O Gemini 4 Argon é o novo modelo principal do Google DeepMind, e o jeito mais claro de entendê-lo é ver onde ele ganha e onde não ganha. O cartão do modelo, comentado num vídeo do Two Minute Papers, descreve um grande modelo esparso de mistura de especialistas, construído do zero e não ajustado a partir de um Gemini anterior, que lê texto, imagens, áudio e vídeo e escreve texto, com até 1M de tokens de contexto combinado. O Google o direciona a engenharia de software, trabalho de conhecimento jurídico e financeiro e ciberdefesa.
O resultado jurídico é o destaque. No Legal Agent Benchmark da Harvey, o Argon marca 19,6%, contra 3,8% a 6,7% do GPT-6 Astra, do Claude Fable 5.1 e do Claude Opus 5.5. O número absoluto é baixo, o que mostra quão difícil é o teste; todos os modelos falham na maior parte dele. Documentos longos são outro ponto forte, com o Argon perto do topo em testes de contexto longo como o GraphWalks. Programação com agentes é o ponto fraco: no Terminal-Bench 4.0, que testa agentes trabalhando na linha de comando, o Argon chega a 57,4% contra 66,4% do Opus 5.5.
Nossa análise do Argon traz um contexto que o material de lançamento não traz. A avaliação independente da Artificial Analysis o coloca empatado com o GPT-6 Astra e atrás do Opus 5.5 no geral, aponta uma taxa baixa de alucinações e mede um início lento, de cerca de 45,6 segundos até o primeiro token. O preço da API é promocional: US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída até 30 de novembro de 2026, e depois US$ 4 e US$ 20. Para quem escolhe entre modelos de fronteira, o padrão sugere o Argon para contratos longos, documentos regulatórios e relatórios de pesquisa, e Claude ou GPT para agentes de programação no terminal.
A parte que merece mais atenção do que a tabela de benchmarks é a seção de segurança. Pelo seu Frontier Safety Framework, o Google diz que não pode descartar que o Argon tenha atingido o nível de capacidade crítica para risco de informação biológica ou para ataque cibernético, e que montou argumentos de segurança segundo os quais o risco restante fica abaixo desses níveis. Diz o mesmo sobre um limiar de furtividade e consciência situacional, que trata da capacidade de um modelo de escapar da supervisão. São avaliações do próprio Google sobre o próprio modelo.
As ressalvas de sempre valem. A maior parte dos números de lançamento foi obtida no nível de raciocínio mais alto do Argon, enquanto o modelo padrão começa num nível menor, e as comparações usam testes escolhidos pelo Google. Usuários nos comentários do vídeo descrevem um modelo que enche a janela de contexto muito rápido e é difícil de conduzir, relatos e não evidências. A vantagem jurídica é grande o bastante para importar; se ela se mantém em avaliações jurídicas independentes é o que vale acompanhar.