Google เปิดให้ผู้ใช้แบบชำระเงินเข้าถึง Gemini 4 Argon พร้อมราคาเริ่มต้นและการเปิดเผยข้อมูลด้านความปลอดภัยเพิ่มเติม

ขยายการเปิดให้ใช้งาน พร้อมผลลัพธ์ที่วัดได้และความเสี่ยงที่ยอมรับ

Google เปิดให้เหล่านักพัฒนา ธุรกิจ และผู้บริโภคที่ชำระเงินทั่วโลกใช้งาน Gemini 4 Argon เมื่อวันที่ 13 ตุลาคม 2026 พร้อมกำหนดราคา API ช่วงแนะนำที่ 2 ดอลลาร์ต่อโทเคนขาเข้า 1 ล้านโทเคน และ 10 ดอลลาร์ต่อโทเคนขาออก 1 ล้านโทเคน รวมทั้งกล่าวถึงความสามารถด้านวิศวกรรมซอฟต์แวร์ การวิจัยทางวิทยาศาสตร์ และหุ่นยนต์อย่างละเอียด การขยายการใช้งานครั้งนี้เกิดขึ้น 13 วันหลังการเปิดตัวเมื่อวันที่ 30 กันยายน ซึ่งจำกัดสิทธิ์ไว้เฉพาะผู้พิทักษ์ความปลอดภัยทางไซเบอร์ที่ได้รับคัดเลือก

การเปิดตัวครั้งนี้ยังสะท้อนภาพด้านความปลอดภัยที่มีเงื่อนไขมากกว่าการประกาศเรียบง่ายว่าผ่านการตรวจสอบ Google DeepMind ระบุว่าไม่อาจตัดความเป็นไปได้ที่ Argon จะมีความสามารถถึงเกณฑ์วิกฤตด้านข้อมูลชีวภาพและความปลอดภัยทางไซเบอร์ หรือถึงอีกเกณฑ์หนึ่งที่เกี่ยวข้องกับการซ่อนเร้นและการรับรู้สภาพแวดล้อมที่นำโมเดลไปใช้งาน Google ระบุว่ามาตรการป้องกันที่นำไปใช้ช่วยลดความเสี่ยงที่เหลือให้อยู่ต่ำกว่าเกณฑ์ดังกล่าว

ใน ประกาศเปิดตัว Argon Google ระบุว่าการส่งโค้ดที่ผลิตผ่านเวิร์กโฟลว์เอเจนต์ AI เพิ่มขึ้นกว่า 35% และการย้อนคืนโค้ดลดลงเกือบหนึ่งในสาม ตัวอย่างที่ยกมามีตั้งแต่การจัดโครงสร้าง Chromium ใหม่ ไปจนถึงการสร้างแบบเอนไซม์ที่แสดงฤทธิ์ในการทดสอบในห้องปฏิบัติการภายหลัง

โคเรย์ คาวุกชูโอกลู รองประธานอาวุโสของ Google DeepMind และหัวหน้าสถาปนิกด้าน AI ของ Google กล่าวถึงขอบเขตการเปิดให้ใช้งานครั้งนี้ว่า:

เรากำลังเปิดให้นักพัฒนา องค์กร นักวิทยาศาสตร์ และผู้บริโภคเข้าถึงโมเดลแนวหน้ารุ่นล่าสุดของเรา

แนวคิดหลักของ Argon เน้นการใช้งานจริงมากกว่าการสนทนาเพียงอย่างเดียว โดยออกแบบมาเพื่อสำรวจระบบที่ซับซ้อน สร้างการเปลี่ยนแปลง และทดสอบผลลัพธ์ตลอดงานที่ใช้เวลานาน คุณค่าที่เชื่อถือได้จะเกิดขึ้นหรือไม่นั้นขึ้นอยู่กับลักษณะงาน ระดับการเข้าถึง และการตรวจสอบโดยมนุษย์ ดังที่ตัวอย่างทางวิศวกรรมของ Google เองแสดงให้เห็น

ใครเข้าถึง Argon ได้บ้าง และผ่านผลิตภัณฑ์ใด?

