Google розгортає підтримку Gemini 4 Argon у своєму агентному середовищі для розробників Antigravity. Оновлення вже активно надходить до підписників AI Pro та AI Ultra – і це не просто черговий апгрейд моделі, а суттєве розширення можливостей платформи для вирішення складних інженерних задач.
Gemini 4 Argon – флагманська ШІ-модель Google, анонсована наприкінці вересня й розгорнута для широкого кола користувачів раніше цього тижня. Тепер вона доступна й у середині Antigravity – агентної платформи розробки, яка використовує ШІ та автономних агентів для написання коду й створення застосунків.
Разом із доступом до нової моделі Google вводить окрему тижневу квоту для Argon – вона йде поверх наявної квоти для Gemini 3.8 Flash. Таким чином користувачі зможуть обирати між моделями залежно від конкретного завдання. За словами Google, Argon «розроблений для вирішення найскладніших проблем».
Як Argon вже застосовується всередині Google
Google оприлюднила конкретні приклади внутрішнього використання Argon у Antigravity:
- Оптимізація коментарів на YouTube: Argon проаналізував профільні дані продакшн-середовища і виявив, що надлишкове рендерингу емодзі відповідало за майже 45% навантаження на сервер. Після 12 цільових оптимізацій серверна затримка завантаження коментарів скоротилась на 30 мс, а клієнтська наскрізна затримка – на 20 мс. Загальне навантаження на CPU зменшилось удвічі.
- Відлагодження симулятора фізики дронів Wing: Argon проаналізував власний внутрішній симулятор фізики дронів компанії Wing, розібравшись не лише зі структурою коду, а й із самою фізикою та математикою. Модель запропонувала 18 цільових покращень у сферах аеродинаміки, двигунів і структурної динаміки.
- Розчистка черги багрепортів: зі 134 відкритих звітів про помилки Argon за менш ніж 3 години закрив 97 застарілих або дублікатних – тобто 72,4% черги – та розподілив решту 37 між відповідальними без жодного непризначеного тікету.
- Міграція legacy-коду: команда задіяла Argon для повного переписування критичного наукового коду з Fortran на сучасний Rust. Модель самостійно виконала міграцію, досягши приросту продуктивності у 1,8x і забезпечивши безпечну роботу з пам’яттю.
- Аудит безпеки: Argon перевірив пакет змін у контролі доступу, відстежуючи реальні потоки прав доступу під час виконання, а не лише читаючи diff коду. Знайдено 4 критичні вразливості безпеки – тоді як дві попередні флагманські моделі, перевіривши той самий код, не виявили жодної.
- Тріаж тікетів підтримки: Argon обробляє десятки тікетів за зміну – сортує їх за типом проблеми, відстежує першопричини, пропонує виправлення й готує відповіді для затвердження людиною. Це вивільнило 2-3 години за зміну.
- Локалізація документації: команда DevRel перевела сотні сторінок документації для розробників на 17 мов за лічені години замість кількох тижнів.
- Модернізація пайплайну датацентрів: менеджер програм з Data Science за кілька днів вивів у продакшн аналітичний пайплайн обсягом 3200 рядків коду на Python, SQL і дашбордах – завдяки спільній роботі з Argon.
- Кваліфікація потенційних клієнтів для Ads: Argon побудував автоматизований воркфлоу для менеджера з продажів, який перевіряє трафік сайтів потенційних клієнтів і зіставляє дані з базою продажів. Це скоротило час на дослідження на 90% і заощадило понад 10 годин ручної роботи щотижня.
- Фінансовий аналіз: фінансовий керівник використав Argon із кастомними плагінами для 80 окремих воркфлоу – від фінансових звірок і відстеження бюджету до щоденних брифінгів для керівництва. За сім робочих днів 15,5 годин людського контролю дали приблизно 335 людино-годин валідованих фінансових результатів, заощадивши понад вісім тижнів ручної роботи.
Наведені приклади демонструють, що Google позиціонує Argon не як інструмент автодоповнення коду, а як повноцінного агента для вирішення складних багатоетапних задач – від рефакторингу до безпекового аудиту.
Джерело – 9to5Google
