Gemini 4 Argon é o modelo de IA mais poderoso do Google + primeiros testes!

Autoria: WorldofAI · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Gemini 4 Argon Is Google’s Most Powerful AI Model + Early Tests! · Canal: WorldofAI · 14:08 · Assistir no YouTube

Tópicos: Agentes de IA, Avaliação e benchmarks de IA, Modelos de IA, Modelos multimodais

Resumo

O vídeo apresenta o Gemini 4 Argon, que, segundo o canal, está em lançamento limitado para parceiros de cibersegurança e testadores confiáveis, com acesso mais amplo previsto para depois. O apresentador destaca o preço introdutório, o limite de até 1 milhão de tokens de saída e resultados competitivos em benchmarks, incluindo tarefas de automação, compreensão de vídeo e baixa taxa de alucinação. Também mostra demonstrações visuais atribuídas a checkpoints do Gemini 4, como cenas 3D, um controle de PS5 em SVG e simulações interativas. Ao final, considera o modelo um possível bom modelo para uso diário e um avanço para o Google, mas ressalta que ainda não há evidências de que a empresa tenha alcançado ASI.

Pontos-chave

O Gemini 4 Argon estaria inicialmente disponível apenas para parceiros selecionados de cibersegurança e testadores confiáveis pelo programa Fairwind.
O preço introdutório anunciado é de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída; o preço de entrada em cache seria 95% menor.
O modelo teria um limite máximo de saída de 1 milhão de tokens, ampliado em relação aos 64 mil mencionados no vídeo.
O apresentador destaca resultados competitivos em benchmarks de tarefas longas de engenharia de software, automação empresarial e compreensão de vídeo.
Segundo os números citados no vídeo, o Argon obteve uma taxa de alucinação de 15%, menor que as comparações apresentadas para Astra e GPT-6.1 Soul.
Demonstrações de checkpoints do Gemini 4 mostram geração de cenas e simulações 3D, um controle de PS5 em SVG e outros projetos interativos.
O apresentador avalia que o Argon pode ser um bom modelo para uso diário, especialmente por preço, saída longa e capacidades multimodais, mas não o considera o melhor para programação ou desenvolvimento web.
O vídeo especula que modelos ajudando a pesquisar, programar e avaliar sistemas de IA podem acelerar o desenvolvimento, mas afirma que não há evidências de que o Google tenha alcançado ASI.

Capítulos

Início	Capítulo	Resumo
00:00	Anúncio, disponibilidade e preço	O vídeo apresenta o lançamento limitado do Gemini 4 Argon e destaca o preço anunciado e o novo limite de saída.
01:36	Benchmarks e comparações	O apresentador comenta resultados em benchmarks de conhecimento, automação, compreensão de vídeo e taxa de alucinação.
05:16	Demonstrações de checkpoints do Gemini 4	São exibidos exemplos de cenas 3D, imagens em SVG e simulações interativas atribuídas a checkpoints do Gemini 4.
09:57	Usos, limitações e avaliação do modelo	O apresentador avalia o potencial do Argon para uso diário e suas capacidades multimodais, reconhecendo limitações em programação e desenvolvimento web.
12:04	Avanço do Google e próximos passos	O vídeo pondera sobre a contribuição da IA para acelerar novas pesquisas, evita afirmar que o Google alcançou ASI e encerra aguardando o lançamento mais amplo.

Citações

Este pode ser o melhor modelo em custo-benefício que já vimos. — 00:31

O Google aumentou o limite máximo de saída de 64 mil para 1 milhão de tokens. — 01:05

