# Gemini 4 Argon: il nuovo modello di Google per codice, lavoro e cybersicurezza

_Cosa dichiara Google sul modello, con i benchmark letti dai grafici ufficiali_

Fonte: https://andreapirazzini.it/blog/gemini-4-argon-il-nuovo-modello-di-google-per-codice-lavoro-e · 12 ottobre 2026

> Articolo redatto da un sistema di AI a partire da fonti ufficiali: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/.

## In breve

- Google dichiara per Gemini 4 Argon un limite di 1 milione di token in output, contro i 64K del modello precedente.
- Il prezzo introduttivo è di 2 dollari per milione di token in input e 10 dollari per milione di token in output.
- Argon è in distribuzione a un gruppo ristretto di difensori informatici fidati attraverso il Fairwind Program.
- Su CWE-bench v1 il modello ottiene il 68%, pari al primo posto secondo i dati che Google riporta.
- Su DeepSWE v1.1 Google indica il 77,9%, che secondo l'azienda è un nuovo stato dell'arte.

## Perché se ne parla

Il **30 settembre 2026** **Google** ha annunciato **Gemini 4 Argon**, il suo nuovo modello di frontiera. A presentarlo è stato **Koray Kavukcuoglu**, SVP di Google DeepMind e Chief AI Architect di Google. Per ora il modello è in distribuzione a un gruppo selezionato di difensori informatici fidati, attraverso il **Fairwind Program**.

Google lo presenta per lavori complessi e di lungo periodo: sviluppo software, lavoro di conoscenza in ambiti come legale e finanza, e difesa informatica. Le prestazioni citate nell'annuncio sono dichiarazioni del produttore, che le riporta come tali.

Il rilascio avviene per fasi. Google partecipa al processo volontario del **governo degli Stati Uniti** per l'accesso ai modelli prima della pubblicazione e intende raccogliere il riscontro dei primi tester prima di ampliare l'accesso.

## Cosa cambia nel lavoro interno di Google

Google descrive tre ambiti in cui i propri team interni usano già Gemini 4 Argon. Le cifre seguenti sono **risultati interni riportati da Google**, non verificati da fonti indipendenti.

- **Ottimizzazione quantistica**: per le subroutine che rallentano le applicazioni dei ricercatori di calcolo quantistico, Argon ha ridotto del **40%** le risorse spaziotemporali (qubit × porte) rispetto alla baseline pubblicata, in pochi minuti in un esempio.
- **Efficienza di memoria**: agenti Argon hanno analizzato la telemetria di profiling dei data center di Google e applicato ottimizzazioni che, una volta distribuite, liberano oltre **300 TiB**, con una stima di **500 TiB–1 PiB** di risparmio complessivo.
- **Migrazione da C/C++ a Rust**: per libgav1, il decoder video open source di Google, gli agenti hanno sostituito **32K** righe di codice SIMD. Il decoder risultante, con memoria sicura, è **2,7 volte** più veloce del port Rust e produce lo stesso output video.

## Ragionare su compiti lunghi: il limite di output

Il limite di output di Gemini 4 Argon passa da **64K** a **1 milione di token**. Google collega questo aumento alla possibilità del modello di generare **centinaia di migliaia di token** in una sola traiettoria di ragionamento, cioè in un unico percorso continuo di elaborazione.

Per voi professionisti il vantaggio è pratico: un problema complesso può essere affrontato in un'unica esecuzione, invece di essere spezzato in più richieste successive che poi dovete ricomporre a mano. Il modello ha più spazio per ragionare in profondità e per produrre un risultato completo in una volta sola.

- **Token**: unità di testo elaborata dal modello, spesso un frammento di parola.
- **Limite di output**: quantità massima di token che il modello può generare in risposta.
- **Traiettoria di ragionamento**: sequenza continua di passaggi con cui il modello arriva alla risposta.
- **Long-horizon**: compiti lunghi, formati da più passaggi collegati tra loro.

## Coding, finanza e legale: i benchmark dichiarati

### Coding e lavoro su codice

Google dichiara che **Gemini 4 Argon** raggiunge lo stato dell'arte su **DeepSWE v1.1** con il **77,9%**, un test che misura le prestazioni su attività di ingegneria del software svolte su orizzonti lunghi. Per **AutomationBench**, il benchmark di Zapier sull'esecuzione end-to-end di funzioni aziendali, il produttore indica il primo posto con il **51,3%**.