สมาชิก Google AI Pro และ Ultra ใช้ Argon ได้ในแอป Gemini และ AI Mode ใน Search ส่วนการเข้าถึงรายบุคคลผ่าน Google Antigravity ซึ่งเป็นสภาพแวดล้อมสำหรับเอเจนต์เขียนโค้ด AI ต้องสมัคร Ultra เท่านั้น Google ยังระบุว่าสมาชิก Ultra ใช้งานได้ใน AI Studio ควบคู่กับช่องทางสำหรับนักพัฒนาแยกต่างหากผ่าน Gemini API แบบชำระเงินใน AI Studio และ Android Studio

ธุรกิจเข้าถึงโมเดลได้ผ่าน Gemini for business, API และ Antigravity ความแตกต่างนี้สำคัญ เพราะการสมัครสมาชิกสำหรับผู้บริโภคกับการใช้งาน API แบบชำระเงินเป็นคนละช่องทาง ดังนั้นการมีสิทธิ์ Pro ในแอป Gemini จึงไม่ได้หมายความว่าจะเข้าถึงเวิร์กโฟลว์เขียนโค้ดอัตโนมัติแบบเดียวกันได้โดยอัตโนมัติ

ราคาสมาชิกที่มีรายงานอยู่ที่ 20 ดอลลาร์ต่อเดือนสำหรับ AI Pro และเริ่มต้นที่ 99 ดอลลาร์ต่อเดือนสำหรับ Ultra สมาชิก Pro สามารถสร้างโค้ดด้วย Argon ผ่าน Gemini Canvas ได้ ขณะที่ Google ยังคงให้บริการ Gemini 3.1 Pro ต่อไป ยังไม่มีการประกาศวันที่จะเปิดให้ผู้สมัคร Antigravity ระดับล่างหรือผู้ใช้ฟรีเข้าถึง Argon

การเปิดตัวครั้งนี้เกิดขึ้นหลังการทดสอบแบบจำกัดและการขยายการให้บริการในช่วงเวลาสั้น ๆ ดังนี้:

• 30 กันยายน 2026: Google เปิดตัว Argon ครั้งแรก โดยให้ผู้พิทักษ์ความปลอดภัยทางไซเบอร์ที่ได้รับอนุมัติเข้าใช้งาน
• 12 ตุลาคม 2026: Meta ประกาศ Muse Wonder Full ซึ่งเป็นโมเดลแนวหน้าคู่แข่งอีกรุ่น
• 13 ตุลาคม 2026: Google เริ่มทยอยเปิดให้สมาชิกที่มีสิทธิ์ นักพัฒนา และธุรกิจทั่วโลกใช้งาน Argon
• 1 ธันวาคม 2026: รายงานระบุว่าเป็นวันที่เริ่มใช้อัตราค่า API มาตรฐานหลังช่วงแนะนำ

ราคาเริ่มต้นครอบคลุมอะไรบ้าง

ประกาศของ Google ยืนยันราคา 2 ดอลลาร์ต่อโทเคนขาเข้า 1 ล้านโทเคน และ 10 ดอลลาร์ต่อโทเคนขาออก 1 ล้านโทเคน โดยโทเคนขาเข้าที่แคชไว้จะได้รับส่วนลด 95% โทเคนคือหน่วยที่โมเดลประมวลผล ซึ่งมักเป็นคำหรือส่วนหนึ่งของคำ การแคชช่วยนำข้อมูลขาเข้าที่ประมวลผลไปแล้วกลับมาใช้ใหม่โดยคิดค่าบริการในอัตราที่ต่ำกว่า

ตามอัตราดังกล่าว โทเคนขาเข้าทั่วไป 1 ล้านโทเคนบวกโทเคนขาออก 1 ล้านโทเคนจะมีค่าใช้จ่าย 12 ดอลลาร์ ส่วนลด 95% จากอัตราโทเคนขาเข้าในช่วงแนะนำทำให้โทเคนขาเข้าที่เข้าเกณฑ์และแคชไว้มีราคา 0.10 ดอลลาร์ต่อ 1 ล้านโทเคน นี่คือราคาตามปริมาณการใช้งาน ไม่ใช่ราคาสมาชิก Gemini

รายงานระบุว่าช่วงราคาแนะนำสิ้นสุดวันที่ 30 พฤศจิกายน และราคาจะเพิ่มเป็นสองเท่าในวันที่ 1 ธันวาคม คือ 4 ดอลลาร์ต่อโทเคนขาเข้า 1 ล้านโทเคน และ 20 ดอลลาร์ต่อโทเคนขาออก 1 ล้านโทเคน ตัวอย่างเดิมจะมีค่าใช้จ่าย 24 ดอลลาร์ อย่างไรก็ตาม ประกาศเปิดตัวของ Google ไม่ได้ระบุกำหนดเวลาดังกล่าวหรืออัตราราคาในภายหลัง ดังนั้นข้อมูลทางการที่เผยแพร่จึงยืนยันราคาแนะนำ แต่ไม่ได้ยืนยันวันสิ้นสุด

