عرضه عمومی پرچم‌دار Gemini 4 Argon؛ خط و نشان گوگل در جنگ قیمت‌ها و ایجنت‌های هوش مصنوعی

گوگل امروز ۱۳ اکتبر دسترسی گسترده و عمومی به مدل هوش مصنوعی چندوجهی و پرچم‌دار تازه خود یعنی Gemini 4 Argon را آغاز کرد.

این مدل پیش از این فقط در اختیار گروه محدودی از آزمایش‌کنندگان اولیه قرار داشت. حالا توسعه‌دهندگان و شرکت‌های بزرگ گزینه‌ای فوق‌العاده قدرتمند برای مهندسی نرم‌افزار، تحلیل‌های مالی، کار‌های حقوقی، امنیت سایبری و پژوهش‌های علمی پیش رو دارند؛ آن هم با قیمت‌های تخفیف‌خورده و موقتی در API که به مراتب از رقبای سرشناس بازار ارزان‌تر است.

این عرضه عمومی درست ۱۳ روز پس از معرفی اولیه آرگون در ۳۰ سپتامبر انجام می‌شود؛ زمانی که گوگل دسترسی به این مدل را صرفاً به مدافعان امنیت سایبری تاییدشده در برنامه Fairwind محدود کرده بود تا آزمایش‌های ایمنی بیشتری انجام دهد و در برنامه اختیاری بررسی امنیتی پیش از عرضه دولت آمریکا شرکت کند.

گوگل در آن زمان وعده داده بود که دسترسی عمومی را در سریع‌ترین زمان ممکن فراهم کند، اما تاریخ دقیقی مشخص نکرده بود. حالا این غول فناوری، آرگون را از طریق API پولی جمنای، پلتفرم Google AI Studio، محیط توسعه ایجنتی Antigravity و اشتراک‌های واجد شرایط Gemini Enterprise ارائه می‌دهد. همچنین کاربران دارای اشتراک Google AI Pro و Ultra می‌توانند در اپلیکیشن جمنای و حالت AI Mode در جست‌وجوی گوگل به این مدل دسترسی داشته باشند؛ هرچند دسترسی به Antigravity برای کاربران عادی نیازمند اشتراک گران‌تر Ultra است.

این عرضه فرصتی عالی به مشتریان سازمانی می‌دهد تا قدرتمندترین مدلی را که گوگل تاکنون به شکل عمومی عرضه کرده، در برابر غول‌های رقیب از OpenAI، آنتروپیک و متا محک بزنند. در این میان، گوگل گزارش‌های جذابی از نحوه به‌کارگیری عملی آرگون در پروژه‌های پیچیده مهندسی و تجاری خودش نیز منتشر کرده است.

طبق اعلامیه جدید گوگل، هر ماه بیش از ۱۰۰ هزار کارمند این شرکت از طریق نسخه داخلی Antigravity از آرگون استفاده می‌کنند. گوگل می‌گوید تیم‌های مهندسی این شرکت در یک دوره چهار هفته‌ای، ثبت کدهای نوشته‌شده توسط ایجنت‌ها را تا ۳۵ درصد افزایش داده‌اند و هم‌زمان نرخ بازگردانی (Rollback) کدها پس از ثبت را ۳۰ درصد کاهش داده‌اند.

اما با اینکه بنچمارک‌های خود گوگل پیشرفت‌های چشمگیری را در کار‌های حرفه‌ای و فنی نشان می‌دهند، تست‌ها و بررسی‌های مستقل تصویری پیچیده‌تر و چندوجهی از جایگاه رقابتی این مدل ترسیم می‌کنند.

سم ویتوین (مدیرعامل و هم‌بنیان‌گذار شرکت مشاوره و آموزش هوش مصنوعی سازمانی Red Dragon AI) از جمله کارشناسانی است که پیش از عرضه عمومی به آرگون دسترسی داشته و عملکرد آن را زیر ذره‌بین برده است.

ویتوین در بررسی ویدیویی خود درباره این مدل می‌گوید: «این مدل واقعاً و حقیقتاً مدلی فوق‌العاده است. اما آیا بهترین مدل بازار به حساب می‌آید؟ راستش را بخواهید فکر نمی‌کنم این‌طور باشد.»

