Společnost Google oficiálně odhalila svou nejnovější generaci umělé inteligence – Gemini 4 v přelomové verzi Argon. Nový model přináší zásadní pokrok v oblasti dlouhodobého uvažování (deep reasoning), softwarového inženýrství, analytické práce i kybernetické bezpečnosti.
Zatímco předchozí generace narážely na limity u extrémně složitých vícekrokových úloh, Gemini 4 Argon staví na architektuře navržené pro nepřetržitou autonomní práci po celé hodiny. Google se tímto krokem opět dostává na samotný vrchol žebříčků, i když plný přístup k modelu má prozatím jen úzká skupina odborníků a partnerů.
Jak si Gemini 4 vedla v nejnovějších benchmarkových testech, v čem se liší od konkurence jako GPT-6 Astra či Claude Opus 5.5 a jak vypadají její reálná čísla přesnosti a halucinací? Přinášíme vám podrobný přehled.
Architektura a hlavní novinky: 1 milion tokenů na vstupu i výstupu
Největším skokem z hlediska parametrů je bezpochyby schopnost generovat text. Starší verze modelů Gemini dosahovaly limitu 64 000 tokenů na jeden generovací výstup. Gemini 4 Argon posouvá tuto hranici až na 1 milion tokenů pro výstup (max output). V kombinaci s kontextovým oknem pro vstup o velikosti 1 milionu tokenů tak model zvládne v jediném kroku vygenerovat celé rozsáhlé softwarové projekty, tvořit kompletní dokumentace nebo provádět hloubkové audity bez nutnosti výstup kouskovat.
Zásadní vlastnosti modelu:
- Autonomní programování a vývoj kódu: V benchmarku DeepSWE v1.1 zabývajícím se dlouhodobým vývojem softwaru dosáhla Gemini 4 úspěšnosti 77,9 %. Uvnitř samotného Googlu již model autonomně přepisuje desítky tisíc řádků starého C/C++ kódu do paměťově bezpečného jazyka Rust a optimalizuje spotřebu RAM v datových centrech.
- Práce s videem a vizuálními daty: Model posouvá hranice v poropení dlouhých videí a vizuálních grafů. V benchmarku LVBench dosáhl rekordního skóre 91,7 %.
- Defenzivní kybernetická bezpečnost: Model disponuje schopností detekovat zranitelnosti a autonomně připravovat opravné kódové záplaty. V testu CWE-bench v1 dosáhl skóre 68,0 %.
V čem Gemini 4 vyniká? Hloubková analýza přesnosti a chování
1. Nejméně si vymýšlí
Míra halucinací (vymýšlení si neexistujících faktů) u Gemini 4 Argon klesla na 15 procent, což je nejnižší hodnota ze všech špičkových frontier modelů nad 45 bodů indexu inteligence. Pro srovnání, konkurence jako OpenAI GPT-6 Astra dosahuje míry halucinací 51 procent.
Tato spolehlivost má však svou druhou stranu: celková přesnost odpovědí u Gemini 4 je 50 procent oproti 63 procentůmu Astry. Model tedy při nejistotě raději přizná, že odpověď nezná, místo aby si ji pokusil domyslet nebo uhodnout. Pro seriózní rešerše, analýzu právních textů a práci s fakty jde o mimořádně užitečnou vlastnost, kterou je ale důležité nezaměňovat za pouhé větší encyklopedické znalosti.
2. Vede žebříčky znalostní práce i lidského hodnocení
Na uznávaném Vals Indexu, který měří reálnou využitelnost modelů v oborech jako finance, právo, daně a programování, se Gemini 4 umístila na 1. místě ze 41 testovaných modelů se skóre 68,9 % (o 1,9 procentního bodu před model Claude Opus 5.5). Je to vůbec poprvé v historii, kdy rodina modelů Gemini tento index ovládla.
V anonymním slepém testování Text Arena, kde lidé porovnávají odpovědi dvou neznačených modelů na identické dotazy, získala Gemini 4 první příčku s 1525 body a udržuje si 20bodový náskok před druhým v pořadí.
3. Vydrží u dlouhé a komplexní práce
U náročných úloh vyžadujících neustálou adaptaci a plánování exceluje. V nezávislém dlouhodobém testu Vending-Bench 2 od Andon Labs, kde AI model po dobu jednoho simulovaného roku spravuje a řídí provoz prodejního automatu (od nákupu zboží po úpravu cen), skončila Gemini 4 Argon na 3. místě s finálním zůstatkem zhruba 13 700 USD.
4. Čísla z Terminal-Benche konečně sedí
Velkým tématem u nových AI modelů bývá nadhodnocování výsledků ze strany výrobců. U Gemini 4 Argon Google uvádí v benchmarku Terminal-Bench 4.0 výsledek 57,4 %. Nezávislá analytická platforma Artificial Analysis naměřila v praxi 57,1 %.
Jde o první letošní případ, kdy se oficiální číslo deklarované vývojářem téměř do puntíku shoduje s nezávislým měřením třetí strany. Pro srovnání: u modelu Claude Opus 5.5 převzal Google dříve nadsazených 66 % od Anthropicu, což v interních tabulkách vytvářelo zkreslený devítibodový odstup. Podle reálných měření je přitom rozdíl mezi těmito modely pouhé 2,5 bodu.