O Argon tem uma taxa de alucinação de 15%. — 04:14

Ele será um ótimo modelo para uso diário, para realizar tarefas básicas. — 10:29

Não temos evidências para fazer essa afirmação. — 12:04

Conceitos e entidades

Gemini 4 Argon (modelo): Modelo apresentado no vídeo como um lançamento limitado do Google, com ênfase em tarefas longas, automação e capacidades multimodais.
Google DeepMind (empresa): Organização do Google citada como responsável pelo programa Fairwind de acesso limitado ao modelo.
Fairwind (conceito): Programa citado no vídeo por meio do qual parceiros selecionados de cibersegurança e testadores confiáveis teriam acesso ao Argon.
GPT-6.1 Soul (modelo): Modelo usado pelo apresentador como comparação de preço, desempenho e resultados em tarefas específicas.
GPT-6 Astra (modelo): Modelo comparado ao Argon em resultados de benchmark, preço e taxa de alucinação.
Opus 5.5 (modelo): Modelo usado como referência em comparações de desempenho e custo.
Artificial Analysis Intelligence Index (conceito): Índice citado no vídeo para comparar inteligência, custo por tarefa e taxa de alucinação de modelos.
AutomationBench (conceito): Benchmark mencionado para avaliar a conclusão de workflows empresariais de ponta a ponta.
LV Bench (conceito): Benchmark citado no vídeo para resultados de compreensão de vídeos longos.
Reuters (empresa): Veículo de notícias citado como fonte de uma informação sobre o tamanho relativo dos modelos Gemini.
ASI (conceito): Inteligência artificial superinteligente, possibilidade mencionada pelo apresentador sem afirmar que haja evidências de sua ocorrência.

Tradução completa (pt-BR)

00:00 Sinceramente, este espaço é tão frenético que, se você piscar, vai perder uma atualização de modelo. Porque hoje o Google lançou oficialmente o Gemini 4 Argon — ou Aragon, se você é muito fã da obra de Tolkien. Mas este modelo é absolutamente insano. Uma coisa que quero mencionar logo de cara é que o Argon está atualmente em lançamento limitado para parceiros selecionados de cibersegurança e testadores confiáveis, por meio do programa Fairwind do Google DeepMind. Mas o Google diz que em breve haverá uma disponibilização mais ampla para clientes pagos da

00:31 API e assinantes do Google AI Ultra. Então, espero que vejamos o modelo nos próximos dias, ou talvez até na semana que vem. Mas uma coisa sobre esse modelo que quero comentar logo é que ele pode ser o modelo com a melhor relação entre custo e desempenho que já vimos. Eu sei que acabamos de receber o GPT-6.1 Soul, mas o Argon está sendo lançado por um preço promocional de apenas US$ 2 por 1 milhão de tokens de entrada e US$ 10 por 1 milhão de tokens de saída, com o preço da entrada em cache 95% mais baixo, o que é

01:05 insano. E provavelmente a parte mais absurda é que o Google aumentou o limite máximo de saída de 64 mil para 1 milhão de tokens. É uma quantidade absolutamente ridícula de saída para essas tarefas agentic e de programação enormes e de longa duração, além de apresentar uma baixa taxa de alucinação, o que fará deste modelo um ótimo modelo para o uso diário. Agora, desculpem interromper, pessoal, mas isso significaria muito para mim se vocês pudessem curtir este vídeo e se inscrever no canal, porque isso realmente me ajuda a produzir vídeos para vocês todos os dias

01:36 da semana. Vamos dar uma olhada nos benchmarks. O Gemini 4 Argon talvez não seja o melhor modelo de programação agentic, mas pode ser o melhor modelo da arena de texto disponível no momento. Ele supera o GPT-6 Astra, o Fable 5.1 e até o Opus 5.5 nesse domínio de trabalho de conhecimento. Também tem aquele limite ampliado de saída, de 1 milhão de tokens, que pode permitir que ele raciocine e trabalhe com centenas de milhares de tokens em uma única trajetória. Agora, um benchmark absurdo

02:08 que encontrei para este modelo é o Deep Sway 1.1, no qual ele marca 77,9%. Ele estabelece um novo recorde de última geração em tarefas reais de engenharia de software de longo prazo. Também lidera no Balz Index, que abrange trabalho real nas áreas financeira, de programação, jurídica e tributária. No Automation Bench, ele consegue concluir muito bem workflows empresariais de ponta a ponta, e o Argon fica em primeiro lugar, com 51,3%.

02:40 Ele também se sai muito bem na compreensão de vídeos longos, estabelecendo um recorde de última geração de 91,7% no LV Bench. Então, está estabelecendo esses recordes impressionantes. Também se sai muito bem em tarefas como uso de computador, graças à sua eficiência, mas ainda acho o GPT-6.1 Soul melhor que este novo modelo nesse domínio específico. Mas, quando se trata de compreensão multimodal, é aí que ele supera qualquer outro modelo de última geração. Se você quer as melhores ferramentas de IA, workflows e novidades antes de todo mundo

03:11 mais, assine minha newsletter gratuita pelo link na descrição abaixo. Ela é totalmente gratuita. O Gemini 4 Argon também parece bastante competitivo em termos de eficiência geral de custos, custando cerca de US$ 1,99 por tarefa do Intelligence Index. Em comparação, o GPT-6.1 Soul, que tem o menor preço listado nesse domínio, custa 72 centavos; o GPT-6 Astra custa US$ 3,26; e o Opus 5.5, US$ 5,98. Já o Fable 5.1 custa US$ 7,63.