ارزیابی او نشان می‌دهد که شاید بزرگ‌ترین دستاورد گوگل بیش از آنکه صرفاً یک جهش فنی باشد، یک حرکت استراتژیک است: ساخت پایه‌ای عمومی و به اندازه کافی قدرتمند برای پشتیبانی از محصولات پیشرفته‌تر و جریان‌های کاری پیچیده سازمانی.

گوگل آرگون را به جان چالش‌های مهندسی خودش انداخته است!

گوگل در زمان معرفی این مدل، مثال‌های ملموسی از انجام کار‌هایی توسط آرگون ارائه داده که در حالت عادی به تیم‌های مهندسی تخصصی و ماه‌ها زمان نیاز دارند.

شاید خیره‌کننده‌ترین نمونه، ماجرای مرورگر کروم باشد. گوگل می‌گوید آرگون در سازمان‌دهی مجدد یک پوشه قدیمی که شامل حدود ۶ میلیون خط کد از قابلیت‌های مرورگر در پایگاه کد ۴۰ میلیون خطی کرومیوم بود، نقشی اساسی داشته است.

این مدل کمک کرد تا قابلیت‌های هسته مرورگر در پردازش صفحات وب از کدهای مربوط به ویژگی‌های جانبی تفکیک شوند و در نتیجه، بازطراحی معماری عظیمی در صدها فایل مختلف پیاده‌سازی شود.

گوگل اعلام کرده پروژه‌ای که انتظار می‌رفت ماه‌ها طول بکشد، ظرف چند هفته به پایان رسید. هدف از این تغییرات این است که در آینده صفحات وب بتوانند بدون نیاز به بارگذاری مجدد، بین تب‌ها، پنل‌های کناری و پنجره‌های شناور جابه‌جا شوند و جلوی برخی کرش‌ها و بسته‌شدن‌های ناگهانی مرورگر گرفته شود.

در پروژه‌ای دیگر، تیم توسعه کیت ایجنت‌های گوگل (Agent Development Kit یا ADK) از آرگون خواست تا راه‌هایی برای بهبود عملکرد فریم‌ورک پایتونی و متن‌باز این شرکت برای ساخت ایجنت‌های هوش مصنوعی پیدا کند.

آرگون پس از دریافت یک هدف کوتاه و دستورالعمل‌های موجود تیم، در طول یک شب کار کرد و بهینه‌سازی‌هایی را پیشنهاد داد که به گفته گوگل، زمان آماده‌سازی نشست‌های طولانی‌مدت در حافظه را تا ۴۰ درصد کاهش داد و ایمپورت‌های اولیه (Cold Imports) را ۲۱ درصد سریع‌تر کرد. این بهبودها حالا مستقیماً به کدبیس عمومی پایتون ADK اضافه شده‌اند.

گوگل همچنین گزارش می‌دهد که آرگون به بهینه‌سازی فرآیند استنتاج (Inference) مدل کوچک‌تر Gemma 4 E2B نیز کمک کرده و نرخ پردازش را روی یک پردازنده گرافیکی انویدیا A100 از حدود ۳۷٬۹۰۰ توکن به بیش از ۱۰۸٬۰۰۰ توکن بر ثانیه رسانده؛ آن هم در حالی که خروجی مدل بدون کوچک‌ترین تغییری کاملاً یکسان باقی مانده است.

این مثال‌ها یکی از ادعاهای محوری گوگل را ثابت می‌کنند: ارزش این مدل فقط به نوشتن چند خط کد ساده نیست، بلکه در توانایی بررسی سیستم‌های بزرگ، پیشنهاد اصلاحات معماری، تست نتایج و تکرار روند تا رسیدن به بهبودهای ملموس نهفته است.

در یک تجربه داخلی دیگر، آرگون ۱۳۴ باگ نرم‌افزاری قدیمی را زیر ذره‌بین گذاشت و در کم‌تر از سه ساعت، با بررسی تاریخچه کامیت‌ها و داده‌های تله‌متری محیط پروداکشن، ۹۷ مورد از آن‌ها را به عنوان باگ منسوخ یا تکراری شناسایی و مستند کرد.

البته با وجود اینکه این مثال‌های گوگل توصیف‌های بسیار ملموس و دقیقی از کار با هوش مصنوعی ارائه می‌دهند، اما کماکان گزارش‌های رسمی خود شرکت هستند و نباید آن‌ها را ارزیابی‌های مستقل بیرونی به حساب آورد.

