شرکت بزرگ فناوری گوگل، پس از گذراندن یک مرحله آزمایش ابتدایی با همکاری «مدافعان سایبری معتبر» از طریق برنامه Fairwind، مدل برجسته هوش مصنوعی خود را به صورت عمومی ارائه کرد. این اقدام، گام مهمی در راستای تقویت موقعیت گوگل در عرصه هوش مصنوعی به شمار می‌آید و نشان‌دهنده عزم راسخ این شرکت در زمینه نوآوری در این بخش رقابتی است. مدل‌های پیشرفته هوش مصنوعی همچون Gemini 4 Argon به تدریج به ابزارهای حیاتی برای کسب‌وکارها و توسعه‌دهندگان تبدیل می‌شوند.

دسترسی جهانی و قیمت‌گذاری رقابتی Gemini 4 Argon



در حال حاضر، Gemini 4 Argon به‌طور خاص برای کاربران پرداخت‌کننده در دسترس است. این مدل از طریق API در AI Studio برای مشترکین Google AI Ultra و Pro از طریق Gemini App، و همچنین از طریق پلتفرم توسعه نرم‌افزاری Antigravity گوگل قابل دسترسی می‌باشد.

هزینه کنونی استفاده از این مدل به میزان ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی تعیین شده است. البته باید توجه داشت که این نرخ‌ها از دسامبر به دو برابر افزایش خواهند یافت. حتی با وجود این افزایش، Gemini 4 Argon همچنان به عنوان گزینه‌ای مقرون‌به‌صرفه‌تر نسبت به دیگر گزینه‌های پیشرفته موجود در بازار، نظیر GPT-6 Astra اوپن‌اِی‌آی که هزینه‌های آن به ترتیب ۱۰ و ۵۰ دلار است، باقی خواهد ماند. با این حال، گزارش‌هایی در خصوص تردید برخی از کارکنان گوگل در مورد کارایی این مدل در حیطه‌های کلیدی مانند کدنویسی نیز منتشر گردیده است.

کاربردهای پیشرفته و پتانسیل روباتیک با Gemini 4 Argon

به منظور ترویج مدل نوین خود، گوگل بر کاربرد وسیع آن در تیم‌های داخلی خود تأکید داشته است. کورای کاوکچواوغلو، مدیر Google DeepMind، اظهار داشت که مهندسان نرم‌افزار از Gemini 4 Argon برای حل «چالش‌های پیچیده مهندسی» و تسریع در تولید کدهای با کیفیت بهره‌برداری کرده‌اند. او همچنین خاطرنشان کرد که این مدل به بهینه‌سازی و تسهیل تجربه کاربران در مرورگر کروم نقش بسزایی داشته است.

کاوکچواوغلو همچنین اذعان داشت که Gemini 4 Argon با ترکیب استدلال چندوجهی، کدنویسی مبتنی بر عامل و «درک عمیق فیزیکی»، می‌تواند منجر به پیشرفت‌های قابل‌توجهی در توسعه ربات‌های شبیه‌ساز شود؛ نوعی از هوش مصنوعی که برخی کارشناسان آن را تنها مسیر ممکن برای دستیابی به هوش عمومی مصنوعی واقعی می‌دانند. در یک آزمایش شگفت‌انگیز، این مدل با تحلیل یک ویدیو از یک فرد در حال بازی، توانست نقشه‌برداری از طرح فیزیکی اتاق و حرکات آن انسان را به انجام رساند. سپس این محاسبات به یک ربات انسان‌نما منتقل شد که موفق شد در یک آزمایش واقعی، «هفت پرتاب متوالی را با موفقیت انجام دهد».

گوگل