03:43 E o Argon marca 53 no Artificial Analysis Intelligence Index, igualando exatamente o GPT-6 Astra e ficando um ponto atrás do GPT-6.1 Soul. O impressionante é que o Argon consegue isso custando apenas 60% do valor por tarefa do Astra, com o preço promocional. Mesmo quando a promoção acabar, o preço passará do valor promocional que mencionei antes para US$ 4 por 1 milhão de tokens e US$ 20 por 1 milhão de tokens de saída, o que ainda é extremamente competitivo para

04:14 um modelo de fronteira. O desempenho agentic também representa uma enorme melhoria. O Argon fica em primeiro lugar no Automation Bench, com 77,5%, superando o Sonnet 5.5, com 71,3%, e também dá grandes saltos no Turnal Bench. E um dos resultados provavelmente mais impressionantes é o de alucinação, porque o Argon tem uma taxa de alucinação de 15%, a menor já medida pela Artificial Analysis entre todos os modelos que marcam mais de 45 no Intelligence Index. Para

04:45 comparar, o Astra fica em 51% e o GPT-6.1 Soul, em 54%. Então, o Argon não é, de forma alguma, o modelo de fronteira mais barato, nem o melhor, mas, quando se combinam a inteligência, o desempenho agentic, a baixa taxa de alucinação, a quantidade de tokens de saída, o preço, a relação entre preço e desempenho — tudo parece muito competitivo, e ele pode até assumir a posição de meu modelo para uso diário. Outro detalhe interessante que veio

05:16 da Reuters é que, segundo relatos, o Gemini 4 Argon é maior que os modelos Gemini anteriores do Google, o que sugere que o Google aumentou o próprio modelo junto com o enorme salto nas capacidades de raciocínio e agentic, o que é meio insano. Talvez seja um modelo com 6 trilhões de parâmetros, ou até mais. Ainda não tenho certeza, mas isso obviamente é um feito impressionante. Agora, como mencionei, este modelo está atualmente disponível apenas para um grupo seleto de especialistas em cibersegurança defensiva e testadores confiáveis, e eles vão

05:48 permitir que usuários como os clientes pagos da API tenham acesso ao modelo primeiro nos próximos dias, talvez até semanas, além dos assinantes do Google AI Ultra, e depois trabalhar em uma disponibilização para o público em geral, talvez em meados de outubro. Ainda não tenho certeza. Estou apenas supondo. Acho que talvez possamos ver este modelo já na próxima semana. E, por sorte, alguém do Discord oficial do AI Leaks me enviou alguns testes que vou mostrar ao longo do vídeo de hoje. O modelo gerou

06:19 todo este santuário Sakura Hokota usando mais de 106 mil voxels, e o nível de detalhe é realmente incrível. Da atmosfera ao ambiente e aos diferentes ângulos de câmera, tudo parece extremamente refinado nesse resultado. Agora, você pode até mudar dinamicamente a hora do dia, como em qualquer outro voxelar, e isso transforma completamente a iluminação e a atmosfera da cena. Aqui você pode ver um SVG do Gemini 4, e

06:50 o resultado ficou realmente muito bom. O que foi solicitado era a criação de um controle de PS5 em SVG, e ele realmente parece bem real. Para mim, parece mesmo uma imagem real, exceto pela textura e por aquele pequeno gradiente que aparece nos lados esquerdo e direito das extremidades do controle. Tirando isso, tudo parece muito bem-feito e fiel ao controle real. A iluminação, o tom, tudo foi gerado muito bem e, sinceramente, o resultado é comparável ao do Opus 5 com

07:22 o controle de PS5. Aqui está outra comparação impressionante do Gemini 4 Pro na arena. Este era um checkpoint anterior. Não sei se é exatamente o Argon, mas este checkpoint foi colocado contra o Claude Opus 5.5, com a tarefa de criar um hidroavião 3D com simulação de física. Nesse teste, o Gemini 4 superou completamente o Opus Swap on 5 em termos de visuais, física geral e execução, que obviamente estão em outro nível, e

