تجهیز ادیتور Cursor به Gemini 4 Argon؛ غول کدنویسی جدید گوگل با سقف خروجی ۱ میلیون توکن!

اضافه شدن Gemini 4 Argon به Cursor با سقف خروجی ۱ میلیون توکن

ادیتور محبوب کرسر (Cursor) بالاخره پای Gemini 4 Argon را به پلتفرم خود باز کرد؛ اتفاقی جذاب که پیشرفته‌ترین مدل استدلال و کدنویسی گوگل را مستقیماً در اختیار محیط ویرایشگر و ورک‌فلوهای ایجنتی برنامه‌نویسان قرار می‌دهد. آرگون روی تنظیمات پیش‌فرضِ تلاش متوسط (Medium Effort)، در بنچمارک اختصاصی CursorBench (سیستم ارزیابی ایجنت‌های کدنویسی کرسر) توانست امتیاز فوق‌العاده ۵۲.۸ درصد را ثبت کند؛ رقمی که طبق نتایج گزارش‌شده، تقریباً پا‌به‌پای مدل سرسخت Opus 5.5 از شرکت آنتروپیک رقابت می‌کند.

قیمت تخفیفی و ویژه عرضه اولیه هم واقعاً وسوسه‌انگیز است: ۲ دلار به ازای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی؛ یعنی تقریباً نصف نرخ توکن‌های Opus 5.5! همین مزیت قیمتی می‌تواند آرگون را به گزینه‌ای بی‌نظیر برای اجرای طولانی‌مدت ایجنت‌ها تبدیل کند، هرچند که اشتهای بالای این مدل در مصرف توکن ممکن است در عمل این صرفه‌جویی اقتصادی را تا حدی کاهش دهد.

حساب و کتاب هزینه‌ها در زمان عرضه

پلن‌های اشتراکی کرسر، مصرف کاربران را بین مدل‌های اختصاصی خود کرسر و استخری تحت عنوان «Other Models» برای سیستم‌های متفرقه تقسیم می‌کنند. آرگون هم از همین استخر مدل‌های متفرقه و بر اساس نرخ اعلام‌شده به ازای هر میلیون توکن محاسبه می‌شود. برای مثال، یک درخواست با ۱ میلیون توکن ورودی کَش‌نشده و ۱۰۰ هزار توکن خروجی، با قیمت عرضه اولیه فقط حدود ۳ دلار آب می‌خورد.

البته پیش‌بینی می‌شود پس از پایان دوره تخفیف اولیه، این نرخ‌ها به ۴ دلار برای هر میلیون توکن ورودی و ۲۰ دلار برای خروجی افزایش پیدا کند. در این صورت، همین سناریو حدود ۶ دلار هزینه خواهد داشت و فاصله قیمتی آرگون با پلن‌های آنتروپیک کم‌تر می‌شود.

تأثیر سطح تلاش مدل بر سرعت پاسخ‌دهی و تأخیر

کرسر چهار سطح مختلف برای میزان تلاش فکری مدل در اختیارتان می‌گذارد: حداقل (Minimal)، کم (Low)، متوسط (Medium) و زیاد (High). حالت متوسط همان گزینه پیش‌فرض است که به امتیاز بنچمارک ۵۲.۸ درصدی رسید. سطوح حداقل و کم، سرعت پاسخ‌دهی را برای ویرایش‌های سریع و ساده در اولویت قرار می‌دهند؛ در حالی که سطح «High» منابع پردازشی و تفکر بیشتری را صرف عیب‌یابی‌های پیچیده، برنامه‌ریزی دقیق و ریفکتورهای دشوار کد می‌کند.

سرعت تولید توکن‌های قابل‌مشاهده، زمان استدلال اولیه مدل را محاسبه نمی‌کند، اما آمار کل چرخه (End-to-End) تمام فرایند پردازش درخواست را در بر می‌گیرد. بنچمارک منتشرشده تنها سطح تلاش متوسط را پوشش داده است؛ بنابراین هنوز مشخص نیست که حالت تلاش زیاد چقدر به دقت کد اضافه می‌کند. به همین دلیل تیم‌های توسعه بهتر است پیش از اینکه زیر بار تأخیر بیش‌تر و مصرف توکن بالا‌تر بروند، هر دو حالت را روی ریپازیتوری‌های واقعی خود آزمایش و مقایسه کنند.

اجرای فرایندهای طولانی؛ برگ برنده واقعی آرگون

گوگل سقف خروجی این مدل را از ۶۴ هزار توکن به رقم خیره‌کننده ۱ میلیون توکن رسانده است. این سقف باز به ایجنت‌ها اجازه می‌دهد تا فرایندهای کدنویسی بسیار طولانی‌تری را بدون وقفه ادامه دهند؛ ویژگی جذابی که نیاز به زدن دکمه «ادامه» یا ارسال درخواست‌های مجدد را در جریان مایگریشن‌های بزرگ در سطح کل ریپازیتوری، ساخت مجموعه‌های تست جامع و ریفکتورهای چندفایلی به حداقل می‌رساند.

البته در عمل، خروجی در دسترس هر درخواست ممکن است با توجه به اندازه پنجره کل بافت (Context Window)، نحوه پیاده‌سازی کرسر و سایر محدودیت‌های نرم‌افزاری محدود شود. از طرفی تولید این حجم عظیم از کد، هزینه و زمان بازبینی را بالا می‌برد؛ به همین دلیل این سقف ۱ میلیون توکنی بیش‌تر برای اجرای ایجنت‌های کاملاً خودکار کاربرد دارد تا ویرایش‌های روزمره برنامه‌نویسی.

