In breve
Gemini 4 Argon è il tentativo di Google di riprendersi la leadership sui modelli di frontiera, e arriva a tappe: partner di sicurezza ora, clienti API a pagamento e abbonati AI Ultra «presto», ancora senza data di disponibilità generale. Il prezzo di lancio di 2 $ in input e 10 $ in output per milione di token è allineato a GPT-6.1 Sol, il modello di fascia media di OpenAI, mentre il limite di output sale a 1 milione di token. Per i team che lavorano su la piattaforma Vertex AI di Google o sull’API Gemini, oggi in produzione non cambia nulla.
Cambia invece l’orizzonte di pianificazione. Un modello di frontiera a prezzo di fascia media, con una tariffa standard che poi raddoppia, è proprio il caso in cui un piccolo harness di valutazione e un router di modelli configurabile si ripagano prima ancora che arrivi l’accesso.
Cosa ha annunciato Google con Gemini 4 Argon?
Argon è il primo modello della generazione Gemini 4. Nel post di lancio Koray Kavukcuoglu, chief AI architect di Google e SVP di Google DeepMind, lo descrive come progettato per sostenere un ragionamento profondo lungo workflow lunghi e complessi, con sviluppo software, lavoro professionale qualificato e cyber difesa come casi d’uso principali. CNBC lo ha definito il modello di IA più avanzato di Alphabet finora.
Per chi sviluppa contano soprattutto due dati. Primo, il limite di output sale da 64.000 a 1 milione di token: generazioni molto lunghe, come la riscrittura di interi moduli o di grandi insiemi di documenti, diventano possibili in una sola risposta. Secondo, il prezzo: Google indica un lancio a 2 $ per milione di token in input e 10 $ in output, con il 95% di sconto sull’input in cache, prima di una tariffa standard di 4 $ e 20 $. Secondo Yahoo Finance il prezzo di lancio è pari a quello di GPT-6.1 Sol di OpenAI e corrisponde a un quinto del listino da 10 / 50 $ di GPT-6 Astra e di Fable 5.1 di Anthropic.
Google ha pubblicato anche risultati interni. Argon avrebbe aiutato a migrare oltre 800.000 righe di codice C e C++ verso Rust, comprese parti del kernel Zircon di Fuchsia, e individuato ottimizzazioni di memoria che hanno liberato circa 300 TiB nei suoi data center senza nuovo hardware.
Perché Argon va prima ai difensori cyber?
Perché le stesse capacità che rendono un modello bravo a correggere il codice lo rendono bravo anche a violarlo. Google afferma che Argon sa trovare, validare e correggere vulnerabilità gravi e che, insieme a Wiz, ha scoperto una falla critica in un software sanitario sfuggita ai precedenti modelli di frontiera. Invece di aprire questa capacità a tutti dal primo giorno, Google parte dai difensori di fiducia del programma Fairwind, partecipando nel frattempo al processo volontario di test pre-rilascio del governo statunitense.
«Avviare il rilascio in questo modo ci dà più fiducia, ma ci permette anche di mettere il prima possibile nelle mani dei difensori un modello addestrato e forte nella cyber difesa», ha detto a CNBC Tulsee Doshi, product lead dei modelli Gemini. Lo schema è ormai di settore: anche OpenAI e Anthropic hanno limitato nelle ultime settimane l’accesso ai loro modelli più capaci in ambito cyber, e il rilascio a tappe sta diventando la norma per i modelli di frontiera, non l’eccezione.
Quanto è forte davvero Argon nel coding?
Stando ai numeri pubblicati da Google, molto: 77,9% su DeepSWE v1.1, primo posto su AutomationBench di Zapier con 51,3%, 91,7% sul test di video lunghi LVBench e primo posto a pari merito su CWE-bench v1 con 68%. TechCrunch riporta l’affermazione di Google secondo cui Argon supera nettamente GPT-6 Astra e i modelli Fable e Opus di Anthropic in diversi di questi test, e CNBC nota che in cybersicurezza è alla pari con GPT-6 Astra e Grok 4.7.
C’è però un segnale contrario da prendere sul serio. Bloomberg ha riferito, citando persone con accesso diretto, che alcuni dipendenti di Google hanno trovato Gemini 4 meno convincente sul coding reale di quanto suggeriscano i punteggi; Google ha definito inesatta questa ricostruzione. I benchmark dei vendor li eseguono i vendor, ed è proprio nella distanza tra classifica e repository che i team di ingegneria sentono la differenza.
Cosa significa per i team software negli USA e in Europa
Primo, la qualità di frontiera a prezzi di fascia media è ormai una gara, non un caso isolato. Nel giro di due giorni OpenAI ha prezzato GPT-6.1 Sol a 2 / 10 $ e Google si è allineata con un modello di frontiera. Questa pressione favorisce chi compra, ma possono approfittarne solo i team la cui architettura consente di spostare il traffico tra fornitori. Chiamate ai modelli cablate in tutto il codice trasformano ogni taglio di prezzo in un progetto di refactoring.
Secondo, fate il budget sul prezzo standard. La tariffa di lancio raddoppierà a 4 / 20 $ in una data che Google non ha annunciato. Un business case basato sullo sconto iniziale può saltare senza rumore in un trimestre successivo. Modellate entrambe le tariffe e misurate il costo per attività completata invece che per token: un modello che scrive risposte più lunghe può annullare un prezzo unitario più basso.