07:53 dá para perceber isso nesta geração. Se essa representação do modelo for lançada junto com o Argon, talvez até com melhorias nas próximas semanas, será um ótimo benefício adicional, especialmente considerando o preço. Aqui está outra prévia deste checkpoint, que gerou esta simulação 3GS de personagens diferentes para o Halloween. É aqui que dá para ver o nível de detalhe produzido pelo modelo, e o resultado realmente parece de outro nível quando

08:24 comparado com o de outros modelos. Sinceramente, é incrível, porque isso acrescenta outro nível de detalhe e profundidade a essas simulações, e é simplesmente impressionante. Aqui, foi solicitado ao Gemini 4 que criasse uma abelha mecânica, e o resultado é realmente incrível. O modelo demonstra um ótimo senso de design. Ele se sai muito bem com frontend, algo em que os modelos Gemini anteriores costumavam ser muito bons, mas depois

08:55 Claude tinha assumido essa categoria, mas agora podemos ver que Gemini está fazendo essa retomada, e este é um nível de detalhe que eu realmente não esperava do Gemini 4. Isso obviamente se deve à aderência ao prompt atribuída a esta geração, mas o nível de qualidade que ele conseguiu alcançar é incrível. Aqui, Gemini 4 criou o Coliseu, e isso é realmente impressionante, porque também há diferentes ciclos de dia e noite sendo simulados

09:25 com esta geração. Dá para ver que a qualidade do design e o refinamento dos modelos Pro que vemos no Gemini realmente melhoraram, e o resultado geral parece significativamente mais refinado. Obviamente, estes são os checkpoints anteriores do Gemini que vimos, mas, ainda assim, se isso é um passo em direção ao Argon, mostra mesmo que o Argon será um salto significativo e, obviamente, uma boa retomada para o Google, porque estas são gerações que nós

09:57 realmente não esperávamos do Gemini depois daquele breve período em que ficou para trás. Outra coisa que percebi neste modelo é que ele é muito melhor em demonstrações interativas. Essas saídas são mais intuitivas, e ele até usa métodos de aprendizado que realmente não vimos em outros modelos gerarem nessas gerações. Ele também é bem rápido, mas, em termos de eficiência, vamos ver se eles acabam mantendo esse preço promocional, porque seria uma pechincha enorme e isso

10:29 essencialmente faria todo mundo querer voltar a usar os modelos Gemini, obviamente, por causa da relação entre preço e desempenho. Mas eu diria que o Gemini 4 Argon obviamente não será o melhor modelo disponível para programação ou desenvolvimento web, mas será um ótimo modelo para o dia a dia, que você pode usar para concluir tarefas básicas. E, obviamente, uma área em que o Gemini costuma se destacar são os recursos multimodais. É para isso que você pode usar este modelo no dia a dia. Ele não vai conseguir competir com o GPT

11:01 tão bem quanto o Sonnet ou até mesmo o Opus, porque esses modelos já aperfeiçoaram muitos dos recursos de programação e de outros domínios. Mas, espero que vejamos uma recuperação do Gemini e que ele possa se destacar nessa categoria em um futuro próximo. E, para ser sincero, este checkpoint realmente corresponde ao que vemos com o Argon nas pontuações dos benchmarks, porque está dando uma ótima disputa a modelos como o GPT-6 Astra. Aqui está uma comparação lado a lado usando exatamente o mesmo prompt com o

11:33 GPT-6, e dá para ver que o Gemini 4 parece absolutamente incrível na criação de mundos 3D usando 3js para gerar por completo esse tipo de simulação com base no que foi solicitado, como os trilhos do trem, o mundo dinâmico e até o uso de diferentes tipos de cores e texturas para produzir esse resultado. Se você gostou deste vídeo e gostaria de apoiar o canal, considere fazer uma doação ao meu canal pela opção Super Thanks abaixo. Ou considere entrar no nosso Discord privado, onde você pode acessar

