Gemini 4 Argon نموذج حدودي غير مسموح لك باستخدامه بعد

أعلنت جوجل هذا الأسبوع عن Gemini 4 Argon وقامت بشيء أقل شيوعًا من إطلاق نموذج: أطلقت المنتج مع بوابة. يتوفر Argon في البداية فقط من خلال برنامج Fairwind، لمجموعة مختارة من المدافعين السيبرانيين. يأتي المطورون والمؤسسات والمستهلكون لاحقًا، بعد أن تكون جوجل قد استخدمت ملاحظات المختبِرين الأوائل لتشديد ضماناتها.
هذا التسلسل هو القصة. كان بإمكان جوجل أن تنشر نتيجة قياس رئيسية وتفتح واجهة API. بدلاً من ذلك، تعاملت مع نموذج حدودي كعملية نشر مُتحكَّم بها، وجعل الإطلاق سياسة الوصول جزءًا من المنتج وليس حاشية له.
الأرقام، والسعر
يستهدف Argon هندسة البرمجيات طويلة الأفق، والعمل المعرفي القانوني والمالي، والدفاع السيبراني. تذكر جوجل حدًا للمخرجات يبلغ مليون رمز وتُبلغ عن DeepSWE v1.1 بنسبة 77.9 بالمائة، وAutomationBench بنسبة 51.3 بالمائة، وLVBench بنسبة 91.7 بالمائة. وتقول إن النموذج يمكنه بشكل مستقل العثور على الثغرات والتحقق منها وترقيعها، وإنه يُستخدم بالفعل داخليًا لترحيل قواعد الكود الكبيرة.
التسعير هو حيث يظهر الضغط التنافسي. تذكر جوجل سعرًا تمهيديًا قدره 2 دولار لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج، مع خصم 95 بالمائة على الإدخال المخزن مؤقتًا. تلامس هذه الأرقام تقريبًا مباشرة سعر GPT-6.1 Sol من OpenAI، وعندما يسعّر مختبران حدوديان بهذا القرب، يقرأ السوق ذلك كبداية ضغط على الجميع.
من جانبها، أنهت Anthropic خصومات العملاء بينما تكافح من أجل إنفاق المؤسسات. يتصدر Claude Sonnet 5.5 حاليًا مؤشر Coding Agent عند 68، لكن مهامه هي أيضًا الأكثر تكلفة المقاسة، حيث تصل إلى 14.19 دولارًا لمهمة واحدة. يسجل GPT-6.1 Sol 63 على نفس المؤشر بحوالي 1.04 دولار لكل مهمة. وصف Sam Altman نموذج Sol بأنه الأسرع نموًا على الإطلاق مع إقراره بأنه يعمل ببطء تحت الحمل. قال Logan Kilpatrick من جوجل إن كل مراجعة لـ Gemini تخضع لأسابيع من الاختبار من قبل آلاف مهندسي البرمجيات قبل الإصدار.
ضع هذه الحقائق الأربع جنبًا إلى جنب ويتضح شكل اللحظة. القدرة الخام تتقارب. ما يتم التفاوض عليه الآن هو التكلفة لكل مهمة، والموثوقية تحت الحمل، ومدى استعداد مختبر للسماح للجمهور بالاقتراب من أقوى نموذج لديه مبكرًا.
لماذا يُعد تقييد الوصول إلى نموذج قرارًا منتجيًا
في معظم عصر روبوتات الدردشة، كان الإصدار يعني مفتاح API وحدًا للمعدل. يكسر Argon هذا النمط، والسبب هو أن حالات الاستخدام المعلنة له هي الخطيرة. النموذج الذي يمكنه بشكل مستقل تحديد الثغرات وترقيعها هو أيضًا نموذج يمكنه تحديدها لشخص آخر. النموذج الذي يتعامل مع الاستدلال القانوني والمالي على أفق مليون رمز هو نموذج تتراكم أخطائه بهدوء.
كما أن التقييد يخلق حلقة تغذية راجعة يمكن لجوجل التحكم بها. ينتج المختبرون الموثوقون أدلة تشغيلية، والتي تغذي تحسينات الضمانات قبل أن يصل النموذج إلى جمهور عام. سواء كان ذلك حذرًا حقيقيًا أو طريقة لكسب الوقت ضد OpenAI، فهذا شيء ستُظهره فقط التفاصيل الداخلية. وفي كلتا الحالتين، تم وضع السابقة: يمكن إطلاق نموذج حدودي كبرنامج محدود، ويصبح قرار الوصول بنفس أهمية الأوزان.
ما يجب أن يستفيد منه بناة الوكلاء
يُهم طول مسار Argon البالغ مليون رمز لأي شخص يبني وكلاء فوقه. الآفاق الأطول تجعل المهام الطويلة حقًا ممكنة، كما تجعل القابلية للملاحظة غير قابلة للتفاوض. عملية تمتد عبر مليون رمز ليست شيئًا يمكن لشخص تدقيقه بقراءة النهاية.
الاستجابة العملية هي التعامل مع الأذونات كمشكلة تصميم. يجب أن يفصل وقت تشغيل الوكيل الشخصي بين أذونات القراءة والكتابة والتنفيذ والإرسال الخارجي، ويحتفظ بالأحداث الخام ومصادرها، ويتطلب موافقة قبل أي شيء لا رجعة فيه. هذه النصيحة ليست خاصة بـ Argon، لكن Argon يجعلها عاجلة، لأن نموذجًا يمكنه التصرف لساعات يحتاج إلى طبقة قرار يمكنها إيقافه في ثوانٍ.