### Finanza e diritto

Secondo Google, Argon è il modello in testa al **Vals Index**, che misura l'impatto economico su finanza, coding, legale e fiscale, pesando ogni settore in base al contributo al PIL statunitense. Il produttore dichiara prestazioni di vertice anche su **Vals Finance Agent v2**, dedicato alla ricerca finanziaria in più passaggi, e su **Harvey's Legal Agent Benchmark**, dedicato a ricerca e redazione giuridica. Per questi tre test il testo non riporta punteggi.

> **Nota:** Tutti i valori di questa sezione sono dichiarazioni del produttore e non risultati di verifiche indipendenti.

- **77,9%** DeepSWE v1.1 (Stato dell'arte secondo Google)
- **51,3%** AutomationBench (Zapier) (Primo posto secondo Google)
- **91,7%** LVBench (Stato dell'arte secondo Google)

_Fonte: Dichiarazioni di Google, 30 settembre 2026_

## Difesa informatica: CWE-bench v1

Nel leaderboard di CWE-bench v1, che misura la capacità di un modello di correggere vulnerabilità di sicurezza, **Gemini 4 Argon** ottiene il **68%** di Pass@1, a pari merito con **Grok 4.7** e **GPT-6 Astra**. Seguono **Claude Opus 5.5** al **67%** e **Claude Fable 5.1** al **58%**. Il valore più basso è quello di **Inkling**, al **37%**. Quando due modelli hanno lo stesso Pass@1, la posizione dipende dal Pass@4.

**CWE-bench v1: Pass@1 per modello** — Pass@1, a parità risolta da Pass@4. Più alto è meglio

| Voce | Pass@1 (%) |
| --- | --- |
| Grok 4.7 (opencode) | 68% |
| Gemini 4 Argon (Antigravity) | 68% |
| GPT-6 Astra (Codex) | 68% |
| Claude Opus 5.5 (Claude Code) | 67% |
| Claude Fable 5.1 (Claude Code) | 58% |
| Grok 4.6 (opencode) | 57% |
| DeepSeek-V4.1-Flash (opencode) | 55% |
| Muse Spark 1.3 (opencode) | 55% |
| Hy4 Preview (opencode) | 53% |
| GPT-6 Sol (Codex) | 52% |
| Inkling (opencode) | 37% |

_Fonte: Google DeepMind, valori letti dal grafico ufficiale_

![Grafico a barre del leaderboard CWE-bench v1 con undici modelli e il punteggio di ciascuno, con Gemini 4 Argon evidenziato in blu](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/c324a2d7-2de2-4f88-a8de-9014c4bd4337/7842f1a0-0117-417b-98a1-5389f1c4b1a6.webp)
*Il grafico originale pubblicato da Google mostra gli stessi punteggi della tabella sopra, con Gemini 4 Argon in blu al 68%. Fonte: Google DeepMind.*

La metodologia del test è pubblicata da Google, che dichiara il punteggio come proprio dato, come indicato nel [post di lancio](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/). Questi risultati sono quindi dichiarazioni del produttore, da leggere come tali.

Google scrive che Argon si basa sulle prestazioni di 3.8 Flash Cyber su CWE-bench v0. Per CWE-bench v1 la fonte non riporta il punteggio di 3.8 Flash Cyber, quindi in questa sezione non è possibile un confronto diretto con quel modello.

## Scoprire vulnerabilità e test di penetrazione

Nei due benchmark interni di Google e Wiz, Gemini 4 Argon ottiene **85,8%** contro **71%** di Gemini 3.8 Flash Cyber nella scoperta di vulnerabilità su codice sorgente in 20 linguaggi, e **70,9%** contro **58,2%** nel test di penetrazione Wiz su sistemi web senza codice sorgente. Non si tratta di benchmark pubblici: la metrica è Pass@1, e il punteggio più alto indica la prestazione migliore.