12:04 várias assinaturas de diferentes ferramentas de IA gratuitamente, todos os meses, além de notícias diárias sobre IA, conteúdo exclusivo e muito mais. No geral, o Gemini 4 Argon definitivamente parece um grande lançamento para o Google e para a comunidade de IA. E, no ritmo em que o Gemini está lançando todos esses modelos, isso está ficando ridículo, e realmente faz a gente pensar se eles alcançaram a ASI. Simplesmente não temos evidências para fazer essa afirmação, mas, quando sistemas de IA são cada vez mais usados para ajudar internamente a pesquisar e otimizar, além de programar, avaliar e, por fim, construir a próxima geração de sistemas de IA, como eles afirmaram, dá para começar a perceber que o ciclo de feedback pode acelerar o progresso de novos modelos. O próprio Google diz que o Argon já está ajudando seus pesquisadores e engenheiros em trabalhos algorítmicos, além de outras áreas da empresa. Então, isso obviamente faz com que seja cada vez mais plausível acreditar que essa afirmação é verdadeira. Mas

12:34 no geral, eu realmente adoro o que fizeram com o Argon, e isso é mesmo um grande passo para o Google, além de ser um bom avanço para a empresa retomar seu lugar na corrida da IA. Então, gostei muito do que fizeram com este modelo. Espero que continuem aprimorando-o para que ele possa se destacar em quase todos os domínios, como os modelos de ponta que temos agora. Mas é uma grande atualização em texto e também em domínios como a multimodalidade. Mas, de qualquer forma, estou muito animado para ver no que este modelo vai

13:05 se transformar, e faremos um vídeo completo de testes quando ele for lançado. Vou deixar na descrição abaixo todos os links que usei no vídeo de hoje. Não deixe de conferir a comunidade World of AI School. Confira a plataforma de vibe coding e o benchmark World of AI. Confira nosso segundo canal. Inscreva-se na nossa newsletter. Não deixe de entrar no Discord. Siga-me no Twitter. E, por último, não se esqueçam de se inscrever, ativar o sino de notificações, curtir este vídeo e conferir nossos vídeos anteriores para ficar por dentro das últimas notícias sobre IA. Então, dito isso, pessoal, tenham um dia incrível. Espalhem positividade, e

13:37 vejo vocês em breve. Falou, pessoal.

14:08 Vejo vocês de novo muito em breve. Até mais, pessoal.

Transcrição original

[00:00] Honestly, this space is so wild that if you are to even blink, you will miss a model update. Cuz today, Google has officially released Gemini 4 Argon, or Aragon if you are a huge fan of Tolkien’s work. But, this model is absolutely insane. One thing I want to mention right off the bat is that Argon is currently in a limited release to selected cybersecurity partners and trusted testers through Google DeepMind’s Fairwind program. But, Google is saying that they’re going to be having a broader rollout soon with paid

[00:31] API customers and Google AI Ultra subscribers. So, hopefully we see it within the next couple of days, or maybe even next week. But, something I really want to talk about about this model right away is that this may be the best cost-to-performance model that we have ever seen. I know we just got GPT-6.1 Soul, but this model Argon is launching at an introductory price of just $2 per 1 million input tokens and $10 per 1 million output tokens with the cached input price 95% cheaper, which is

[01:05] insane. And probably the craziest part is that Google has increased the maximum output from 64K to 1 million tokens output. That is an absolutely ridiculous amount of output for these massive long-running agentic and coding tasks, which is also supplying a low hallucination rate, which is going to make this model a great daily driver. Now, sorry to interrupt, guys, but this would truly mean a lot to me if you guys can go ahead and like this video and subscribe as it really helps me make videos for you guys on a day-to-day

[01:36] basis. Let’s take a look at the benchmarks. Gemini 4 Argon may not be the best agentic coding model, but it may be the best text arena model that is available right now. This is something that surpasses GPT-6 Astra, Fable 5.1, and even Opus 5.5 within that domain on knowledge work. It also has that extended output limit with 1 million tokens, which is going to allow it to potentially reason and work through hundreds of thousands of tokens in a single trajectory. Now, one ridiculous

[02:08] benchmark that I found about this model is Deep Sway 1.1, which is where it scores a 77.9%. It sets a new state-of-the-art record for real-world long-horizon software engineering tasks. It also is leading in Balz Index covering real-world work across finance, coding, legal, and tax. On Automation Bench, this is where it is able to complete end-to-end business workflows quite well, and Argon actually ranks number one with 51.3%.