بنچمارک‌های مستقل: برتری آرگون در کار‌های تخصصی، اما رقابت نفس‌گیر در جدول کلی

دو نهاد مستقل و بزرگ ارزیابی هوش مصنوعی، دیدگاه‌های متفاوتی را درباره توانمندی‌های آرگون منتشر کرده‌اند.

موسسه Vals AI که مدل‌ها را در حوزه‌های تخصصی امور مالی، حقوقی، کدنویسی و امور مالیاتی ارزیابی می‌کند، در شاخص وزنی Vals Index خود، آرگون را در رتبه اول قرار داده است.

بر اساس داده‌های ۱۲ اکتبر، آرگون با امتیاز ۶۸.۹۰ درصد، بالا‌تر از Claude Sonnet 5.5 با ۶۷.۰۴ درصد و Claude Opus 5.5 با ۶۶.۹۷ درصد ایستاده است.

موسسه Vals همچنین اعلام کرده که آرگون در بنچمارک Finance Agent v2 به امتیاز ۶۵.۴۰ درصد دست یافته و در میان تمام مدل‌های تست‌شده رتبه نخست را از آن خود کرده است.

این نتایج مهر تاییدی است بر ادعای گوگل که می‌گوید آرگون به‌طور ویژه در جریان‌های کاری حرفه‌ای که به دانش تخصصی و استدلال مداوم نیاز دارند، فوق‌العاده رقابتی و سرسخت عمل می‌کند.

این دستاوردها همچنین روی برتری‌هایی که گوگل هنگام رونمایی اولیه مدل در ۳۰ سپتامبر روی آن‌ها مانور داده بود صحه می‌گذارند.

در مقایسه‌های قبلی گوگل، آرگون در بنچمارک ایجنت حقوقی Harvey امتیاز ۱۹.۶ درصد را ثبت کرده بود؛ در حالی که GPT-6 Astra از شرکت OpenAI تنها ۵.۴ درصد و Claude Opus 5.5 از شرکت آنتروپیک ۳.۸ درصد به دست آورده بودند. در بنچمارک AutomationBench متعلق به شرکت Zapier نیز که توانایی سیستم‌های هوش مصنوعی را در اجرای فرآیندهای تجاری چندمرحله‌ای می‌سنجد، آرگون با امتیاز ۵۱.۳ درصد از Opus 5.5 با ۴۲.۵ درصد و Astra با ۴۱.۴ درصد جلو افتاد.

این مدل در بنچمارک مهندسی نرم‌افزار DeepSWE v1.1 نیز خوش درخشید و به امتیاز ۷۷.۹ درصد رسید، در حالی که Opus امتیاز ۷۴.۲ درصد و Astra امتیاز ۷۴.۱ درصد را ثبت کردند.

با این حال، مقایسه‌های خود گوگل نشان می‌دهد که رقبا در برخی بخش‌ها همچنان دست برتر را حفظ کرده‌اند. برای نمونه، در بنچمارک Terminal-Bench 4.0 که کار‌های برنامه‌نویسی مبتنی بر خط فرمان را می‌سنجد، Opus 5.5 به امتیاز ۶۶.۴ درصد رسید، در حالی که آرگون ۵۷.۴ درصد کسب کرد.

البته این موارد همان بنچمارک‌هایی هستند که قبلاً توسط خود گوگل منتشر شده بودند و نه تست‌های مستقل روز عرضه؛ اما با این وجود به خوبی نشان می‌دهند که چرا در وظایف سازمانی گوناگون، ممکن است برندگان متفاوتی داشته باشیم.

از دیدگاهی فراگیرتر، وبسایت تحلیلی Artificial Analysis که توانایی مدل‌ها را در حوزه‌های استدلال، دانش عمومی، ریاضیات، کدنویسی و کار‌های ایجنتی می‌سنجد، در شاخص هوش (Intelligence Index) خود به آرگون امتیاز ۵۳ داده است.

این امتیاز، آرگون را در کنار GPT-6 Astra از OpenAI و Claude Fable 5.1 از آنتروپیک قرار می‌دهد، اما پایین‌تر از Claude Opus 5.5، Claude Sonnet 5.5 و مدل Muse Wonder Full شرکت متا که دیروز عرضه شد می‌نشاند.