![Due grafici a barre affiancati sotto il titolo «Discovering security vulnerabilities»: a sinistra la scoperta di vulnerabilità su codice sorgente, a destra il test di penetrazione Wiz, con barre blu…](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/c324a2d7-2de2-4f88-a8de-9014c4bd4337/f1510c4f-3b5c-4dfc-acd6-cc7f5aa982af.webp)
*Il grafico ufficiale di Google mostra gli stessi due test che qui vengono riportati con la serie di Argon in evidenza. Fonte: Google DeepMind.*

**Scoperta di vulnerabilità e test di penetrazione** — Pass@1, punteggio più alto migliore. Benchmark interni di Google e Wiz, non pubblici

| Voce | Gemini 4 Argon | Gemini 3.8 Flash Cyber |
| --- | --- | --- |
| Scoperta di vulnerabilità su codice sorgente (20 linguaggi) | 85,8% | 71% |
| Test di penetrazione Wiz (senza codice sorgente) | 70,9% | 58,2% |

_Fonte: Google DeepMind, valori letti dal grafico ufficiale_

Il grafico affianca i due modelli per ciascun test, e in entrambi Argon ha il punteggio più alto. Secondo la fonte, nel test Wiz Argon individua la superficie d'attacco, identifica le vulnerabilità e produce prove di concetto per validarle. Per un confronto con altri modelli orientati alla cybersicurezza, vedi [OpenAI Daybreak e GPT-5.6-Cyber](https://andreapirazzini.it/blog/openai-daybreak-gpt-5-6-cyber); la fonte ufficiale è [Gemini 4 Argon: our next era of frontier intelligence](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/).

## Prompt injection: il benchmark Gray Swan IPI

Google dichiara che **Gemini 4 Argon** è il suo modello più resistente finora agli attacchi di prompt injection indiretta, cioè istruzioni malevole nascoste in documenti o pagine web che dirottano il comportamento dell'AI. Il benchmark Gray Swan IPI misura la percentuale di attacchi riusciti. Nelle barre impilate, i tre livelli mostrano i tassi per **k=1**, **k=10** e **k=15** tentativi, mentre il numero sopra ogni barra indica il valore a k=15 ([documento Google](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/)).

![Grafico a barre Gray Swan IPI con i tassi di successo degli attacchi per tredici modelli, da Gemini 4 Argon a Kimi K3, con il valore a k=15 sopra ogni barra](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/c324a2d7-2de2-4f88-a8de-9014c4bd4337/bd313d6a-1cad-4fe1-ab4b-4f526e9abe7b.webp)
*Il grafico ufficiale mostra le barre impilate per k=1, k=10 e k=15 tentativi, con il valore a k=15 scritto sopra ciascun modello. Fonte: Google DeepMind.*

**Gray Swan IPI: tasso di successo degli attacchi a k=15** — Più basso è meglio

| Voce | k=15 (%) |
| --- | --- |
| Gemini 4 Argon | 0,7% |
| Claude Opus 5.5 | 1% |
| Claude Fable 5.1 | 1% |
| Claude Opus 5 | 4,6% |
| Gemini 3.8 Flash | 5,5% |
| Gemini 3.8 Flash Cyber | 6% |
| GPT-6 Astra | 8,5% |
| GPT-6 Sol | 10,1% |
| Muse Spark 1.3 | 15,9% |
| GPT-5.6 Sol | 27% |
| GLM 5.3 | 31,5% |
| Grok 4.6 | 51,8% |

_Fonte: Google DeepMind, valori letti dal grafico ufficiale_

Nel grafico **Gemini 4 Argon** si ferma a **0,7%**, seguito da **Claude Opus 5.5** e **Claude Fable 5.1** a **1,0%**. All'estremo opposto, **Grok 4.6** arriva a **51,8%** e **Kimi K3** a **52,7%**. Sono dati dichiarati dai produttori sui propri modelli e su quelli concorrenti, da leggere come tali, come nelle schede dei modelli [Claude Opus 5.5](https://andreapirazzini.it/blog/claude-opus-5-5-benchmark-prezzi-sicurezza) e [GPT-6 Astra](https://andreapirazzini.it/blog/gpt-6-astra-openai-benchmark-prezzi).

## Le salvaguardie prima del rilascio

### Le quattro aree di intervento

Google dichiara di rafforzare le salvaguardie su quattro fronti. **Uso improprio**: il modello deve rifiutare richieste legate a **attacchi informatici** o ad armi **CBRN**, pur sostenendo la ricerca a duplice uso. Le protezioni sono state testate da team interni ed esterni di red teaming.

