Google חשפה ב־30 בספטמבר את Gemini 4 Argon, דגם הדגל החדש שלה למשימות מורכבות של כתיבת קוד, עבודה ארגונית והגנת סייבר. בשלב הראשון הוא אינו מופץ לכל משתמשי Gemini: החברה מתחילה בגישה מדורגת לגופי הגנה מהימנים דרך תוכנית Fairwind, ורק לאחר תקופת הערכה היא מתכננת להרחיב את הזמינות.
הבחירה להתחיל דווקא עם אנשי אבטחה אינה מקרית. מודל שמסוגל להבין מאגרי קוד גדולים, להפעיל כלים ולבנות רצף פעולות יכול לעזור באיתור חולשות ובתיקון שלהן — אך אותן יכולות עלולות לשמש גם לתקיפה. לכן ההכרזה מעניינת לא רק את שוק ה־AI, אלא גם מנהלי אבטחת מידע וצוותי פיתוח.
מה חדש ב־Gemini 4 Argon
לפי Google, Argon תוכנן להתמודד עם משימות ארוכות ומרובות שלבים. הוא מציע חלון פלט של עד מיליון טוקנים, נתון שנועד לאפשר יצירה וניתוח של כמויות קוד ומסמכים גדולות בלי לפצל את התוצאה לעשרות מקטעים. החברה מציגה אותו גם כמודל שמסוגל לשלב ניתוח, שימוש בכלים וכתיבה של תוצרים מקצועיים.
- ניתוח וכתיבה של בסיסי קוד גדולים.
- עבודה עם מסמכים בתחומי משפטים, פיננסים וארגונים.
- איתור, אימות ותיקון של חולשות אבטחה.
- הפעלת רצפים סוכניים שבהם המודל מתכנן ומבצע כמה צעדים.
Google פרסמה מחיר היכרות של 2 דולר למיליון טוקנים בקלט ו־10 דולר למיליון טוקנים בפלט. התמחור חשוב במיוחד למפתחים ולארגונים, משום שמשימות ארוכות עלולות לצרוך נפח גדול גם כאשר המחיר ליחידה נראה נמוך.
למה Google מגבילה את ההשקה
מודלים מתקדמים לקוד אינם רק כלי פרודוקטיביות. כשהם מקבלים גישה לדפדפן, למסוף או לכלי בדיקה, הם יכולים לגלות חולשות במהירות ולנסות שרשרת פעולות מלאה. Google אומרת שהיא משתמשת ב־Argon בתוך מערכי האבטחה שלה, ובמקביל מאפשרת לשותפים נבחרים לבחון את היכולות בתרחישים מבוקרים.
הגישה הזהירה מזכירה את הכיוון שראינו גם בפרויקט PageBreak של Google לאיתור חולשות XSS: הערך אינו רק בזיהוי חשד, אלא ביכולת להפיק הוכחה, לסנן התרעות שווא ולהציע תיקון שניתן לבדוק. עם זאת, כל פעולה אוטונומית דורשת הרשאות מצומצמות, תיעוד ובקרה אנושית.
המספרים מרשימים, אבל צריך לקרוא אותם נכון
Google מדווחת כי Argon השיג 68% במבחן CWE-Bench v1, הבוחן יכולת לתקן חולשות תוכנה. זהו נתון שמגיע מהחברה ומהערכות השותפים שלה, ולא תחליף לבדיקה בלתי תלויה בסביבת הייצור של כל ארגון. תוצאה במבחן אינה מבטיחה שהמודל יזהה כל חולשה, לא ייצור תקלה חדשה או יבין מגבלות עסקיות מקומיות.
בפועל, צוותי IT צריכים למדוד לא רק שיעור הצלחה, אלא גם מספר תיקונים שגויים, זמן אימות, עלות והיכולת להסביר מדוע שינוי מסוים הוצע. זה נכון במיוחד כשהמודל נוגע בקוד רגיש, בתשתית ענן או בהרשאות.
מה ארגונים יכולים לעשות כבר עכשיו
- להתחיל בסביבת בדיקות מבודדת ולא במערכות ייצור.
- להעניק למודל הרשאות זמניות ומינימליות בלבד.
- לדרוש סקירת קוד ובדיקות אוטומטיות לפני מיזוג תיקון.
- לשמור לוגים של ההנחיות, הכלים שהופעלו והשינויים שבוצעו.
- להגדיר מראש אילו מאגרים וסודות אינם נחשפים למודל.
גם ההתקדמות הקודמת של Gemini בתיקון חולשות הראתה שהשאלה החשובה איננה אם AI יכול לכתוב תיקון, אלא כיצד בודקים אותו ומי נושא באחריות. Argon מרחיב את היכולת, אך אינו מבטל את הצורך במהנדסי תוכנה ואנשי סייבר.
השורה התחתונה
Gemini 4 Argon מסמן מעבר ממודלי שיחה לכלים שמסוגלים לבצע עבודה מקצועית ארוכה ומורכבת. הפוטנציאל לקוד ולסייבר משמעותי, אך נכון לעכשיו ההפצה מוגבלת והטענות המרכזיות מבוססות על נתוני Google. ארגונים שיבחנו אותו יצטרכו להתייחס אליו כאל רכיב רב־עוצמה שדורש גבולות, ניטור ואישור אנושי — לא כאל עובד עצמאי שאפשר להשאיר ללא השגחה.
מקורות: ההכרזה הרשמית של Google מ־30 בספטמבר 2026; דיווח Reuters מ־30 בספטמבר 2026.
תמונה: נוצרה באמצעות AI עבור מערכת ITPortal.