منبع: ارزیابی‌های مدل‌ها در پلتفرم Artificial Analysis تا تاریخ ۱۳ اکتبر ۲۰۲۶. امتیاز بالا‌تر نشان‌دهنده عملکرد بهتر است. نتایج بر اساس پیکربندی‌های استدلالی سنجیده‌شده به دست آمده‌اند و همه مدل‌ها در حال حاضر دسترسی API عمومی یکسانی ندارند.

این تفاوت برای خریداران سازمانی اهمیت بالایی دارد. یک بنچمارک کلی شاید بتواند عملکرد فنی عمومی را نشان دهد، اما هرگز نمی‌تواند مشخص کند که کدام مدل در بستر نرم‌افزاری، داده‌ها و محیط عملیاتی خاص یک سازمان بهترین بازدهی را خواهد داشت.

ویتوین معتقد است نقاط قوت آرگون به‌طور ویژه در وظایفی که فهم بصری، تولید نرم‌افزار و خلق محتوای چندرسانه‌ای خلاقانه را ترکیب می‌کنند، خود را نشان می‌دهد.

در یک دموی جالب، او از آرگون خواست یک برنامه ساخت موسیقی تحت وب شبیه به نرم‌افزار ReBirth شرکت Propellerheads بسازد که شامل صداهای سنتز‌شده، درام‌ماشین، فیلترها و یک استپ‌سیکوئنسر الهام‌گرفته از دستگاه‌های کلاسیک Roland باشد.

تنها با یک پرامپت نسبتاً کوتاه در اپلیکیشن جمنای، آرگون یک رابط کاربری تعاملی به همراه کدهای کاملاً کاربردی برای تولید صدا تحویل داد.

ویتوین همچنین به دموهای گوگل در زمینه انیمیشن‌های نرم‌افزار بلندر (Blender)، محیط‌های سه‌بعدی و بصری‌سازی‌های تعاملی اشاره می‌کند؛ کار‌هایی که نیازمند آن هستند که سیستم هوش مصنوعی کد تولید کند، خروجی را رندر بگیرد، نتیجه کار خودش را بررسی کند و آن را بهبود دهد.

او می‌گوید: «به نظر می‌رسد این مدل در تعمیم دادن مفاهیم و آموخته‌هایش فوق‌العاده عمل می‌کند.»

با این حال، او همچنان تردید دارد که محیط کدنویسی فعلی گوگل بتواند رقبای جاافتاده بازار را برای برنامه‌نویسانی که روی مهندسی خودکار نرم‌افزار تمرکز دارند، کنار بزند.

ویتوین می‌گوید: «من هنوز فکر نمی‌کنم برای مثال محیطی مثل Antigravity حتی به گرد پای ابزار‌هایی مثل Claude Code یا Codex برسد.»

این انتقاد او مرز میان توانایی مدل زیربنایی و کیفیت ابزار‌های توسعه پیرامون آن را مشخص می‌کند؛ نکته‌ای حیاتی که سازمان‌ها هنگام ارزیابی سیستم‌های کامل کدنویسی با هوش مصنوعی (به جای بررسی عملکرد خام API) باید حتماً مد نظر قرار دهند.

از امنیت سایبری تا رباتیک؛ فراتر رفتن گوگل از کدنویسی سنتی

گوگل علاوه بر برنامه‌نویسی، پتانسیل بالای آرگون را در حوزه‌های امنیت سایبری، محاسبات علمی و رباتیک فیزیکی نیز به رخ می‌کشد.

به گفته این شرکت، استارتاپ امنیتی Wiz از طریق پروژه Scan for Good خود از آرگون برای شناسایی و رفع یک آسیب‌پذیری بسیار خطرناک در نرم‌افزارهای حوزه سلامت استفاده کرده است. بر اساس گزارش گوگل، این رخنه یک کلید اصلی (Master Key) را فاش می‌کرد که می‌توانست دسترسی در سطح مدیر ارشد ایجاد کرده و حجم عظیمی از اطلاعات حساس بیماران را به خطر بیندازد.

گوگل در حال گسترش دسترسی از طریق برنامه Fairwind به صدها شریک امنیتی تاییدشده دیگر است؛ از جمله ارائه نسخه‌هایی از مدل بدون برخی محدودیت‌های امنیتی پیش‌فرض، تا بتوان از آن برای اقدامات دفاعی قانونی و تاییدشده استفاده کرد.