**Prompt injection**: secondo Google, Argon è il suo modello più resistente finora a istruzioni malevole nascoste in documenti o dati. Il primato sul benchmark Gray Swan IPI è un dato dichiarato dal produttore.

**Disallineamento**: sistemi di mitigazione controllano catena di pensiero e azioni e bloccano l'esecuzione quando serve. Gli stessi controlli monitorano i training run e avvisano un team di risposta agli incidenti. I risultati non tornano nell'addestramento, per non insegnare al modello a eludere il monitoraggio.

**Sandbox**: prima di addestramenti o valutazioni ad alto rischio, gli ambienti vengono isolati e sigillati.

### Il quadro di riferimento

Il [Frontier Safety Framework](https://deepmind.google/blog/strengthening-our-frontier-safety-framework/) di **Google DeepMind**, alla **terza versione**, introduce una Critical Capability Level sulla manipolazione dannosa. Dal **17 aprile 2026** aggiunge le Tracked Capability Levels, soglie di allerta precoce per rischi meno estremi.

### Piccolo glossario

- **Red teaming**: test che cercano di aggirare le protezioni.
- **Catena di pensiero**: i passaggi di ragionamento prima della risposta.
- **CBRN**: armi chimiche, biologiche, radiologiche e nucleari.
- **CCL**: livello di capacità che segnala un rischio severo.

## Prezzi e disponibilità

Google indica un **prezzo introduttivo** per Gemini 4 Argon: **2 dollari** per milione di token in input e **10 dollari** per milione di token in output. I token in input memorizzati in cache sono scontati del **95%** rispetto al prezzo di input.

### Fasi di disponibilità

1. Difensori di cybersicurezza fidati, attraverso il Fairwind Program, dove Argon è in fase di rilascio.
2. Clienti API a pagamento e abbonati Google AI Ultra, che Google indica come i destinatari successivi.

La fonte non fissa una data per la seconda fase. Il prezzo è introduttivo e può cambiare al lancio generale.

## Come leggere questi numeri

### Chi dichiara i punteggi

I punteggi citati nel [annuncio Google](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/) sono dichiarati dall'azienda stessa. Sono misurati in test scelti da Google, e la metodologia è riportata su **deepmind.google**. Il comunicato non riporta verifiche di terze parti. Alcuni test, come quelli interni a Google o a Wiz, non sono descritti in dettaglio e non possono essere riprodotti da terzi.

### Termini ricorrenti

- **Pass@1** e **Pass@4**: misurano la percentuale di problemi risolti al primo tentativo, oppure in almeno uno di quattro tentativi. Il comunicato non specifica quale variante sia usata per i punteggi citati.
- Pari merito: quando Argon «ties for first place» nel CWE-bench, condivide il primo posto con un altro modello, con lo stesso punteggio.
- Più basso è meglio: per il benchmark **Gray Swan IPI**, sulla resistenza agli attacchi di prompt injection, il risultato migliore è il punteggio più basso. Per gli altri test vale il contrario.
- Token: unità di testo che il modello legge e scrive. Il limite di **1 milione** indica quanto testo può gestire in una sola elaborazione.
- Chain-of-thought: il ragionamento intermedio del modello prima della risposta finale.
- Prompt injection: istruzioni malevole nascoste in testi o dati, che tentano di dirottare il comportamento del modello.
- Red teaming: test in cui team interni o esterni cercano di far fallire il modello.
- SIMD: istruzioni del processore che elaborano più dati in parallelo.

