई होती है और तीसरा जिसमें आवश्यक जानकारी गायब है। इससे आगे बढ़ने की क्षमता के साथ यह पहचानने की क्षमता भी परखी जाती है कि कब जवाब का आधार नहीं है। उदाहरण समान रखने चाहिए ताकि परिणाम का अंतर सवाल बदलने से न आया हो।
हर रन में दी गई अनुमतियों की तुलना भी जरूरी है। अतिरिक्त जानकारी या अलग टूल तक पहुंच पाने वाले मॉडल को समान परिस्थितियों में नहीं परखा जा रहा। इस अंतर से सार्वजनिक बेंचमार्क का महत्व खत्म नहीं होता; यह तय होता है कि उनके निष्कर्ष स्थानीय प्रणाली पर लागू करने से पहले क्या जानना चाहिए।
पहुंच की शुरुआत साइबर सुरक्षा करने वालों से क्यों
Google DeepMind का Fairwind कार्यक्रम चुनिंदा संगठनों को सुरक्षा क्षमताओं की शुरुआती पहुंच देने के लिए है। उसके पेज पर लक्षित समूहों में सरकारें, स्वास्थ्य सेवा प्रदाता और दूरसंचार अवसंरचना शामिल हैं। बताया गया उद्देश्य यह है कि समान क्षमताओं का उनके खिलाफ उपयोग होने से पहले रक्षक कमजोरियां खोज और सुधार सकें।
कार्यक्रम के अनुसार, कुछ साझेदारों को Argon की पहुंच मिलती है और वे उसे कमजोरियां खोजने तथा कोड सुधारने के लिए बने CodeMender एजेंट में इस्तेमाल कर सकते हैं। भागीदारी में उपयुक्तता की जांच और उपयोग नियम शामिल हैं। मालवेयर विश्लेषण और अधिकृत हमले का अनुकरण जैसे दोहरे उपयोग वाले काम निर्धारित सुरक्षा तथा शोध उद्देश्यों के भीतर अनुमत हैं।
यहां मॉडल की क्षमता और उसे इस्तेमाल करने के उपयोगकर्ता के अधिकार में अंतर है। किसी प्रणाली का विश्लेषण कर पाने से किसी दूसरे की प्रणाली जांचने की अनुमति नहीं मिलती। औपचारिक कार्यक्रम में भी तय करना होगा कि कौन सी संपत्तियां जांच के दायरे में हैं, कार्रवाइयों की मंजूरी कौन देता है और संवेदनशील निष्कर्ष कैसे संभाले जाएंगे।
सॉफ्टवेयर सुरक्षा में काम करने वाले इजराइली संगठन के लिए पात्रता पूछने का यह प्रासंगिक रास्ता हो सकता है। प्रकाशन यह पुष्टि नहीं करता कि हर इजराइली कंपनी स्वीकार होगी, न प्रवेश की निश्चित तारीख देता है और न स्थानीय सेवा का वादा करता है। सामान्य उपभोक्ता खाते में पहुंच न होना अपने आप किसी खराबी का संकेत नहीं है।
व्यावहारिक तौर पर सुझाए गए सुधार और लागू हो चुके सुधार में भी अंतर करना चाहिए। सुरक्षा जांच से ऐसा कोड मिल सकता है जो भरोसेमंद दिखे लेकिन मौजूदा व्यवहार बदल दे। मूल्यांकन में समस्या को दोहराना, बदलाव जांचना और यह दिखाना भी शामिल होना चाहिए कि प्रणाली के सामान्य काम अब भी सही चलते हैं।
दस लाख टोकन की सीमा दस लाख टोकन बनाने का निर्देश नहीं है
जटिल काम का लंबा क्रम बनाए रखने में लंबा आउटपुट मदद कर सकता है। लेकिन उपयोगकर्ता को इतना बड़ा परिणाम मिल जाए जिसे जांचने का तरीका किसी को मालूम न हो, तो निगरानी कठिन भी हो सकती है। इसलिए मुख्य सवाल यह नहीं है कि मॉडल कितना लिख सकता है, बल्कि यह है कि किन बिंदुओं पर सत्यापित किया जा सकता है कि काम सही आगे बढ़ रहा है।
एक उदाहरण सॉफ्टवेयर घटक को दूसरी भाषा में ले जाना हो सकता है। काम को व्यवहार का नक्शा तैयार करने, छोटा बदलाव करने और संगतता जांचने में बांटा जा सकता है। इससे हर चरण में परिणाम की तुलना हो सकती है। एक ही लंबा रन सुविधाजनक लग सकता है, लेकिन उससे यह तय करने की जरूरत खत्म नहीं होती कि क्या बदलना नहीं है।
दस्तावेजों के साथ काम में भी केंद्रित परिणाम मांगना उपयोगी है: कौन से आंकड़े मांगे गए, किस स्रोत से लिए गए और क्या अब भी अज्ञात है। लंबा जवाब जरूरी नहीं अधिक पूरा हो। कभी-कभी तथ्यों और कमियों को स्पष्ट अलग करने वाला छोटा सार बेहतर निर्णय लेने देता है।
परिचय दर और उपलब्धता को अलग-अलग जांचना होगा
Google ने परिचय दर के रूप में प्रति दस लाख इनपुट टोकन 2 डॉलर और प्रति दस लाख आउटपुट टोकन 10 डॉलर घोषित किए हैं। परिचय अवधि के बाद बताई गई दरें क्रमशः 4 और 20 डॉलर हैं। घोषणा में उस अवधि की अंतिम तारीख नहीं दी गई है, इसलिए दीर्घकालिक बजट केवल रियायती दर पर आधारित नहीं होना चाहिए।
ये मॉडल के उपयोग की दरें हैं, मासिक सदस्यता की कीमत या पूरे कार्य की लागत का वादा नहीं। लागत तुलना के लिए मापना होगा कि समान काम में कितना इनपुट और आउटपुट लगता है, कितनी बार उसे दोहराना पड़ता है और कितने सुधार चाहिए। केवल दस लाख टोकन की कीमतों की तुलना करने से बिल का एक हिस्सा छूट जाता है।
घोषणा में हिब्रू के विशेष परिणाम प्रकाशित नहीं किए गए। उपयुक्त पहुंच खुलने पर स्थानीय जांच में हिब्रू दस्तावेज, टीम में वास्तव में इस्तेमाल होने वाले नाम और शब्द तथा सत्यापित किए जा सकने वाले परिणाम शामिल होने चाहिए। अभी घोषणा नया मॉडल और सीमित वितरण कार्यक्रम देती है। असली काम इसमें स्थानांतरित करने के निर्णय के लिए वास्तविक पहुंच और संगठन के अपने कार्यों से प्रमाण, दोनों चाहिए होंगे।