این شرکت نرخ موفقیت حمله در بنچمارک تزریق غیرمستقیم پرامپت Gray Swan را در ۱۵ تلاش تطبیقی تنها ۰.۷ درصد گزارش کرده است. همچنین گفته شده که آرگون طوری آموزش دیده تا به مرزهای سیستم احترام بگذارد و پیش از انجام اقدامات غیرقابل بازگشت متوقف شود؛ به طوری که تلاش‌های غیرمجاز برای دور زدن سیستم در ارزیابی‌های کدنویسی آن به ۲ درصد کاهش یافته است.

این ارقام امیدوارکننده هستند، اما به هیچ وجه نیاز سازمان‌ها به تست‌های اختصاصی، کنترل‌های دسترسی و نظارت انسانی بر اقدامات سرنوشت‌ساز را از بین نمی‌برند.

در بخش علمی، پژوهشگران گوگل گزارش داده‌اند که از آرگون برای سرعت بخشیدن به محاسبات کوانتومی، بهینه‌سازی نرم‌افزارهای مدل‌سازی مولکولی و طراحی پنج آنزیم جدید استفاده کرده‌اند؛ آنزیم‌هایی که فعالیت کاتالیزوری آن‌ها بعداً در آزمایشگاه تایید شد.

رباتیک یکی دیگر از میدان‌هایی است که گوگل قصد دارد در آن قدرت‌نمایی کند.

گوگل گزارش داده که آرگون در بنچمارک استدلال تجسم‌یافته (Embodied Reasoning Question Answering) که درک فضایی و فیزیکی را می‌سنجد، امتیاز ۸۷ درصد را به دست آورده و در مقایسه‌های ارائه‌شده، از Claude Opus 5.5 و GPT-6 Astra پیشی گرفته است.

در یک نمایش عملی، آرگون ویدیوی فردی را که در حال بازی پرت��ب کیسه (Cornhole) بود تماشا کرد، کد شبیه‌سازی آن را ساخت و توالی حرکتی مشخصی تولید کرد که روی ربات انسان‌نمای Apollo ساخت شرکت Apptronik پیاده‌سازی شد. به گفته گوگل، این ربات توانست هفت پرتاب متوالی موفق را ثبت کند.

در دمویی دیگر، نشان داده شد که آرگون تنها از روی یک طرح ساده دستی، محیط شبیه‌سازی‌شده‌ای برای انجام ماموریت‌های رباتیک طراحی کرده است.

پیام روشن این دستاوردها آن است که مدل پیشتاز گوگل فقط برای درک زبان طبیعی یا نوشتن کد ساخته نشده، بلکه هدف آن کمک به ساخت، ارزیابی و کنترل محیط‌های فیزیکی شبیه‌سازی‌شده برای هدایت ربات‌ها در جهان واقعی است.

قیمت‌گذاری: ۲ دلار به ازای هر میلیون توکن ورودی تا اول دسامبر

گوگل در طرح تخفیفی اولیه خود، آرگون را با نرخ ۲ دلار به ازای هر یک میلیون توکن ورودی و ۱۰ دلار برای هر یک میلیون توکن خروجی عرضه می‌کند و برای ورودی‌های کش‌شده (Cached Input) نیز ۹۵ درصد تخفیف در نظر گرفته است.

برخلاف اعلامیه ۳۰ سپتامبر که مشخص نکرده بود این دوره تخفیف تا چه زمانی ادامه دارد، گوگل اکنون تایید کرده که این تخفیف‌ها تا ۳۰ نوامبر ۲۰۲۶ اعتبار خواهند داشت.

از اول دسامبر، قیمت رسمی API عمومی دو برابر شده و به ۴ دلار برای هر میلیون توکن ورودی و ۲۰ دلار برای هر میلیون توکن خروجی می‌رسد.

این بازه زمانی فرصتی مشخص و نسبتاً کوتاه به مشتریان سازمانی می‌دهد تا آرگون را با قیمتی پایین‌تر آزمایش کنند و صرفه اقتصادی پیاده‌سازی طولانی‌مدت آن را در محیط‌های واقعی بسنجند.

قیمت‌های استاندارد API به ازای هر یک میلیون توکن. قیمت‌ها شامل هزینه‌های جانبی ابزارها، زیرساخت و سایر خدمات نمی‌شود. هزینه ورودی کش‌شده اولیه برای Gemini 4 Argon معادل ۰.۱۰ دلار به ازای هر میلیون توکن است.