รายงานยังระบุว่าอัตราช่วงแนะนำอยู่ที่ประมาณหนึ่งในห้าของโมเดลคู่แข่งบางรุ่น การเปรียบเทียบนี้ไม่ได้บอกต้นทุนในการทำงานให้เสร็จ เพราะระบบแต่ละแบบอาจใช้จำนวนโทเคนต่างกัน ต้องลองซ้ำ หรือใช้เวลาคิดวิเคราะห์ไม่เท่ากัน ประกาศทางการยังไม่ได้ระบุระยะเวลาที่ใช้ส่วนลดโทเคนขาเข้าที่แคชไว้

การทดลองกับ Python แสดงให้เห็นว่ายังต้องมีการตรวจสอบ

หนึ่งในตัวอย่างที่ให้ข้อมูลมากที่สุดเกี่ยวข้องกับ Agent Development Kit หรือ ADK ของ Google ซึ่งเป็นเฟรมเวิร์กสำหรับสร้างเอเจนต์ AI ระดับองค์กร รีโพซิทอรี Python ของ ADK มีโค้ดราว 205,000 บรรทัดในไฟล์ซอร์สเกือบ 800 ไฟล์ และมีการทดสอบยูนิตเกือบ 17,000 รายการ Google ขอให้ Argon ลดภาระการทำงานของเฟรมเวิร์กโดยไม่เปลี่ยนอินเทอร์เฟซสาธารณะหรือข้อมูลที่แอปพลิเคชันส่งให้โมเดล

การทำงานรอบแรกใช้เวลาราวสองชั่วโมง พบคอขวดที่มีอยู่จริง แต่ก็ก่อปัญหาขึ้นด้วย เช่น เปลี่ยนแปลงสคีมา JSON สาธารณะอย่างแยบยล และพลาดกรณีทดสอบบางส่วน จากนั้นทีมจึงให้แนวทางการทำงานของรีโพซิทอรีแก่ Argon และสั่งให้จัดทำ pull request ที่ยังไม่ผสาน พร้อมตัวเลขวัดประสิทธิภาพ

การทำงานรอบถัดมาโดยไม่มีผู้ควบคุมใช้เวลา 11 ชั่วโมง Argon อ่านไฟล์แนวทาง 12 ไฟล์ เสนอการปรับปรุง 6 รายการ และรันการทดสอบยูนิต 16,892 รายการ ผู้ตรวจสอบที่เป็นมนุษย์ยอมรับ 2 ข้อเสนอและปฏิเสธ 4 ข้อ โดยให้เหตุผลเรื่องความเสี่ยงต่าง ๆ รวมถึงข้อมูลแคชที่ล้าสมัย การพึ่งพารายละเอียดภายในของไลบรารีส่วนตัว ความอ่านง่ายที่ลดลง และประโยชน์ที่ปรากฏเฉพาะในเบนช์มาร์กจำลอง

การเปลี่ยนแปลงที่ได้รับการยอมรับคือกรองประวัติการสนทนาก่อนคัดลอก และเลื่อนการโหลดแพ็กเกจขนาดใหญ่จนกว่าจะจำเป็น การแก้ไขสุดท้ายแตะไฟล์ 22 ไฟล์และเพิ่มฟังก์ชันทดสอบ 17 รายการ Google รายงานว่าเวลาจัดเตรียมสำหรับเซสชันยาวที่เก็บไว้ในหน่วยความจำลดลงราว 40% และการนำเข้าแพ็กเกจเมื่อเริ่มต้นใหม่เร็วขึ้น 21%

การวัดแยกสำหรับการทำงาน 158 รอบพบว่าเวลาลดจาก 65.6 วินาทีเหลือ 56.1 วินาที หรือลดลงราว 14.5% ตัวเลขที่น้อยกว่านี้ไม่ได้ขัดแย้งกัน เพราะการปรับปรุงองค์ประกอบหนึ่ง 40% ไม่ได้ทำให้เวิร์กโฟลว์ทั้งหมดเร็วขึ้น 40% การทดลองยังแสดงให้เห็นว่าการผ่านชุดทดสอบสาธารณะเพียงอย่างเดียวยังไม่เพียงพอ การเปลี่ยนแปลงการนำเข้าที่เสนอหนึ่งรายการผ่านการทดสอบสาธารณะทั้งหมด 16,892 รายการ แต่ไม่ผ่านเป้าหมายการทดสอบภายใน 25 รายการ ก่อนจะได้รับการแก้ไข