Terzo, 1 milione di token in output cambia i modi in cui le cose si rompono. Risposte più lunghe significano costi peggiori per chiamata, timeout più lunghi e parser e storage a valle spesso dimensionati per payload molto più piccoli. Limitate esplicitamente la lunghezza dell’output per ogni workflow invece di affidarvi al limite del modello.
Quarto, l’accesso a tappe è un segnale di governance. Per i team europei, gli obblighi dell’AI Act sui modelli di IA per finalità generali e il principio di responsabilizzazione del GDPR impongono di sapere quale versione del modello ha prodotto un output e dove sono stati trattati i dati. Verificate disponibilità per regione e condizioni contrattuali dello specifico endpoint Google prima di inviare dati personali a un nuovo modello, e registrate l’ID del modello in ogni risposta.
Cosa significa Argon per il mercato italiano?
In Italia la domanda pratica non sarà «quanto è bravo Argon», ma «possiamo usarlo con i nostri dati». Il Garante per la protezione dei dati personali ha già dimostrato con ChatGPT nel 2023 di intervenire rapidamente sui servizi di IA generativa, quindi DPO e uffici legali chiederanno in quale regione di Vertex AI sarà disponibile il modello (Google ha una region a Milano), con quale accordo di trattamento dati GDPR e con quale tracciabilità. Per la pubblica amministrazione contano anche le regole di AgID e dell’Agenzia per la Cybersicurezza Nazionale sui servizi cloud qualificati: fino a risposte chiare, un pilota su dati sintetici o anonimizzati è la strada realistica.
Il taglio cyber interessa da vicino system integrator, software house e fornitori di sicurezza italiani che lavorano per banche, assicurazioni, sanità e PMI manifatturiere: revisione del codice, ricerca di vulnerabilità e modernizzazione di applicazioni legacy sono servizi in cui Argon può accelerare il lavoro. Il vantaggio però va dimostrato sui propri progetti, non sulle classifiche, e documentato (versione del modello, flusso dei dati, risultati delle valutazioni) per reggere audit e controlli dei clienti regolamentati.
Cosa fare prima dell’apertura dell’API
- Aggiornate il set di valutazione. Raccogliete da 50 a 200 attività reali dai vostri repository e workflow, con criteri chiari di superamento, per testare Argon nella settimana in cui si apre l’accesso.
- Mettete i modelli dietro un router. Rendete fornitore e ID del modello una questione di configurazione, non di codice, e prevedete una rotta di fallback per ogni workflow.
- Stimate entrambe le tariffe. Calcolate i costi a 2 / 10 $ e a 4 / 20 $, includendo quota di input in cache, retry e lunghezza dell’output.
- Limitate gli output. Impostate esplicitamente token massimi in output e timeout per ogni workflow, ora che le risposte possono arrivare a 1 milione di token.
- Verificate residenza e contratti. Confermate quali regioni e contratti copriranno Argon prima di inviargli dati regolamentati o personali.
Domande frequenti
Che cos’è Gemini 4 Argon?
Gemini 4 Argon è il primo modello di frontiera della generazione Gemini 4 di Google, annunciato il 30 settembre 2026. Google lo propone per lo sviluppo software su attività lunghe, il lavoro professionale qualificato in ambiti come finanza e diritto e la cyber difesa, e afferma che guida diversi benchmark indipendenti, tra cui DeepSWE v1.1 e il Vals Index.
Chi può usare Gemini 4 Argon oggi?
Inizialmente solo i partner di cybersicurezza selezionati del programma Fairwind di Google. I clienti API a pagamento e gli abbonati Google AI Ultra seguiranno. Google partecipa al processo volontario di test pre-rilascio del governo statunitense, ma non ha indicato una data di disponibilità generale.
Quanto costerà Gemini 4 Argon nell’API?
Google indica un prezzo di lancio di 2 $ per milione di token in input e 10 $ per milione di token in output, con il 95% di sconto sull’input in cache. Dopo il periodo di lancio il prezzo standard sale a 4 $ e 20 $. Google non ha detto quando finirà il periodo di lancio.
Gemini 4 Argon batte GPT-6 Astra e Claude?
Secondo i dati pubblicati da Google guida o è a pari merito su diversi benchmark, tra cui il 77,9% su DeepSWE v1.1 e il primo posto a pari merito su CWE-bench; CNBC riporta che eguaglia GPT-6 Astra e Grok 4.7 nei test di cybersicurezza. Bloomberg ha riferito che alcuni dipendenti di Google lo hanno trovato più debole sul codice reale di quanto suggeriscano i benchmark, cosa che Google contesta: conviene quindi fare valutazioni proprie.
Cosa devono fare i team in Italia prima dell’apertura dell’API?
Prepararsi invece di migrare: costruire un set di valutazione da attività reali, rendere configurabili gli ID dei modelli dietro un router, stimare i costi a entrambi i prezzi, verificare i limiti di output nelle pipeline e, prima di trattare dati personali, confermare la regione di elaborazione e le garanzie contrattuali GDPR dell’endpoint Google utilizzato.
Fonti
Google — Gemini 4 Argon (company announcement)
TechCrunch — Google releases Gemini 4 Argon, called its most powerful model yet
CNBC — Google rolls out Gemini 4 Argon, its most advanced AI model
Yahoo Finance — Google debuts Gemini 4 Argon, its latest frontier model
Techmeme — Bloomberg report on internal Gemini 4 coding feedback