Gemini 4 Argon chegou, finalmente!

Video authored by the channel shown, not by IANIA; all rights belong to the creator. Transcript and summary generated automatically; the original-language content is preserved.

Original language: Portuguese

Original video: Gemini 4 Argon chegou, finalmente! · Channel: Vini Lana · 08:52 · Watch on YouTube

Topics: AI evaluation and benchmarks, AI models, AI safety

Summary

O vídeo analisa o anúncio do Gemini 4 Argon, modelo da Google DeepMind que, como o Mythos, terá acesso inicial restrito enquanto a empresa reforça suas salvaguardas. O modelo apresenta resultados competitivos em benchmarks, com destaque para programação e resistência a prompt injection, além da promessa de gerar até 1 milhão de tokens de saída. O apresentador ressalta que ainda é preciso testar seu desempenho prático, velocidade e eficiência, e que o acesso será liberado gradualmente. A expectativa é que o Argon indique avanços para a linha Gemini, embora seu desempenho possa mudar antes de chegar ao público.

Key points

O Gemini 4 Argon foi anunciado, mas não está disponível para todos; o acesso começará pela API para clientes Business e depois chegará aos usuários Google Ultra.
O anúncio segue uma estratégia semelhante à do Mythos, com acesso restrito enquanto a empresa avalia riscos e reforça salvaguardas.
O modelo obteve 77,9% no benchmark DeepSWE, segundo a transcrição, e aparece entre os modelos de fronteira.
A promessa de 1 milhão de tokens de saída pode permitir gerar aplicações extensas em uma única interação, mas também pode trazer demora, repetição ou mais alucinações.
O Argon teve um resultado destacado em um benchmark de resistência a prompt injection.
O apresentador aponta que o Gemini precisa concluir tarefas com menos passos para competir melhor em velocidade e eficiência.
O preço anunciado é comparável ao do GPT-6.1 Sol, com custos de cache também mencionados como parte da comparação.
O apresentador considera que o lançamento pode indicar uma evolução significativa dos futuros modelos Gemini, mas recomenda aguardar testes práticos.

Chapters

Start	Chapter	Summary
00:00	Anúncio do Gemini 4 Argon	O apresentador introduz o modelo, comenta a expectativa pelo lançamento e observa que o acesso ainda não está aberto a todos.
02:05	Benchmarks e saída de 1 milhão de tokens	A análise aborda os resultados do Argon em benchmarks e a promessa de uma saída muito maior que a de modelos concorrentes.
04:11	Salvaguardas e resistência a ataques	O vídeo discute os riscos que motivam o acesso restrito e destaca o desempenho anunciado contra prompt injection.
06:17	Acesso, custo e expectativas	O apresentador avalia o potencial de evolução da linha Gemini, os custos anunciados e a posição do Argon nas comparações.

Quotes

Eu só acredito que esse modelo é bom no dia que ele estiver rodando lá no meu Antigravity. — 00:00

Também temos um modelo tão bom quanto o Mythos, mas você ainda não vai ter acesso. — 03:08

Vamos ver como isso vai funcionar na prática. — 04:11

O Gemini 4 Argon vai ter algumas travas, algumas salvaguardas. — 08:21

Concepts and entities

Gemini 4 Argon, Google DeepMind, Mythos, Project Glasswing, Fairwind Program, DeepSWE, prompt injection, Gemini 3.8 Flash, GPT-6.1 Sol, Vini Lana

Full transcript (original language)

00:00 Eu esperei muito para fazer esse vídeo, mas muito mesmo, assim como vocês também devem ter esperado. Gem 4 finalmente foi lançado, aliás, anunciado, porque parece que Darrio Amode e An Tropic estão fazendo escola. Esse modelo Gemn4 Argon ele chega para ser concorrente do Mitos e como um bom concorrente do Mitos, ele também não tá disponível para todo mundo. E eu só acredito que esse cara é bom o dia que ele tiver rodando lá no meu antigravity. Aí eu vou falar: “Cara, esse cara é bom ou não?” Mas por enquanto vamos analisar esse modelo, analisar esse lançamento e ver se a

00:31 Google realmente estava preparando uma coisa para te surpreender. Bora. Olha a quantidade de lançamentos que aconteceram nas últimas semanas. É GPT 6.1, é o Sonet 5.5, OPO 5.5 e fica muito difícil você conseguir se manter atualizado, estudar tudo isso, mas ao mesmo tempo o mercado exige isso. As pessoas estão querendo cada vez mais pessoas habilitadas e capacitadas em usar IA para desenvolver software e para trabalhar no dia a dia sem hype. Por isso, eu resolvi gravar uma aula gratuita para ajudar você a entender como você pode usar a própria