Přehledné srovnání benchmarků s konkurencí
Níže uvedené tabulky srovnávají Gemini 4 Argon s hlavními rivaly na trhu – GPT-6 Astra od OpenAI a Claude Opus 5.5 či Claude Fable 5.1 od Anthropicu.
Kompletní srovnání znalostí, programování a uvažování
| Benchmark / Testovaná oblast | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 | Claude Fable 5.1 | Vítěz kategorie |
|---|---|---|---|---|---|
| Vals Index (Komplexní znalostní práce) | 68,9 % | 63,1 % | 67,0 % | 65,8 % | Gemini 4 Argon |
| Vals Finance Agent v2 (Finanční analýza) | 65,4 % | 53,5 % | 58,6 % | 58,9 % | Gemini 4 Argon |
| AutomationBench (Autonomní firemní procesy) | 51,3 % | 41,4 % | 42,5 % | 31,4 % | Gemini 4 Argon |
| DeepSWE v1.1 (Agentní programování) | 77,9 % | 74,1 % | 74,2 % | 67,4 % | Gemini 4 Argon |
| FrontierSWE v2 (Pokročilé SWE inženýrství) | 55,0 % | 65,5 % | 62,3 % | 56,3 % | GPT-6 Astra |
| Vibe Code Bench (Rychlé kódování) | 91,9 % | 89,6 % | 90,3 % | 90,3 % | Gemini 4 Argon |
| Terminal-bench 4.0 (Práce v terminálu) | 57,4 % | 58,2 % | 66,4 % | 57,9 % | Claude Opus 5.5 |
| LVBench (Porozumění dlouhému videu) | 91,7 % | 87,5 % | 83,7 % | 79,7 % | Gemini 4 Argon |
| CWE-bench v1 (Detekce zranitelností v kódu) | 68,0 % | 68,0 % | 67,0 % | 58,0 % | Remíza (Argon / Astra) |
| LABBench 2 (Vědecký výzkum a laboratoře) | 88,8 % | 85,4 % | 73,1 % | 68,6 % | Gemini 4 Argon |
(Zdroj dat: Akceptovaná data měření Google DeepMind a neagregovaná data Vals AI / Artificial Analysis)
Jak funguje Gemini 4 v reálném nasazení uvnitř Googlu?
Než Google vypustí nový model veřejnosti, testuje jej na vlastních vývojářích. Výsledky z interního provozu ukazují, že Argon není pouze laboratorním modelem:
- Bezpečný přepis kódu (Rust Migration): Vývojáři použili model k přepisu kritické knihovny libgav1 pro dekódování videa (32 000 řádků kódu) z C do paměťově bezpečného Rustu. Výsledný kód je stoprocentně funkční, bezpečný a běží 2,7× rychleji než původní verze.
- Úspora paměti v datových centrech: Autonomní agenti pohánění Gemini 4 analyzovali provozní data datových center a sami identifikovali optimalizace paměti, které uvolnily přes 300 TiB RAM, přičemž cílová úspora směřuje k 1 petabajtu.
- Kvantový výzkum: V týmu kvantových počítačů dokázal model během několika minut optimalizovat výpočetní algoritmy a překonal dosavadní publikovaný vědecký benchmark o 40 %.
Cena a omezená dostupnost: Proč si na model počkáme?
Navzdory špičkovým výkonům si na široké nasazení v aplikaci Gemini běžní uživatelé ještě počkají. Google se kvůli zvýšeným schopnostem v oblasti kybernetické bezpečnosti rozhodl postupovat opatrně.
Přístupové fáze:
- Fairwind Program: V první vlně mají k modelu přístup pouze prověření bezpečnostní experti a etičtí hackeři v rámci uzavřeného programu Fairwind.
- Enterprise a API: V následujících týdnech se dočkají platící vývojáři v rozhraní Google Cloud API a předplatitelé nejvyššího tarifu Google AI Ultra.
- Široká veřejnost: Datum plného zpřístupnění pro neplatící uživatele zatímo nebylo stanovené.
Ceník vývojářského API:
Cenová politika je nastavená velmi agresivně vůči konkurenci:
- Zaváděcí cena (Introductory pricing): $2.00 za 1M vstupních tokenů / $10.00 za 1M výstupních tokenů.
- Cachované tokeny (Context Caching): Při opakovaném předávání stejného kontextu nabízí Google 95% slevu ze vstupní ceny ($0.10 za 1M tokenů).
- Standardní ceník po zaváděcí fázi: $4.00 za 1M vstupních tokenů / $20.00 za 1M výstupních tokenů (což plně odpovídá cenám za Claude Opus 5.5).
Závěr: Nový král AI s konzervativním přístupem k faktům
Představením Gemini 4 Argon Google jasně dokazuje, že dokáže držet krok s konkurencí a v mnoha ohledech ji i předbíhat. Masivní výstupní limit 1 milionu tokenů, mimořádně nízká míra halucinací (15 %) a dominance v reálné znalostní práci dělá z verze Argon nekompromisní nástroj pro vývojáře a firmy.
Přestože je přístup pro běžné uživatele zatím uzavřený za branami testovacích programů, technologie stojící za Gemini 4 ukazují jasný směr: budoucnost AI nespočívá v rychlém hádání odpovídajících slov, ale v hlubokém, precizním a autonomním uvažování nad složitými projekty.
Komentáre