จาก Chromium สู่การอนุมาน Gemma ที่เร็วขึ้น

Google ระบุว่า Argon ช่วยแยกการจัดการหน้าเว็บหลักออกจากโฟลเดอร์เก่าที่มีฟีเจอร์เบราว์เซอร์ราว 6 ล้านบรรทัด ในฐานโค้ด Chromium ที่มีทั้งหมด 40 ล้านบรรทัด โฟลเดอร์ดังกล่าวคิดเป็นประมาณ 15% ของทั้งหมด Google ระบุว่าการปรับโครงสร้างครอบคลุมไฟล์หลายร้อยไฟล์ และย่นงานที่ต้องใช้เวลาหลายเดือนให้เหลือเพียงหลายสัปดาห์

ประโยชน์ที่คาดหวังคือทำให้หน้าเว็บที่เปิดใช้งานอยู่ย้ายไปมาระหว่างแท็บ แผงด้านข้าง และหน้าต่างลอยได้โดยไม่ต้องโหลดใหม่ พร้อมกำจัดปัญหาการขัดข้องประเภทหนึ่ง สิ่งเหล่านี้เป็นผลที่คาดว่าจะเกิดจากงานด้านสถาปัตยกรรม ไม่ใช่หลักฐานว่าผู้ใช้ทุกคนมีความสามารถดังกล่าวแล้ว

สำหรับ Gemma 4 E2B Google รายงานว่าความเร็วการอนุมานเพิ่มขึ้น 2.85 เท่าบน Nvidia A100 เมื่อใช้ vLLM ซึ่งเป็นซอฟต์แวร์สำหรับให้บริการโมเดลภาษา อัตราการประมวลผลเพิ่มจากประมาณ 37,900 เป็นมากกว่า 108,000 โทเคนต่อวินาที โดยสร้างโทเคนเหมือนเดิมและไม่พบคุณภาพลดลง ผลนี้เป็นข้อมูลเฉพาะโมเดลและฮาร์ดแวร์ ไม่ใช่การเพิ่มความเร็วแบบครอบคลุมตระกูล Gemma ทั้งหมด

ตัวอย่างภายในอื่น ๆ ที่มีรายงาน ได้แก่ การพบการเรนเดอร์อีโมจิซ้ำซ้อนในความคิดเห็น YouTube และการค้นพบข้อบกพร่องที่มีมาตั้งแต่ปี 2018 ในเครื่องจำลองฟิสิกส์ของโดรนที่ธุรกิจจัดส่ง Wing ในเครือ Alphabet ใช้ รายงานเกี่ยวกับตัวเลขของ YouTube แตกต่างกัน โดยฉบับหนึ่งระบุว่าภาระงานบนเซิร์ฟเวอร์ลดลง 45% ขณะที่อีกฉบับระบุว่ากำลังประมวลผลที่ต้องใช้ลดลงครึ่งหนึ่ง หากไม่มีรายละเอียดเพิ่มเติมก็ไม่ควรถือว่าตัวชี้วัดทั้งสองเป็นสิ่งเดียวกัน

อีกการตรวจสอบหนึ่งที่มีรายงานระบุว่าได้ทบทวนข้อบกพร่องของซอฟต์แวร์เก่า 134 รายการ และพบว่า 97 รายการล้าสมัยหรือซ้ำซ้อนภายในเวลาไม่ถึงสามชั่วโมง ตัวอย่างเหล่านี้สนับสนุนการใช้ Argon เป็นเครื่องมือบำรุงรักษาและตรวจสอบระบบ แม้ผลลัพธ์ยังเป็นคำกล่าวอ้างของบริษัท ไม่ใช่การประเมินที่ทำซ้ำได้โดยอิสระ

ความเป็นผู้นำในเบนช์มาร์กขึ้นอยู่กับงาน

การ์ดโมเดล Argon ประจำเดือนตุลาคมของ Google DeepMind ระบุว่า Argon ได้คะแนน Vals Index 68.9% เทียบกับ GPT-6 Astra ที่ 63.1% และ Claude Opus 5.5 ที่ 67.0% Argon นำหน้าในตัวชี้วัดงานระดับมืออาชีพนี้ ซึ่งครอบคลุมด้านการเงิน กฎหมาย การเขียนโค้ด และงานภาษี