## Cosa significa per un'azienda

1. **Verificate se il vostro caso d'uso rientra in coding, documenti legali o finanza** prima di valutare Argon. Sono gli ambiti in cui Google dichiara prestazioni al vertice nei propri test, come il **77,9%** su DeepSWE v1.1 e il primo posto nel Vals Index: si tratta di dati del produttore, non di verifiche indipendenti. Per confrontare i fornitori potete partire da [come scegliere a chi affidare un progetto di intelligenza artificiale](https://andreapirazzini.it/blog/come-scegliere-a-chi-affidare-l-ai).
2. **Chiedete l'accesso anticipato solo se siete tra i difensori fidati del Fairwind Program**, che è il gruppo a cui Argon è in distribuzione in questa fase. Per le altre aziende, Google indica come primi destinatari del rilascio i clienti API a pagamento e gli abbonati Google AI Ultra, senza una data precisa.
3. **Confrontate il prezzo introduttivo con altri modelli.** Argon costa **2 dollari** per milione di token di input e **10 dollari** per milione di token di output, con i token in cache scontati del **95%**. Il prezzo è dichiarato come introduttivo: prima di decidere, mettetelo a confronto con le schede di [GPT-6 Astra](https://andreapirazzini.it/blog/gpt-6-astra-openai-benchmark-prezzi) e [Claude Opus 5.5](https://andreapirazzini.it/blog/claude-opus-5-5-benchmark-prezzi-sicurezza), anche sui costi reali del vostro flusso di lavoro.
4. **Affrontate la sicurezza informatica solo con un fornitore e un processo chiari.** Google dichiara che Argon può trovare, validare e correggere vulnerabilità in modo autonomo, ma verrà rilasciato senza protezioni cyber per i difensori fidati. Definite prima chi risponde dei risultati, quali controlli applicare e come verificare le correzioni proposte.

## Domande frequenti

**Quando sarà disponibile per tutti?**

La fonte non indica una data. Google parla di un rilascio per fasi: dopo i test con i difensori informatici selezionati, l'accesso partirà dai clienti **API** a pagamento e dagli abbonati **Google AI Ultra**. Il prezzo introduttivo è di **2 dollari** per milione di token di input e **10 dollari** per milione di token di output.

**Posso già usare Gemini 4 Argon?**

Non per il pubblico. Oggi Argon è distribuito a un gruppo ristretto di difensori informatici di fiducia attraverso il **Fairwind Program**.

**Che cosa significa un punteggio di benchmark dichiarato dal produttore?**

Un benchmark è un test standard che misura una capacità specifica. Il punteggio, come il **77,9%** su DeepSWE v1.1 per l'ingegneria del software, è riportato da Google: si tratta di una sua dichiarazione. Per confrontarlo con altri modelli servono test identici, e ogni test misura un compito preciso, non il valore complessivo del modello per la vostra azienda.

**Qual è la differenza tra l'output di 1 milione di token e il contesto?**

Il limite di **1 milione** di token citato nella fonte riguarda l'output: il limite precedente era di **64mila** token. Con più margine, il modello può generare centinaia di migliaia di token in un'unica traiettoria di lavoro. La fonte non indica una cifra separata per il contesto in ingresso, quindi non è possibile confrontare i due valori.

> **Nota:** Questo articolo è stato scritto con l'aiuto dell'intelligenza artificiale.

## Come è stato calcolato il voto

Il voto della valutazione è la media di questi criteri, ciascuno motivato con un fatto delle fonti ufficiali.

| Criterio | Voto | Motivo |
| --- | --- | --- |
| Prestazioni dichiarate | 7/10 | Google dichiara il 77,9% su DeepSWE v1.1 e un primo posto su AutomationBench con 51,3%, ma le fonti non riportano verifiche indipendenti di questi valori. |
| Sicurezza informatica | 7,5/10 | Su CWE-bench v1 il modello ottiene 68%, ex aequo con Grok 4.7 e GPT-6 Astra, e sui test di scoperta vulnerabilità supera 3.8 Flash Cyber (85,8% contro 71% e 70,9% contro 58,2%), con valori letti da grafici ufficiali. |
| Prezzo e disponibilità | 5/10 | Il prezzo introduttivo è di 2 dollari per milione di token in input e 10 dollari in output, ma il modello è oggi accessibile solo a un gruppo ristretto tramite il Fairwind Program e la data di apertura generale non è fissata. |
| Robustezza ai attacchi di prompt… | 7/10 | Nel benchmark Gray Swan IPI con k=15 Argon registra 0,7%, contro l'1% di Claude Opus 5.5 e Claude Fable 5.1, dato riportato da un grafico ufficiale. |
| Apertura e trasparenza | 3/10 | Le fonti non indicano licenza, condizioni d'uso né prezzi dei modelli concorrenti per un confronto diretto. |