با این قیمت تخفیفی اولیه، آرگون برای هر توکن ورودی و خروجی نصف Claude Opus 5.5 و یک‌پنجم GPT-6 Astra هزینه برمی‌دارد.

البته از ماه دسامبر، قیمت پایه آن هم‌رده با مدل‌هایی چون Claude Opus 5.5 و Meta Muse Wonder قرار خواهد گرفت.

البته قیمت خام توکن‌ها فقط بخشی از ماجراست؛ مدل‌های مختلف حجم متفاوتی از توکن‌های استدلالی مصرف می‌کنند، برای تکمیل یک تسک به دفعات تلاش متفاوتی نیاز دارند و کیفیت خروجی نهایی‌شان با یکدیگر فرق دارد.

آرگون همچنین سقف استدلالی فوق‌العاده بالایی را از طریق API در اختیار کاربران می‌گذارد. گوگل از یک سقف یکپارچه تا ۱ میلیون توکن ورودی و خروجی با استفاده از پروتکل ادامه (Continuation Protocol) خبر داده که برای کار‌های به‌شدت سنگین طراحی شده است.

این توضیح در واقع اصلاحیه‌ای مهم بر اعلامیه اولیه ۳۰ سپتامبر گوگل به حساب می‌آید؛ جایی که پیشتر از سقف ۱ میلیون توکن خروجی (به جای ۶۴ هزار توکن قبلی) صحبت شده بود.

اما حالا اعلامیه جدید روی سقف ترکیبی ورودی و خروجی با پشتیبانی یک پروتکل اختصاصی API تاکید دارد. با این حال، گوگل هنوز شفاف نکرده که این سقف دقیقاً چه ارتباطی با حداکثر توکن‌های قابل دریافت در یک پاسخ پیوسته دارد.

ویتوین نیز هشدار می‌دهد توسعه‌دهندگان نباید این قابلیت تخصصی را با رفتار عادی مدل در اپلیکیشن جمنای یا سایر محصولات مصرفی اشتباه بگیرند.

این توانمندی گسترش‌یافته نیازمند تنظیمات اختصاصی API است و او معتقد است مهم‌ترین کاربرد آن در جریان‌های کاری علمی و تخصصی است که به صدها هزار توکن استدلالی نیاز دارند.

او به بیش‌تر سازمان‌ها پیشنهاد می‌کند قبل از اینکه سیستم‌های خود را برای بهره‌گیری از این سقف بسیار بزرگ بازطراحی کنند، کارایی آن را روی جریان‌های کاری فعلی خود بسنجند.

فرصت طلایی گوگل: زیربنای هوش مصنوعی در سرتاسر اکوسیستم محصولاتش

عرضه آرگون در شرایطی رقم می‌خورد که رقابت میان گوگل، OpenAI، آنتروپیک و متا بیش از آنکه صرفاً بر سر ضریب هوشی مدل‌ها باشد، روی میزان کاربردی بودن پلتفرم‌های جامع هوش مصنوعی متمرکز شده است.

این عرضه گسترده همچنین نقطه‌عطفی کلیدی برای بخش هوش مصنوعی گوگل است؛ بخشی که در ماه‌های اخیر به خاطر سرعت توسعه مدل‌های پیشتاز و تغییرات پیاپی در تیم مدیریتی پژوهش‌هایش با انتقادات و نگاه‌های موشکافانه زیادی روبه‌رو شده بود.

همان‌طور که در زمان معرفی اولیه آرگون نیز اشاره شد، خانواده پرچم‌دار قبلی گوگل یعنی Gemini 3 در نوامبر ۲۰۲۵ معرفی شده بود، اما رقبایی مثل OpenAI و آنتروپیک اندکی بعد با مدل‌های تازه‌تر خود در ارزیابی‌های مهم از آن جلو زدند.

در ماه ژوئیه، رویترز از نگرانی سرمایه‌گذاران درباره تاخیر در عرضه Gemini 3.5 Pro، هزینه‌های سنگین زیرساختی و خروج برخی نیروها از تیم‌های هوش مصنوعی گوگل خبر داده بود.

در ماه اوت نیز طبق گزارش اکسیوس، تغییراتی در مدیریت رخ داد و دمیس هاسابیس (مدیرعامل باسابقه Google DeepMind) به عنوان رئیس هیئت مدیره و دانشمند ارشد آلفابت منصوب شد و کورای کاواکچواوغلو (Koray Kavukcuoglu) سکان هدایت DeepMind را به دست گرفت.