[02:40] And it even does quite well for long video understanding, where it sets a state-of-the-art record of 91.7% on LV Bench. So, it is setting these crazy records. It even does quite well on stuff like computer use with its efficiency, but I still find GPT-6.1 Soul better than this new model in that specific domain. But when it comes to multimodal understanding, this is where it surpasses any other state-of-the-art model. If you want the best AI tools, workflows, and drops before everyone

[03:11] else, join my free newsletter with the link in the description below, which is completely free. Gemini 4 Argon also looks really competitive in terms of overall cost efficiency, where it costs just about $1.99 per Intelligence Index task. Compared to GPT-6.1 Soul, which has the cheapest pricing in this domain listed at 72 cents, GPT-6 Astra at $3.26, and Opus 5.5 at $5.98, and then Fable 5.1 at $7.63.

[03:43] And Argon scores a 53 on the Artificial Analysis Intelligence Index, exactly matching GPT-6 Astra and sitting one point behind GPT-6.1 Soul. What’s crazy is that Argon achieves that while costing just 60% as per task as Astra as its introductory pricing though. Even when the promotion ends, pricing moves from the introductory pricing that we listed before to $4 per 1 million tokens and $20 per 1 million output tokens, which is still extremely competitive for

[04:14] a frontier model. The gentic performance is also a massive improvement. Argon ranks number one on automation bench at 77.5% beating Sonnet 5.5 at 71.3% while also making huge jumps on turnal bench. And probably one of the most impressive results is hallucination because Argon has a 15% hallucination rate, the lowest on artificial analysis has ever measured for any model scoring 45 plus on the intelligence index. For

[04:45] comparison, Astra is at 51% and GPT-6.1 Soul is at 54%. So, Argon isn’t absolutely the cheapest frontier model, nor is it the best, but when you combine the intelligence, the gentic performance, the low hallucination rate, obviously the token output, pricing, price to performance, everything looks seriously competitive and it is something that may even take the ranking for me as my daily driver. Another interesting detail that came

[05:16] from Reuters is that Gemini for Argon is reportedly larger than Google’s previous Gemini for models suggesting that Google has scaled up the model itself alongside the massive jump in reasoning and the gentic capabilities, which is kind of insane. Perhaps this is a 6 trillion parameter model, maybe even more. Not too sure yet, but that is obviously an impressive feat. Now, like I had mentioned, this is a model that is currently only available to a select cohort of cyber defenders and trusted testers and they are going to be

[05:48] allowing users like paid API users within the next couple of days, maybe even weeks, to get access to this model first, and even Google AI Ultra subscribers, and then work on a rollout to the broader public, maybe mid-October. I’m not too sure yet. I am just guessing. I believe maybe even in a week we could see this model. And luckily for you guys, I got someone from the AI Leaks official Discord sending me a couple of tests I’m going to be showcasing throughout today’s video. The model had actually generated

[06:19] this entire Sakura Hokota Sanctuary using over 106K voxels, and the level of detail is genuinely incredible. From the atmosphere to the environment to the different camera angles, everything looks insanely polished with this output. Now, you can even dynamically change the time of day like any other voxelar, and it completely transforms the lighting and the atmosphere of the scene. Here you can see an SVG of Gemini 4, and

[06:50] this honestly looks really good in terms of the output. What it was requested to create appears PS5 controller in SVG, and it actually looks quite real. It really looks like a real image to me, other than the texture and that small little gradient that you see on the left and right side of the ends of the controller. But other than that, everything looks quite well and accurate to the real controller itself. The lighting, the hue, everything has been generated quite well, and honestly it is comparable to the results of Opus 5 with

[07:22] the PS5 controller. Here is another crazy comparison of the Gemini 4 Pro within the arena. This was an earlier checkpoint. Not sure if this is going to be Argon exactly, but this is a checkpoint that was put up against Claude Opus 5.5 tasked to build out a 3D float plane with physics simulation. This is where the Gemini 4 had completely outperformed Opus Swap on 5 within this test with the visuals, overall physics, and the execution, which is obviously on another level, and

[07:53] you can tell from this generation. And if this representation of the model is something that they end up releasing with Argon, maybe even improving it over the next couple of weeks, that would be a great additional benefit, especially with that pricing. Here is another preview of this checkpoint where it is something that had generated this 3GS simulation of different characters for Halloween, and this is where you can see the level of detail being outputted from this model, and it truly looks next level when you