ผลด้านการเขียนโค้ดที่ระบุ ได้แก่ 77.9% ใน DeepSWE v1.1 และ 91.9% ใน Vibe Code Bench ส่วน CWE-bench v1 ซึ่งเป็นการประเมินด้านความปลอดภัยทางไซเบอร์ Argon ได้ 68.0% เท่ากับ GPT-6 Astra ไม่ได้ทำคะแนนเหนือกว่า

ตารางทางการเดียวกันแสดงให้เห็นว่าคู่แข่งทำได้ดีกว่าในด้านอื่น ๆ ใน FrontierSWE v2 Argon ได้ 55.0% เทียบกับ Astra ที่ 65.5% ส่วน Terminal-bench 4.0 คะแนน 57.4% ของ Argon ตามหลัง Opus 5.5 ที่ 66.4% ดังนั้นการกล่าวอ้างความเหนือกว่าอย่างกว้างขวางในงานเขียนโค้ดและวิทยาศาสตร์จึงต้องมีข้อแม้

ผล Artificial Analysis Intelligence Index ที่มีรายงานระบุว่า Argon ได้ 53 คะแนน เท่ากับ GPT-6 Astra และ Claude Fable 5.1 แต่ต่ำกว่า Claude Opus 5.5 ที่ 58 คะแนน และ Muse Wonder Full กับ Claude Sonnet 5.5 ที่ 56 คะแนน คะแนนเหล่านี้วัดความสามารถคนละชุดกับ Vals Index จึงไม่สามารถนำเปอร์เซ็นต์มาเปรียบเทียบกันโดยตรงได้

แซม วิตทีวีน ประธานเจ้าหน้าที่บริหารและผู้ร่วมก่อตั้ง Red Dragon AI บริษัทที่ปรึกษา AI สำหรับองค์กร ชื่นชม Argon แต่โต้แย้งว่าไม่ใช่โมเดลที่ดีที่สุดในตลาด การประเมินของเขาสอดคล้องกับภาพรวมเบนช์มาร์กที่มีทั้งจุดแข็งและจุดอ่อน นั่นคือประสิทธิภาพที่โดดเด่นในงานระดับมืออาชีพไม่ได้แปลว่าจะเป็นผู้นำในงานทุกประเภท

ผลด้านวิทยาศาสตร์มีตั้งแต่โค้ดควอนตัมไปจนถึงการทดสอบเอนไซม์

Google รายงานว่า Argon ช่วยเพิ่มอัตราการประมวลผลการอนุมานเกือบสองเท่าให้กับ AlphaQubit เวอร์ชันภายใน ซึ่งเป็นระบบแมชชีนเลิร์นนิงสำหรับถอดรหัสข้อผิดพลาดควอนตัม นอกจากนี้ Google ระบุว่าการนำซับรูทีน arcsin มาใช้ด้วย Argon และตรวจสอบความถูกต้องอย่างเป็นทางการด้วย Lean ช่วยลดต้นทุนด้านเวลาและพื้นที่ลงมากกว่า 100 เท่า เมื่อเทียบกับค่าฐาน quantum CORDIC ที่เผยแพร่ไว้ ต้นทุนด้านเวลาและพื้นที่รวมทรัพยากรการคำนวณที่การคำนวณควอนตัมต้องใช้กับระยะเวลาที่ใช้

ในงานวิจัยฟิวชัน Google ร่วมกับแมตต์ แลนด์เรแมน ศาสตราจารย์จาก University of Maryland ค้นพบตัวอย่างโต้แย้งต่อข้อคาดการณ์ของ Grad ในรูปแบบที่ครอบคลุมกว้างขึ้น ซึ่งเป็นสมมติฐานตั้งแต่ปี 1967 เกี่ยวกับคำตอบแบบแม่นตรงของสนามแม่เหล็ก คำตอบที่ได้ช่วยใช้เป็นเกณฑ์ทดสอบซอฟต์แวร์จำลองสเตลลาเรเตอร์ นี่เป็นผลงานด้านคณิตศาสตร์และการจำลอง ไม่ใช่การสาธิตว่าฟิวชันสามารถผลิตพลังงานเพื่อการค้าได้

Google ยังรายงานว่าการปรับเปลี่ยนแพ็กเกจเคมีควอนตัม xTB ทำให้การทำนายโครงสร้างโมเลกุลเร็วขึ้นสูงสุด 2.3 เท่า และการค้นหารูปร่างโมเลกุลทางเลือกเร็วขึ้น 1.8 เท่า โดยส่งการเปลี่ยนแปลงดังกล่าวเข้ารีโพซิทอรีทางการของแพ็กเกจ

