Archiv

[AINews] Gemini 4 Argon: GDM's answer to Astra/Fable, with 1M output

Google DeepMind představil 30. září 2026 model Gemini 4 Argon, svou odpověď na konkurenční modely třídy Astra/Fable, zatím jen v omezeném přístupu pro vládní uživatele a kyberbezpečnostní experty v programu Fairwind. Model díky funkci Long Decode Continuation jako první v oboru zvládá výstup až 1 milion tokenů (oproti dřívějším 64 tisícům) a podle Google obsadil první místo v 13 z 19 sledovaných benchmarků proti GPT-6 Astra a Claude Opus 5.5 (např. 77,9 % na DeepSWE). Standardní cena je 4 USD/20 USD za milion vstupních/výstupních tokenů, se zaváděcí 50% slevou na 2/10 USD. Interně Google uvádí, že agenti na bázi Argonu uvolnili přes 300 TiB paměti datacenter a migrují přes 800 tisíc řádků C/C++ kódu do Rustu; nezávislí pozorovatelé ale zpochybňují některé publikované výsledky (např. nižší skóre v právním benchmarku Harvey oproti Muse Spark 1.2).

Proč to je důležité: Pro české firmy jde o signál, že do enterprise segmentu (kódování, znalostní práce, kybernetická obrana) přichází další silný a cenově konkurenční model, což zvyšuje tlak na ceny API a nabízí nové možnosti pro firemní AI nasazení, byť zatím jen v omezeném přístupu.

🛎️ Google Crowned Itself the GOAT

Google DeepMind vydal model Gemini 4 Argon, nejprve kyberbezpečnostním obráncům v programu Fairwind, poté placeným API zákazníkům. Google tvrdí, že model vede v benchmarcích pro programování, agenty a dlouhá videa, před OpenAI Astra a Anthropic Opus 5.5. Bloomberg ale cituje zaměstnance Google, podle kterých model selhává na produkčním kódu a je slabý ve front-endovém designu – interně se tomu říká „benchmaxxing“. Vydání přichází po tom, co slibovaný Gemini 3.5 Pro z května 2026 nikdy nevyšel, přestože šéf DeepMind Koray Kavukcuoglu týden předtím prohlásil, že týmu bezvýhradně věří a že zůstane na špici.

Proč to je důležité: Firmy by měly brát vlastní prohlášení AI labů o „nejlepším modelu“ s rezervou a před nasazením testovat modely na reálném produkčním kódu, ne jen podle benchmarků. Ukazuje to i širší riziko marketingového zkreslování výkonu AI nástrojů, které může ovlivnit nákupní rozhodnutí firem.

• Google DeepMind vydal Gemini 4 Argon
• Bloomberg: zaměstnanci o slabinách modelu
• Tesla Cybercab – ceny jízd v Austinu
• McDonald's a AI systém pro ceny menu
• Z.ai / ZCode – únik dat z lokálního klienta
• AI Secret – newsletter (zobrazit v prohlížeči)

🛎️ The Genome Search Box

DeepMind vydal AlphaGenome Atlas, AI mapu všech 9 miliard možných jednobodových mutací lidského genomu se 27 000 predikcemi pro každou mutaci (genová exprese, sestřih RNA, 3D struktura chromatinu); data o velikosti petabytu jsou volně prohledatelná v prohlížeči, zatímco Human Genome Project trval 13 let a stál 2,7 miliardy dolarů. OpenAI oznámilo, že jeho interní model (silnější než GPT-6 Astra) pomocí zhruba 10 000 agentů za 88 hodin a 300 miliard tokenů vyřešil Navier-Stokesův problém tisíciletí formálním důkazem v Lean. Mistral získal 3 miliardy eur od Samsungu a ASML při valuaci 21 miliard eur - největší kolo v historii evropské techniky, firma obsluhuje 125 podniků a blíží se miliardě dolarů ročních tržeb. DeepSeek zlevnil model V4-Flash až o 60 % kvůli konkurenci GLM 5.3 Flash a zároveň spustil beta verzi V4.1 Flash.

Proč to je důležité: Pro české B2B firmy je klíčové, že levné a evropsky (datově) neutrální modely typu Mistral i specializované AI nástroje (genomika, matematika) jsou už reálně nasaditelné, ne jen hype - cenová konkurence navíc dál tlačí náklady na AI dolů.

• DeepMind AlphaGenome Atlas
• Human Genome Project
• Millennium Prize problem (Navier-Stokes)
• Mistral - kolo 3 miliardy eur
• DeepSeek snížil ceny V4-Flash
• GLM 5.3 Flash