01:02 inteligência artificial para aprender melhor. O link tá aqui na descrição e também no primeiro comentário fixado. Te vejo lá. Para quem acompanhou aqui no canal o lançamento do mitos, vocês vão ver que esse vídeo ele é um pouco de dejavu. Literalmente quando eu falo que o Dara Modi tá fazendo escola, olha bem o que tá acontecendo. A Google Deep Mind lançou o programa Fairwind Program. Que que é esse programa? Basicamente ele é o projeto Glass Wing, só que da Google. Projeto Classwing foi quando lançaram mitos, falaram para você: “Olha, esse esse modelo é tão perigoso, mas tão perigoso, que somente algumas empresas

01:33 vão ter acesso. Para quê? Porque a gente tem medo de que outras pessoas com modelos equivalentes possam causar mal à humanidade. Então a gente vai liberar paraa WS, para Antropic, para Apple, para Broadc, Cisco, Crow Strike, Google, Jap Morgan, entre outras empresas. Para quê? Para que eles se preparem pra onda de modelos de alto nível que estão chegando. Só que isso, galera, foi há 5 meses atrás, tá? O projeto Glass Wing aqui do Mitos. E aí agora o projeto, né, o Fair Wind Programs da do Google Deep Mind vem dentro da mesma ideia, tipo, ah, a gente é um modelo muito perigoso e

02:05 aí é importante que você tenha somente pessoas de confiança usando esse modelo. Pontos interessantes que vocês vão observar desse lançamento, ele vem de fato para ficar no pário, pelo menos na briga ali, tá, da fronteira. Você vai observar isso dentro dos benchmarks com destaque especial para o Deep SWE, aonde ele tá tirando 77.9% 9% nos pontos aqui eh de resultado, sendo até até então nos melhores modelos. Chegando próximo aqui, você vai ver o modelo do GPT 6.1 Sol,

02:36 que tá com 75.2%. Só que chama atenção o seguinte, isso aqui eu acho que vai ser uma tarefa para o pessoal da Google conseguir resolver. Atualmente GPT 6.1 Sol atinge esse resultado no DipsW custando 65 centavos de dólar por tarefa. Beleza? Então a gente tem que entender como é que vai funcionar isso aqui lá também pro pro Gemn 4 Argon da Google. Dentro de outros benchmarks você vai ver que ele tá performando bem, que tá tendo bons resultados. A gente sabe que geralmente modelos da Google mandam bem benchmark,

03:08 não necessariamente são os melhores, então a gente precisa testar. Então, quando tiver lá no an gravity, aí sim dá pra gente falar se esse modelo é bom ou não, mas já dá para tirar um pouquinho do cavalo da chuva que esse modelo não vai estar liberado para você ainda. Basicamente o que rolou é um anúncio de também temos um modelo tão quanto o Mitos, mas você não vai ter esse acesso ainda. A grande diferença, na verdade, imensa diferença entre os modelos de mercado hoje que a gente vai observar é isso aqui, ó, 1 milhão de tokens de saída. Então, basicamente esse modelo do

03:39 Gem 4 Argon, ele tá trazendo a promessa que não vão ser os 128.000 tokens de saída padrão que a gente observa ali no Cloud Opus 5. No Cloud Fable 5.1 e no Astra. Ele vai tá vindo com 1 milhão de tokens. E isso é interessante por pode ser até bom, no caso, você conseguir gerar uma aplicação inteira em um prompt só, mas pode ter problemas também durante o caminho, por exemplo, entrar em repetição, tarefas mais demoradas, demorar mais tempo para te trazer o resultado e às vezes até mesmo alucinar mais. Se eles conseguiram fazer um

04:11 modelo que traz esse retorno, esse output grande, com velocidade e com um nível de alucinação baixo, tá? Aí é um grande um grande feito por eles mesmo, porque eles conseguem que o agente trabalhe dentro da mesma sessão do LLM, sem precisar de ficar reenviando, sem precisar de ficar quebrando a informação no caminho no loop agêntico. Vamos ver como é que vai ser isso na prática. E o motivo de não liberarem agora é de fato escola Daro Mod, né? Eles estão reforçando os guard rails, né? ou as salvaguardas em português para realmente em relação a riscos de ataques

04:41 cibernéticos, radiológicos, biológicos, químicos e até nucleares. Então existe essa preocupação com os modelos de fronteira. Eles estão tentando ver como é que eles vão nerfar basicamente isso ou colocar guard rails para travar que esses modelos sejam usados de maneira indevida. Agora, o modelo manda muito bem na questão de defesa contra injeção de instruções ou promptions. Esse benchmark do Grace One IPI, ele vem para medir exatamente isso. Quanto menor a nota aqui, menor a porcentagem, melhor é o modelo. Significa que um ataque não