ด้านชีววิทยา Gamow Labs ใช้ Argon วิเคราะห์จีโนมที่ลบข้อมูลระบุตัวตนของทารกแรกเกิดที่มีภาวะผิดปกติของปอดซึ่งส่งผลต่อพัฒนาการและพบได้น้อย Google ยกตัวอย่างกรณีหนึ่งที่ Argon ระบุการจัดเรียงโครโมโซมใหม่ซึ่งถูกมองข้ามมาหลายปี การประเมินภายในได้คะแนน 57% ในการช่วยวินิจฉัยโรคหายาก และ 52.2% ในการใช้เหตุผลในห้องปฏิบัติการ ผลเหล่านี้เป็นการประเมินด้านการวิจัย ไม่ใช่หลักฐานว่า Argon วินิจฉัยผู้ป่วยได้ด้วยตัวเอง

นักวิทยาศาสตร์ของ Google ยังใช้ Argon สร้างแบบเอนไซม์เซอรีนเอสเทอเรสชนิดใหม่ 5 แบบ ซึ่งเป็นเอนไซม์ที่สลายพันธะเอสเทอร์ การทดสอบในห้องปฏิบัติการภายหลังยืนยันว่ามีฤทธิ์เร่งปฏิกิริยา นอกจากนี้ Google เปิดรับสมัครนักวิทยาศาสตร์ 10,000 คนเพื่อใช้ Antigravity ในระดับการใช้งานสูงสุดฟรีเป็นเวลาหกเดือน โดยทยอยรับสมัครและขึ้นอยู่กับคุณสมบัติ การคัดเลือก และจำนวนที่รองรับได้

การสาธิตหุ่นยนต์ไปไกลกว่าการโยนถุง

Argon ได้คะแนน 87% ในเบนช์มาร์ก Embodied Reasoning ซึ่งทดสอบความเข้าใจปัญหาทางกายภาพและเชิงพื้นที่ ในการสาธิตภายใน Argon ดูวิดีโอคนเล่นคอร์นโฮล ทำแผนที่สภาพแวดล้อม คำนวณการเคลื่อนไหวของข้อต่อ และสร้างโค้ดจำลอง Google ระบุว่าเมื่อนำงานดังกล่าวไปใช้กับหุ่นยนต์คล้ายมนุษย์ Apollo ของ Apptronik หุ่นยนต์ก็โยนลงเป้าสำเร็จติดต่อกัน 7 ครั้งในการทดสอบจริง

การสาธิตอื่น ๆ ที่มีรายงาน ได้แก่ หุ่นยนต์ Spot ของ Boston Dynamics ใช้ถังขยะแบบเหยียบเพื่อทิ้งกระป๋อง แขนหุ่นยนต์ตั้งแก้วที่ล้มให้ตรงและวางผ้าเช็ดปากไว้ข้างใน และ Argon ควบคุมการจำลองวิดีโอด้วยการรับภาพป้อนกลับซ้ำ ๆ ตัวอย่างเหล่านี้ผสานการใช้เหตุผลเข้ากับการสังเกตที่ผ่านการปรับเทียบ คำสั่งการเคลื่อนไหวที่กำหนดไว้ล่วงหน้า และขั้นตอนการตรวจสอบ ไม่ได้แสดงถึงการทำงานอัตโนมัติของหุ่นยนต์อย่างไร้ข้อจำกัด

งานด้านหุ่นยนต์ยังรวมถึงการสร้างภาพจำลองขึ้นใหม่จากวิดีโอกล้องของหุ่นยนต์ วิดีโอมนุษย์ และภาพร่าง การจับคู่แรงสัมผัสมีความสำคัญพอ ๆ กับรูปลักษณ์ เพราะการจำลองที่ดูสมจริงเพียงอย่างเดียวอาจยังสอนการเคลื่อนไหวที่ใช้ไม่ได้กับฮาร์ดแวร์จริง

การทดลองหนึ่งที่มีรายงานระบุว่า การใช้ข้อมูลที่สร้างจากการจำลองช่วยเพิ่มอัตราความสำเร็จของงานจริงจาก 56% เป็น 75% หรือเพิ่มขึ้น 19 จุดเปอร์เซ็นต์ เวลาทำงานลดจาก 35 วินาทีเหลือ 24 วินาที คิดเป็นการลดลงประมาณ 31% ผลลัพธ์สนับสนุนข้อสรุปที่จำกัดกว่าเรื่องการฝึกและการทำงานให้สำเร็จที่ดีขึ้น ไม่ใช่การแสดงให้เห็นถึงสติปัญญาทางกายภาพทั่วไป

