Google เปิดตัว Gemini 4 Argon — โมเดลระดับสูงสุดตัวแรกในรอบกว่า 7 เดือน ตอบได้ยาวถึง 1M โทเคน ราคาช่วงแรก $2/$10 แต่ตอนนี้ยังให้ใช้เฉพาะกลุ่มนักป้องกันไซเบอร์

Google ประกาศ Gemini 4 Argon เมื่อ 30 กันยายน 2026 เป็นโมเดลระดับสูงสุด (frontier) ตัวแรกของ Google นับจาก Gemini 3.1 Pro เมื่อกว่า 7 เดือนก่อน ระหว่างนั้น Google ข้าม Gemini 3.5 ที่เคยประกาศไว้ไปเลย จุดที่ต่างจากรุ่นก่อนชัดที่สุดคือ เพดาน output เพิ่มจาก 64K เป็น 1M โทเคน ให้โมเดลคิดและเขียนต่อเนื่องได้หลายแสนโทเคนในรอบเดียว ส่วน context ขาเข้ายังเป็น 1M เท่าเดิม

แต่นักพัฒนายังเรียกใช้ไม่ได้ ตอนนี้ Argon เปิดให้เฉพาะกลุ่ม “trusted cyber defenders” ในโครงการ Fairwind กับทีมภายใน Google ซึ่งได้รุ่นที่ ไม่มี cyber guardrail Google บอกว่าจะเปิดให้ลูกค้า API แบบจ่ายเงินและสมาชิก Google AI Ultra “เร็วที่สุดเท่าที่ทำได้” แต่ไม่ได้ให้วันที่ ราคาประกาศไว้แล้ว คือช่วงแนะนำ $2 ต่อล้าน input / $10 ต่อล้าน output และ cached input ลด 95% หมดช่วงแนะนำแล้วจะเป็น $4/$20

ตัวเลขของ Google เทียบกับผลวัดอิสระ

ตัวเลขที่ Google ประกาศเองอยู่ในฝั่งงานยาวและงานองค์กร:

• DeepSWE v1.1: 77.9% ซึ่ง Google บอกว่าเป็น state of the art ด้านงาน software engineering ระยะยาว
• อันดับ 1 บน Vals Index (Vals AI รายงาน 68.9%) และ AutomationBench ของ Zapier ที่ 51.3%
• LVBench (เข้าใจวิดีโอยาว) 91.7% และ CWE-bench v1 (แก้ช่องโหว่) 68% เสมออันดับ 1

ผลจาก Artificial Analysis ที่ทดสอบอิสระออกมาต่ำกว่าภาพที่ Google ให้ไว้ ที่ระดับ reasoning “High” Argon ได้ 53 คะแนน บน Intelligence Index เท่ากับ GPT-6 Astra (max) และนำ GPT-6.1 Sol อยู่ 1 คะแนน แต่ยังตาม Claude Opus 5.5 (58) กับ Sonnet 5.5 (56) ส่วนต้นทุนต่องานตามราคาช่วงแนะนำอยู่ที่ $1.99 ต่ำกว่า GPT-6 Astra ($3.26) แต่ที่ถูกกว่าเพราะราคาต่อโทเคนต่ำ ไม่ได้มาจากความประหยัด เพราะ The Decoder อ้างข้อมูลของ AA ว่า Argon ใช้ output เฉลี่ย 62,000 โทเคนต่องาน ส่วน Astra ใช้ 27,000 พอหมดช่วงแนะนำ ต้นทุนต่องานจะขึ้นเป็นราว $3.98 ซึ่งแพงกว่า Astra

จุดแข็งที่ AA ชี้คืออัตรา hallucination บน AA-Omniscience ที่ 15% (GPT-6 Astra 51%) หมายความว่าโมเดลยอมตอบว่า “ไม่รู้” บ่อยกว่าการเดาผิด แต่ความแม่นยำด้านความรู้อยู่ที่ 50% ต่ำกว่า Astra (63%) ส่วน Terminal Bench 4 ได้ 57% ยังตาม Sonnet 5.5 (64%), Opus 5.5 (60%) และ Astra (59%)