05:12 conseguiria sequestrar o modelo para fazer o que o ataque Cant quisesse. A gente vai observar que de uma ponta você tem o química 3, que tá muito ruim aqui, seguido do Grock 4.6, que tá bem parecido com química 3. E aí você vem numa progressão aonde você tem o GPT6 Astra com 8%, você vai ter lá na frente o Fable 5.1 com 1%, empatando com op 5.5 e aí o Argon agora, o Gemine 4, Argon sendo o cara que tá levando esse benchmark, tá muito bem, pelo menos a nível de benchmark nessa questão de o modelo não sofrer prompt injection, você

05:44 não conseguir sequestrar o modelo para fazer coisas que ele não deveria fazer. Aqui é onde o dejavô acaba. Apesar do modelo ter toda essa questão meticulosa de segurança, é um modelo que vai sim ser lançado pro mercado. Vai começar primeiro pela API dos membros Business e depois pros usuários do Google Ultra. Então calma que para chegar aí no seu anti Grapity ainda tem uma trajetória. O que que anima a gente e observar esse lançamento? Se o modelo realmente for isso tudo, se ele for um nível Astra ou um nível Fable, a gente pode estar vendo um salto real nos modelos da Gemini da

06:17 Google. Ou seja, você pode ver um Gem 4 flash muito superior ao Gem 3.8 flash atual. E aí, aonde que eu vejo que tem pontos de melhoria do que a gente observou até agora dos modelos Gemini, pelo menos os 3.8 flash, eles são modelos que performam bem. Você vai ver lá no DPSW, Gem 3.8 flash performa bem por um custo barato, porém ele precisa fazer muitos passos para chegar no mesmo resultado que outros players conseguem chegar. Então, basicamente, o Gem 4 Argumon, ele precisa resolver esse problema. Ele precisa conseguir ir bem

06:49 nas tarefas, mas sem precisar de fazer muitos passos para conseguir executar elas, porque do contrário, não adianta você ter um modelo muito bom, mas que ele demora muito mais tempo para conseguir alcançar o mesmo resultado que os outros modelos de fronteira estão alcançando. Quando ele ficar disponível pra gente por API, por exemplo, ele tem um custo bem interessante. Ele tá saindo a para cada milhão de input tokens e 10 para cada milhão de output tokens. Ou seja, ele é um modelo nível Astra, nível Fable, pelo menos é o que eles estão

07:19 anunciando, mas que vai ter custo de GPT 6.1 só, o que é bem interessante. E o custo por cash vai ficar ali mais ou menos 20 centavos de dólar, né? 95% off em relação ao preço de input. Ele vai ficar 10 centavos mais caro que o custo de cash do GPT 6.1 Sol, mas ainda assim a gente tá falando que um modelo teoricamente de fronteira. Olhando pro artificial análisis, a gente vai ver dois pontos interessantes. O primeiro é que o custo por tarefa do modelo tá baixo, ele tá comparando com seus pares GPT6 Astra e o

07:50 Fable 5.1, ele tá mais barato entre eles aqui. Do lado de lá, o que tá interessante é que o Gemn 4 tá empatando com o GPT6 Astra também aqui no benchmark. Não é para ser o melhor de todos, não veio para ser o melhor de todos. Talvez era a intenção, mas o mercado também tá avançando a passos largos, mas ele não chega também para ser um pária, ele tá chegando bem colocado aqui dentro desses benchmarks. E por uma beadinha aqui no na tabela de inteligência, o índice de inteligência versus custo por inteligência, ele não ficava aqui na fronteira Pareto, né? Ele

08:21 tá aqui perdendo para o Oppo 5. No modo high. que ele tá ficando abaixo, pouco abaixo aqui dentro dessa comparação. Ou seja, o OPO 5. No modo high, ele tá entregando, pelo menos nesse índice o equivalente ao que o GM 4 Argon vai entregar. Lembrando que GN4 Argon vai ter algumas travas, alguns guard rails, vai ter, vamos dizer assim, um nerf dentro dele antes de chegar no mercado. Então pode ser que a gente não veja isso aqui nele, mas talvez seja uma porta de

08:52 entrada para que a Google treine modelos melhores como a própria Openi e a Antropic estão fazendo. Eu quero saber de você, você acha que a Google chegou atrasado? Deixa aqui nos comentários qual a sua expectativa disso. Uma estratégia semelhante a do mitos é realmente adequada ou você acha que não? Que eles deveriam soltar isso no mercado de uma vez e a gente se virá para ver o que que acontece? Quero saber sua opinião. No mais, eu sou o Vini. tamos junto. Aquele abraço e valeu.