[08:24] are comparing it with other models. This is honestly amazing cuz this is something that adds in another level of detail and depth with these simulations, and it’s just truly incredible. Here is where Gemini 4 was requested to create a mechanical bee, and this is honestly really incredible. This is something that has a really nice design taste correlated with this model. It does quite well with front end, which is something that the earlier Gemini models used to do quite well at, but then

[08:55] Claude had overtaken that category, but now we can see that Gemini’s making that comeback, and this is a level of detail that I truly didn’t expect from the Gemini 4. This is obviously due to the prompt adherence that was attributed to this generation, but the level of quality that it was able to follow through with is awesome. Here Gemini 4 had created the Colosseum, and this is something that is honestly pretty remarkable cuz you also have different day and night cycles being simulated

[09:25] with this generation. You can see the design quality and the polish here has truly improved in terms of the pro models that we see with Gemini, and it just feels significantly more refined with its overall output. Obviously, this is the previous Gemini checkpoints that we had saw, but still if it is a step towards Argon, it honestly shows us that Argon will be a significant leap and obviously a nice comeback from Google cuz these are generations that we

[09:57] truly didn’t expect from Gemini after that small little stint being behind. Something that I have also realized with this model is that it is a lot better when it comes to interactive demos. It is more intuitive with these outputs and it even uses learning methods that we haven’t really seen from other models being outputted with these generations. It is also quite fast, but in terms of efficiency, let’s see if they end up sticking with this introductory pricing cuz that would be a huge steal and that

[10:29] would essentially make everyone want to use Gemini models once again due to obviously the pricing performance. But I will say the Gemini for Argon will not obviously be the best coding or web development model available, but it will be a great daily driver model that you can use to get basic tasks done. And obviously, one area that Gemini usually excels at is multimodal capabilities. That is something that you can use this model for as your daily driver. It is not going to be able to compete with GPT

[11:01] as well as Sonnet or even Opus due to those models already perfecting a lot of the capabilities within coding as well as in other domains. But hopefully, we see a recovery from Gemini and that they can excel in that category in the near future. And to be honest, this checkpoint does really correlate to what we see with Argon in terms of the benchmark scores cuz it is putting up a great fight with models like GPT-6 Astra. Here is a side-by-side comparison using the exact same prompt against

[11:33] GPT-6, and you can see that Gemini 4 looks absolutely insane with its 3D world building using 3js to fully output this sort of simulation based off of what it was requested to build, like the train tracks, the dynamic world, even using different sorts of colors and textures to get this output. If you like this video and would love to support the channel, you can consider donating to my channel through the Super Thanks option below. Or you can consider joining our private Discord where you can access

[12:04] multiple subscriptions to different AI tools for free on a monthly basis, plus daily AI news and exclusive content, plus a lot more. Overall, Gemini 4 Argon definitely looks like a massive release for Google and the AI community, obviously. And at the pace where Gemini is shipping all of these models, it is definitely getting ridiculous, and it honestly leads you to think if they have achieved ASI. We simply don’t have evidence to make that claim, but when AI systems are increasingly being to use to

[12:34] internally help research and optimize, as well as code, evaluate, and ultimately build the next generation of AI systems, like they have claimed, you can start to see that the feedback loop could accelerate the progress of newer models. Google itself says that Argon is already helping its researchers and complex engineers with algorithmic work, as well as other areas within the company. So, that is obviously increasingly allowing you to believe that that claim is accurate. But

[13:05] overall, I really love what they have done with Argon, and this is honestly a great step for Google and obviously making a nice step to making a comeback for the company in the AI race. So, really love what they have done with this model. Hopefully, they can keep on improving it so that it is something that can excel in almost every domain, like the state-of-the-art models that we have right now. But, it’s a huge upgrade within text, as well as in domains like multimodality. But, regardless, I am really hyped to see what this model ends

[13:37] up being, and we will be making a full test video once it ends up releasing. I’ll leave all the links that I use in today’s video in the description below. Make sure you go ahead and take a look at the World of AI School community. Take a look at the World of AI Vibe coding platform and benchmark. Take a look at our second channel. Join us on on on on our newsletter. Make sure you go ahead and join the Discord. Follow me on Twitter. And lastly, make sure you guys subscribe, turn on the notification bell, like this video, and please take a look at our previous videos so that you can stay up to date with the latest AI news. So, with that thought, guys, have an amazing day. Spread positivity, and

[14:08] I’ll see you guys really shortly. Peace out, fellas.