المنطق نفسه يتخلل تحركًا صناعيًا أوسع. أصدرت AWS نموذج Strands Decider 2B، وهو نموذج قرار مفتوح يُرجع خيارًا ومقياس ثقة بدلاً من نص نثري، صغير بما يكفي للتشغيل محليًا. إنه مصمم لخطوات محدودة مثل التوجيه وإعادة المحاولات وتصنيف المخاطر واختيار الأدوات. الرسالة هي أن ليس كل خطوة وكيل تحتاج إلى نموذج حدودي، ووضع نموذج رخيص في مستوى التحكم يتيح لك التحقق بشكل أكثر تكرارًا.
التصادم السعري وراء البوابة
البوابة ليست الإشارة الوحيدة في الإصدار. التسعير التمهيدي من جوجل عند 2 دولار لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج، مع خصم 95 بالمائة على التخزين المؤقت، يضع Argon تقريبًا تمامًا فوق GPT-6.1 Sol من OpenAI. عندما يهبط مختبران حدوديان في نفس نطاق السعر بهذا القرب، فهذا يعني عادة أن الحدود توقفت عن كونها مكانًا لفرض علاوة وبدأت تكون مكانًا للتنافس على التكلفة.
هذا تحول في شكل السوق. في معظم العامين الماضيين، كانت النماذج باهظة الثمن باهظة لأن لا شيء أرخص كان جيدًا بالقدر نفسه. بمجرد أن تتقارب القدرة، يتغير السؤال الذي يطرحه المشتري من أي نموذج هو الأفضل إلى أي نموذج جيد بما يكفي بأقل تكلفة لكل مهمة منتهية. نموذج أفضل بنسبة 5 بالمائة لكن بسعر ثلاثة أضعاف يصعب بيعه عندما نادرًا ما يظهر الفرق في المخرجات.
أرقام Argon القياسية قوية، والجزء المثير للاهتمام هو ما هي قوية فيه. DeepSWE v1.1 عند 77.9 بالمائة وAutomationBench عند 51.3 بالمائة يصفان هندسة البرمجيات وعمل الأتمتة بدلاً من المحادثة العامة، وLVBench عند 91.7 بالمائة يشير إلى فهم الفيديو الطويل. جوجل لا تروج لروبوت دردشة أفضل. إنها تروج لوكيل يمكنه العمل على الكود ومشاهدة المدخلات الطويلة، وهو بالضبط عبء العمل حيث تهيمن التكلفة لكل مهمة على الفاتورة الإجمالية.
طبقة الثقة يتم إضفاء الطابع الرسمي عليها
لم يحدث إصدار جوجل المقيّد في فراغ. يتضمن التزام مشترك جديد بشأن المسؤوليات الحدودية، وقّعت عليه شركات ذكاء اصطناعي كبرى، مراقبة داخلية وتقييمًا خارجيًا مستقلًا ولجنة مجلس إدارة مستقلة، تغطي إساءة الاستخدام السيبراني والبيولوجي والكيميائي بالإضافة إلى الوصول غير المقصود إلى الأنظمة التقنية. أصبحت السلامة الحدودية مشكلة تنظيمية وتدقيقية، وليست مجرد مشكلة فريق بحثي.
سيكون الاختبار هو ما إذا كان بإمكان المقيّمين الخارجيين رؤية ما يكفي لإعادة إنتاج نتيجة، وما إذا كانت الالتزامات تحمل عواقب عندما تفشل الضوابط. هذه الأسئلة تنطبق على نموذج مقيّد مثل Argon بقدر ما تنطبق على نموذج مفتوح. البوابة التي تتحكم بها ليست أفضل من الأشخاص المسموح لهم بالمرور عبرها.
يشير Argon إلى سوق حيث تخطط النماذج الحدودية، بينما تتولى طبقات السياسات والقرارات المنفصلة التنفيذ. هذا الفصل هو بالفعل الطريقة التي تبني بها الفرق الحذرة. جعلته جوجل للتو الوضع الافتراضي لأقدر نموذج لديها، وسيتبعها بقية المجموعة، لأن البديل هو إطلاق نظام يمكنه التصرف على نطاق واسع قبل أن يتفق أي شخص على من يتحمل المسؤولية عندما يتصرف بشكل خاطئ.
مقالات ذات صلة
الحلقة التي بنتها Nvidia حول عملائها: 99 مليار دولار
بيع المعاول نشاط جيد. إقراض من يشتري المعاول نشاط آخر تمامًا، وله اسم مختلف حين ينتهي الازدهار، وهو الاسم الذي يقلق المحللين.
هامش 74% له تاريخ انتهاء صلاحية
ثلاث قوى تصل في الأرباع الأربعة نفسها، وكل نقطة هامش تكلف نحو 3 مليارات دولار في السنة، أي ما يعادل شركة شرائح كاملة.
175 ألف توقيع لن تعيده. هذا ما قد يعيده
كلما طال الوقت الذي تحتاجه الحملة للفوز، ضعفت حجتها. هذا هو الفخ المبني داخل الحملة نفسها، ولا عريضة تستطيع إلغاءه.
قاعدة التصدير نقلت وحدة التحكّم من الشريحة إلى العميل
القاعدة لا تحظر الشرائح. إنها تسأل من هو المستخدم النهائي، وهذه مساحة تنظيمية أوسع وأصعب في التنفيذ من قائمة دول.