งานจริงที่ Google ใช้ภายใน

Google เล่าว่าใช้ Argon เป็นเอเจนต์ในงานใหญ่หลายงาน เช่น ย้ายโค้ด C/C++ ไปเป็น Rust ตั้งแต่ไลบรารีอย่าง re2 ไปจนถึง Fuchsia Zircon kernel ที่ยาวกว่า 800K บรรทัด (ยังอยู่ในขั้นตรวจสอบ ไม่ได้ขึ้น production ทั้งหมด) สำหรับ libgav1 เอเจนต์แทนที่โค้ด SIMD 32K บรรทัดด้วย safe Rust ที่ compiler vectorize เองได้ ได้ตัวถอดรหัสวิดีโอที่ เร็วกว่า Rust port เดิม 2.7 เท่า และ output เหมือนเดิมทุกเฟรม อีกงานคือวิเคราะห์ profiling ทั้ง fleet แล้วปรับการใช้หน่วยความจำ ซึ่งคืนหน่วยความจำได้แล้ว กว่า 300 TiB

ความปลอดภัยและการปล่อยแบบเป็นขั้น

Google เข้าร่วมกระบวนการแบบสมัครใจของรัฐบาลสหรัฐที่ให้หน่วยงานรัฐได้ทดสอบโมเดลก่อนปล่อย และประกาศมาตรการ 4 ด้าน คือ ตรวจ activation ภายในโมเดลเพื่อจับการใช้ผิดทาง กัน indirect prompt injection (Google อ้างว่านำบน benchmark IPI ของ Gray Swan) เฝ้า chain-of-thought และ action ของโมเดลแล้วหยุดการทำงานเมื่อพบว่าทำเกินเจตนาผู้ใช้ และปิดผนึก sandbox ก่อนเทรนหรือ eval ที่เสี่ยง Google ยังเขียนไว้ว่าระวังไม่ให้ผลจากระบบเฝ้าดูย้อนกลับไปเป็นสัญญาณตอนเทรน เพื่อไม่ให้โมเดลเรียนรู้ที่จะคิดหลบการตรวจ

มุมมอง AI Curator

ตัวเลขที่นักพัฒนาควรจำคือ 1M output tokens มากกว่าคะแนน benchmark เพราะเปลี่ยนวิธีออกแบบระบบ งานที่เคยต้องแบ่ง context หรือสั่งให้ทำต่อหลายรอบ เช่น ย้ายโค้ดทั้งโมดูลหรือเขียนรายงานยาว อาจจบได้ใน trajectory เดียว แต่ต้องดูต้นทุนให้ดี Argon ใช้โทเคนมากกว่า Astra ราวสองเท่าต่องาน บวกกับราคาที่จะขึ้นเท่าตัวหลังช่วงแนะนำ ทีมที่ benchmark ช่วงนี้ควรคำนวณต้นทุนต่องานที่ราคา $4/$20 ไว้ด้วย ไม่ใช่ใช้แค่ราคาโปรโมชัน

เรื่องที่น่าคิดกว่าคือวิธีปล่อย ภายในสัปดาห์เดียวกัน OpenAI ชะลอ GPT-6.1 Astra เพราะผลทดสอบด้านความปลอดภัย ส่วน Google ปล่อยโมเดลระดับสูงสุดโดยให้กลุ่มนักป้องกันไซเบอร์ได้ใช้ก่อน ในรุ่นที่ไม่มี guardrail ทั้งสองค่ายกำลังเปลี่ยน “วันเปิดตัว” ให้กลายเป็นช่วงเวลาที่ยืดได้ สำหรับทีมไทยและอาเซียนที่ไม่ได้อยู่ในโครงการ trusted tester แบบนี้ ระยะเวลาตั้งแต่ประกาศจนได้ใช้จริงจะนานขึ้นเรื่อย ๆ จึงควรวางแผน roadmap จากโมเดลที่ใช้ได้วันนี้ ไม่ใช่จากโมเดลที่เพิ่งประกาศ

แหล่งข่าว

• Gemini 4 Argon: our next era of frontier intelligence — Google Blog
• Google Gemini 4 Argon closes the gap with OpenAI and Anthropic but doesn’t take a clear lead — The Decoder
• Artificial Analysis — LLM Leaderboard