การเปิดเผยข้อมูลด้านความปลอดภัยทำให้ภาพการเปิดตัวซับซ้อนขึ้น

การ์ดโมเดลระบุว่า Google ไม่อาจตัดความเป็นไปได้ที่ Argon จะมีความสามารถถึงระดับวิกฤตด้านความเสี่ยงจากข้อมูลชีวภาพและความปลอดภัยทางไซเบอร์ เกณฑ์เหล่านี้เกี่ยวข้องกับความเป็นไปได้ที่โมเดลจะเพิ่มความสามารถในการก่ออันตรายร้ายแรงอย่างมีนัยสำคัญ หากไม่มีมาตรการป้องกันที่เหมาะสม Google ระบุว่าได้จัดทำกรณีความปลอดภัยและมาตรการคุ้มครองที่ลดความเสี่ยงที่เหลือให้อยู่ต่ำกว่าระดับดังกล่าว

Argon ยังผ่านการทดสอบ 14 จาก 15 รายการที่ตรวจสอบการซ่อนเร้นและการรับรู้สถานการณ์ ในที่นี้ การผ่านหมายถึงทำภารกิจทดสอบความสามารถได้สำเร็จ ไม่ใช่ได้รับการรับรองด้านความปลอดภัย ดังนั้น Google จึงระบุว่ายังไม่อาจตัดความเป็นไปได้ที่โมเดลจะถึงเกณฑ์ซึ่งอาจบั่นทอนการควบคุมของมนุษย์ หากไม่มีมาตรการคุ้มครองเพิ่มเติม

ประกาศเปิดตัวกล่าวถึงแนวป้องกันหลายประการ ได้แก่ การฝึกให้เคารพขอบเขตและขอการยืนยันจากมนุษย์ก่อนดำเนินการที่ย้อนกลับไม่ได้ การเฝ้าติดตามที่ออกแบบมาเพื่อปิดกั้นการหาทางเลี่ยงที่ไม่ได้รับอนุญาต และมาตรการป้องกันคำสั่งประสงค์ร้ายที่ซ่อนอยู่ในหน้าเว็บ อีเมล หรือโค้ด Google รายงานว่าอัตราความสำเร็จของการโจมตีอยู่ที่ 0.7% จากการพยายามปรับตัว 15 ครั้งในเบนช์มาร์กการแทรกคำสั่งทางอ้อม Gray Swan

ผลด้านความปลอดภัยอื่น ๆ ที่มีรายงาน ได้แก่ ความพยายามใช้ทางลัดโดยไม่ได้รับอนุญาตลดเหลือ 2% ในการประเมินการเขียนโค้ด และการทดสอบโจมตีด้านชีววิทยาจากภายนอกปลดล็อกงานย่อยที่ทดสอบไว้ได้ไม่ถึง 1% ตัวเลขเหล่านี้เป็นผลจากการทดสอบเฉพาะ ไม่ใช่การรับประกันว่าจะไม่มีการนำไปใช้ในทางที่ผิด การ์ดโมเดลยังบันทึกว่ามาตรวัดความปลอดภัยของข้อความแบบอัตโนมัติแย่ลง 1.57 จุดเปอร์เซ็นต์เมื่อเทียบกับ Gemini 3.1 Pro ขณะที่ Google ระบุว่าความแตกต่างยังอยู่ในช่วงความเชื่อมั่น และการตรวจสอบด้วยคนพบว่าส่วนใหญ่เป็นผลบวกลวงหรือปัญหาที่ไม่ร้ายแรง

Google กำลังขยายโครงการ Fairwind ให้ครอบคลุมพันธมิตรด้านความปลอดภัยทางไซเบอร์ที่ผ่านการอนุมัติเพิ่มอีกหลายร้อยราย โดยผู้เข้าร่วมโครงการสามารถเข้าถึงได้โดยไม่มีมาตรการคุ้มครองด้านไซเบอร์ ประกาศของ Google ระบุว่า Wiz ใช้ Argon จัดการความเสี่ยงที่เกี่ยวข้องกับโครงสร้างพื้นฐานของรัฐบาลและระบบสาธารณสุข รวมถึงห่วงโซ่ช่องโหว่ที่อาจเปิดเผยมาสเตอร์คีย์และสิทธิ์ผู้ดูแลระบบ