با در نظر گرفتن این حواشی، توانایی گوگل در ساخت، استقرار و تجاری‌سازی موفق آرگون پاسخی قاطع به این پرسش بود که آیا این غول فناوری می‌تواند پا‌به‌پای پیشتازان دنیای هوش مصنوعی بدود یا خیر؛ حتی اگر در تمام تست‌ها با اختلافی فاحش رقبایش را شکست نداده باشد.

مزیت بزرگ گوگل، گستردگی بی‌نظیر زیرساخت‌ها و محصولاتی است که می‌تواند آرگون را از طریق آن‌ها به دست کاربران برساند.

این مدل اکنون در Gemini API و سرویس‌های سازمانی گوگل در دسترس است، محیط Antigravity آن را در جریان‌های کدنویسی ادغام کرده و توسعه‌دهندگان اندروید نیز می‌توانند از طریق اندروید استودیو و Firebase AI Logic از آن بهره ببرند.

در همین حال، اپلیکیشن جمنای قابلیت‌های ایجنتی بسیار پیشرفته‌تری دریافت کرده است؛ از جمله تسک‌های ماندگاری که حتی پس از ترک کامپیوتر توسط کاربر به کار خود ادامه می‌دهند و قابلیت اتصال به بیش از ۴۰ اپلیکیشن و ابزار خارجی مختلف.

ویتوین این اکوسیستم جامع محصولات را قلب استراتژی گوگل می‌داند.

او استدلال می‌کند که گوگل برای موفقیت با آرگون لزوماً نیازی ندارد در تک‌تک ارزیابی‌های مستقل برنده مطلق باشد؛ بلکه به مدلی پیشرفته و کارآمد نیاز دارد تا مشتریان پرشمار فعلی‌اش بتوانند آن را در نرم‌افزارها و فرآیندهای تجاری روزمره خود پیاده کنند.

این نکته برای سازمان‌هایی که در حال حاضر روی گوگل کلاد، جمنای و ورک‌اسپیس سرمایه‌گذاری کرده‌اند حیاتی است؛ چرا که آن‌ها ترجیح می‌دهند زیرساخت فعلی خود را توسعه دهند تا اینکه برای هر تسک تخصصی سراغ شرکت یا ابزار متفاوتی بروند.

ویتوین همچنین انتظار دارد گوگل به ارتقای مستمر خانواده Gemini 4 ادامه دهد؛ هرچند این شرکت هنوز تاریخ عرضه‌ای برای جانشین آرگون اعلام نکرده است.

جالب اینجاست که بیزنس اینسایدر در ۱۰ اکتبر گزارش داد کارمندان گوگل در حال حاضر نسخه‌های به‌روزشده داخلی Gemini 4 را با نام‌های رمز Barium و Carbon آزمایش می‌کنند و برخی آزمایش‌کنندگان از جهش چشمگیر در قابلیت‌های کدنویسی آن خبر داده‌اند. با این حال گوگل از اظهار نظر درباره این آزمایش‌های داخلی یا برنامه‌های آینده خود خودداری کرد.

این ماجرا نشان می‌دهد که سرعت دگرگونی در این بازار رقابتی چقدر بالاست؛ آن‌قدر بالا که حتی قبل از به پایان رسیدن مهلت تخفیف آرگون، ممکن است همه‌چیز دستخوش تغییر شود.

بنابراین برای مدیران ارشد فناوری در سازمان‌ها، سوال اصلی این نیست که آیا آرگون می‌تواند در تمام لیدربوردهای هوش مصنوعی رتبه یک را کسب کند یا نه؛ بلکه مسئله این است که آیا ترکیب استدلال، هوش بصری، اتوماسیون، هماهنگی با ابزار‌های توسعه و قیمت اقتصادی آن می‌تواند نتایج مطمئن و پایداری در پروژه‌های واقعی آن‌ها رقم بزند؟

پاسخ این سوال در تست‌های عملیاتی محیط واقعی مشخص خواهد شد. اما با عرضه عمومی و سراسری آرگون برای مشتریان، گوگل بی‌شک جایگاه خود را در نبرد سنگین بر سر تصاحب پروژه‌های هوش مصنوعی سازمانی به‌شدت تقویت کرده است.