در یکی از دموهای رسمی گوگل، ایجنت‌های مبتنی بر آرگون موفق شدند یک نسخه پورت‌شده به زبان Rust را با جایگزینی ۳۲ هزار خط کد SIMD بازنویسی کنند. این ایجنت‌ها آزمایش‌های مبتنی بر پروفایلینگ انجام دادند و خروجی کامپایلر را بررسی کردند. طبق گزارش گوگل، دیکودر ایمن نهایی با حفظ کامل سلامت حافظه، ۲.۷ برابر سریع‌تر از نسخه قبلی اجرا شد و خروجی ویدیویی کاملاً یکسانی تحویل داد.

پیروزی در بنچمارک‌ها اما همراه با چند نکته مهم!

مقایسه‌های منتشرشده از سوی گوگل نشان می‌دهد که آرگون در تسک‌های نرم‌افزاری طولانی‌مدت، امور حقوقی و مالی، بازیابی اطلاعات در متون فوق‌العاده طولانی و خودکارسازی کسب‌وکار عملکرد درخشانی دارد. در ۱۹ سناریوی گزارش‌شده، آرگون در برابر رقبای سرسختی چون GPT-6 Astra، کلود Fable 5.1 و Claude Opus 5.5 موفق به کسب ۱۳ پیروزی، یک تساوی و پنج شکست شده است. البته این ردیف‌ها معیارهای ارزیابی متفاوتی را می‌سنجند و نباید این آمار را به عنوان یک امتیاز کلی و یکپارچه در نظر گرفت.

• در برخی از آزمون‌های گزارش‌شده، همچنان مدل‌هایی نظیر GPT-6 Astra یا Opus 5.5 دست بالا‌تر را دارند و جلوتر هستند.
• پلتفرم تحقیقاتی Artificial Analysis برای ارزیابی ایندکس خود از ۱۱۰ میلیون توکن آرگون استفاده کرد، در حالی که میانگین مصرف در سایر مدل‌ها ۸۲ میلیون توکن بود. مصرف بالا‌تر توکن عملاً شیرینی قیمت پایین‌تر را کم‌رنگ می‌کند.
• همچنین پلتفرم Artificial Analysis مدل آرگون را روی حالت تلاش زیاد (High Effort) سنجیده، در حالی که اکثر رقبا روی بالا‌ترین تنظیمات ممکن خود تست شدند که همین موضوع مقایسه مستقیم را کمی دشوار می‌کند.
• خبرگزاری اکسیوس گزارش داد که بلومبرگ ادعاهایی از نگرانی برخی کارمندان گوگل درباره عملکرد داخلی این مدل شنیده است؛ هرچند گوگل رسماً این گزارش‌ها را رد کرد.

گسترش دسترسی پس از عرضه اولیه و محدود

آرگون در ابتدا تنها از طریق برنامه Fairwind گوگل و صرفاً برای مدافعان سایبری مورد اعتماد و تیم‌های داخلی این غول فناوری در دسترس قرار گرفته بود. در آن دوره اولیه، هیچ خبری از این مدل در مستندات پلتفرم‌هایی مثل OpenRouter، models.dev، ورتکس (Vertex AI)، ترمینال Gemini CLI، ادیتور Cursor یا GitHub Copilot نبود. پس از آن گوگل اعلام کرد که دسترسی عمومی‌تر ابتدا در اختیار مشتریان پولی API و مشترکان سرویس Google AI Ultra قرار خواهد گرفت.

حالا ادغام این مدل در Cursor، یک درگاه ثالث بسیار مهم را پیش روی توسعه‌دهندگان گذاشته تا بتوانند آرگون را روی مخازن کد واقعی به کار بگیرند. علاوه بر این، قرار گرفتن آن در استخر «Other Models» باعث شده تا میزان مصرف و هزینه‌ها به طور کاملاً شفاف در کنار سایر ارائه‌دهندگان به نمایش درآید.

پست‌های اولیه برنامه‌نویسان در انجمن تخصصی linux.do امتیاز بالای آرگون در CursorBench را تحسین کرده‌اند، اما در عین حال درباره هزینه‌ها و تفاوت نه چندان ملموس میان سطوح مختلف تلاش مدل سؤالاتی مطرح کرده‌اند. اگرچه این گزارش‌ها تجربی و غیررسمی هستند، اما دو معیار ارزیابی بسیار حیاتی را برجسته می‌کنند: تعداد کل توکن‌های مصرف‌شده برای تکمیل هر تسک و برتری واقعی و ملموس حالت «High Effort» نسبت به حالت «Medium».

راهنمای انتخاب سطح تلاش آرگون در ادیتور Cursor

تیم‌هایی که قصد دارند آرگون را بسنجند، باید مواردی مثل هزینه تمام‌شده به ازای هر تسک، زمان دریافت اولین توکن، مجموع توکن‌های خروجی و نرخ قبولی تست‌ها را روی کدبیس اختصاصی خودشان ارزیابی کنند. بهترین و قوی‌ترین سناریوی استفاده از این مدل، انجام کار‌های پیوسته در ریپازیتوری‌های بزرگ است؛ جایی که کاهش توقف‌ها و کم‌تر شدن درخواست‌های ادامه‌دار، پرمصرف بودن توکن‌های مدل را به خوبی جبران می‌کند.