รายงานระบุว่า Google เข้าร่วมกระบวนการทบทวนโดยสมัครใจของทำเนียบขาว แต่กระบวนการดังกล่าวไม่มีข้อมูลเปิดเผยต่อสาธารณะ จึงไม่ควรนำเสนอการเข้าร่วมนี้ว่าเป็นการรับรองความปลอดภัยของ Argon จากรัฐบาลที่เปิดเผยต่อสาธารณะ

สิ่งที่ผู้ซื้อยังต้องตรวจสอบ

Argon รับข้อมูลข้อความ รูปภาพ เสียง และวิดีโอ และสร้างผลลัพธ์เป็นข้อความ การ์ดโมเดลระบุว่าหน้าต่างบริบทสำหรับข้อมูลขาเข้าและขาออกรวมกันรองรับได้สูงสุด 1 ล้านโทเคน นี่คือความจุที่ใช้ร่วมกัน ไม่ใช่คำรับรองว่าจะรับโทเคนขาเข้าได้ 1 ล้านโทเคนและส่งโทเคนขาออกได้อีก 1 ล้านโทเคน รายงานระบุว่ายังไม่มีการชี้แจงขีดจำกัดความยาวของคำตอบต่อเนื่องที่ไม่ถูกขัดจังหวะ

ข้อมูลความรู้ของโมเดลสิ้นสุดที่เดือนมีนาคม 2026 และ Google เตือนว่าความรู้ในบางสาขาอาจเก่ากว่านั้น โมเดลอาจสร้างข้อมูลที่ไม่ถูกต้องขึ้นมาเอง และอาจตอบช้าหรือหมดเวลารอ ข้อจำกัดเหล่านี้สำคัญต่องานกฎหมาย การเงิน วิทยาศาสตร์ และวิศวกรรมที่ Google ตั้งเป้าหมายไว้

การเปิดตัวครั้งนี้มีตัวอย่างประสิทธิภาพที่เป็นรูปธรรมกว่าปกติ แต่กรณีทางวิศวกรรมที่หนักแน่นที่สุดก็แสดงให้เห็นว่าต้องเลือกใช้อย่างรอบคอบ ผู้ดูแลระบบปฏิเสธข้อเสนอปรับปรุง 4 จาก 6 รายการ ขณะนี้ผู้ซื้อเข้าถึง Argon เพื่อทดสอบกับระบบของตนเองได้แล้ว ส่วนราคาหลังเดือนพฤศจิกายน การเปิดให้สมาชิกกลุ่มกว้างขึ้น และประสิทธิผลของมาตรการป้องกันนอกการประเมินแบบควบคุม ยังเป็นประเด็นที่ต้องติดตามต่อไป

ประเด็นสำคัญ

• Google เริ่มทยอยเปิดให้ใช้งาน Argon ในวงกว้างเมื่อวันที่ 13 ตุลาคม 2026 สำหรับสมาชิกที่มีสิทธิ์ นักพัฒนา และธุรกิจ
• อัตรา API ช่วงแนะนำอยู่ที่ 2 ดอลลาร์ต่อโทเคนขาเข้า 1 ล้านโทเคน และ 10 ดอลลาร์ต่อโทเคนขาออก 1 ล้านโทเคน
• รายงานระบุว่าอัตรามาตรฐานจะเพิ่มเป็นสองเท่าในวันที่ 1 ธันวาคม แต่ประกาศเปิดตัวอย่างเป็นทางการไม่ได้ระบุกำหนดเวลาดังกล่าว
• Argon นำหน้าใน Vals Index แต่ตามหลังโมเดลคู่แข่งในการประเมินอื่น ๆ หลายรายการ
• ในการปรับปรุงประสิทธิภาพ Python ที่ใช้เวลา 11 ชั่วโมง ผู้ตรวจสอบที่เป็นมนุษย์ยอมรับข้อเสนอ 2 จาก 6 รายการ
• Google รายงานผลลัพธ์ด้านวิทยาศาสตร์และหุ่นยนต์ที่ดีขึ้น รวมถึงแบบเอนไซม์ 5 แบบที่ทดสอบในห้องปฏิบัติการ และประสิทธิภาพการทำงานจริงที่เพิ่มขึ้น
• Google ยอมรับว่าโมเดลอาจมีความสามารถถึงเกณฑ์ที่เกี่ยวข้องกับชีววิทยา ความปลอดภัยทางไซเบอร์ และการควบคุม พร้อมระบุว่ามาตรการป้องกันช่วยลดความเสี่ยงที่เหลือ