O Gemini 4 Argon foi feito para agentes que rodam por horas. Teste o que acontece na terceira hora

Os primeiros dez minutos de um agente são a parte fácil. O modelo tem um contexto limpo, um objetivo claro e nada para esquecer ainda. A parte difícil vem depois: algumas centenas de chamadas de ferramenta, uma compactação de contexto, um teste que falha por um motivo que não tem nada a ver com a tarefa e uma instrução escondida num arquivo de log que parece um comando.

É esse o território que o Google reivindica com o Gemini 4 Argon, lançado em 13 de outubro. O Google o descreve como um modelo de raciocínio de fronteira para “tarefas longas”, treinado para “respeitar os limites do sistema, relatar resultados negativos com honestidade e pausar para confirmação antes de passos irreversíveis”. Ele está disponível no Gemini for business, na Gemini API (gemini-4-argon), no Google AI Studio e no Antigravity. No mesmo dia chegou ao GitHub Copilot, em disponibilidade geral (GA) para os planos Pro+, Max, Business e Enterprise, e a Databricks o adicionou ao Unity Gateway pelas suas Foundation Model APIs.

O número na caixa e o número que importa

O model card informa uma janela combinada de entrada e saída de até um milhão de tokens. O mesmo documento traz os resultados de contexto longo do Google no GraphWalks: F1 de 99,7% até 128 mil tokens e de 84,2% entre 256 mil e um milhão. É um resultado forte. É também um lembrete de que a janela é capacidade, não promessa de precisão igual em qualquer profundidade.

Para um agente enterprise, isso pesa mais do que qualquer ranking. Uma tarefa longa não falha porque o modelo não sabe raciocinar. Falha porque a evidência necessária no passo 300 foi lida no passo 12, compactada e substituída por um resumo que perdeu justamente a ressalva que importava. A pergunta de engenharia não é “qual o tamanho da janela?”, e sim “o que o agente ainda sabe, com precisão, quando toma a decisão mais arriscada?”.

O próprio relato de engenharia do Google sobre uma execução de uma noite inteira no seu Agent Development Kit, que analisamos à parte, usou um modo de objetivo que mantém a meta fixada através das compactações de contexto. É o instinto certo: trate o que precisa sobreviver à execução inteira como estado gerenciado fora da memória do modelo, e não como algo que a janela de contexto vai guardar por você.

Alegações de segurança para verificar, não para adotar

O Google afirma que o Argon é seu modelo mais resistente a prompt injection indireta e informa uma taxa de sucesso de ataque de 0,7% em 15 tentativas adaptativas no benchmark Gray Swan. É um número reportado pelo fornecedor, num benchmark, e mede o modelo, não o seu agente. Um agente que lê tickets, e-mails e páginas web com permissão de escrita em produção continua precisando de uma fronteira fora do modelo, como defendemos em guardrails de prompt não são fronteira de segurança. Um modelo melhor reduz a frequência com que a fronteira é testada. Não a substitui.

O model card também é franco sobre capacidade cibernética: o Google “não pode descartar” que o Argon atinja o nível crítico de capacidade em cibersegurança do seu Frontier Safety Framework, aplica mitigações que bloqueiam tarefas ofensivas no modelo público e oferece uma versão sem mitigações apenas a parceiros governamentais, de infraestrutura crítica e de segurança aprovados no Fairwind Program. Se o seu time de segurança pensava em usar o Argon para pentest pela API comum, conte com recusas.

O preço tem prazo

O preço promocional é de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída até 30 de novembro de 2026. A partir de 1º de dezembro vale o preço padrão de US$ 4 e US$ 20. A entrada em cache sai com 95% de desconto.

Duas consequências. Primeiro, qualquer business case montado nas próximas seis semanas deve ser calculado no preço padrão, porque é nesse preço que a carga vai rodar. Segundo, o desconto de cache barateia muito as execuções longas quando a parte estável do contexto (instruções, definições de ferramentas, documentos de referência) está estruturada para ser reaproveitada. Tarefas longas são onde o custo por tarefa concluída mais se afasta do preço por token: uma execução que repete, entra em loop ou relê documentos pode custar várias vezes uma execução limpa.

O modelo talvez já esteja ligado

O detalhe mais discreto do lançamento está no changelog do GitHub. No Copilot, “novos modelos são habilitados automaticamente, a menos que um administrador tenha desligado o padrão global”, e o Argon é cobrado a preço de tabela do provedor no faturamento por uso, com rollout gradual. Em muitas organizações Business e Enterprise, um novo modelo de fronteira ficou disponível para os desenvolvedores sem que ninguém tenha decidido isso. Pode estar tudo bem. Ainda assim deveria ser uma decisão, registrada na política de modelos da organização, a mesma distinção que fizemos entre padrões e políticas no Copilot.

Na Databricks, a disponibilidade pelo Unity Gateway significa que as políticas, os orçamentos e os logs já configurados no gateway podem valer para o novo modelo sem reconstruir a aplicação. Essa é a vantagem de um gateway. Ela não resolve termos de processamento de dados, região ou comportamento; isso ainda precisa ser verificado por modelo e por workspace.

O que testar antes de rotear trabalho para ele

Rode o Argon nas suas próprias tarefas longas, não em demos, e meça quatro coisas:

• Precisão em profundidade. Plante fatos no começo de uma execução longa e verifique se as decisões do fim ainda os respeitam, antes e depois da compactação.
• Falha honesta. O Google diz que o modelo avisa quando não encontrou algo ou não terminou a tarefa. Conte quantas execuções terminam com um “não concluído” explícito, e não com um resultado parcial apresentado com confiança.
• Pausas que seguram. Confirme que ações irreversíveis param para aprovação porque o seu runtime obriga, e depois veja se o modelo também pede por conta própria.
• Custo por tarefa concluída com o preço de dezembro, incluindo as novas tentativas.

Um modelo de fronteira que roda por horas é um avanço real para agentes enterprise. A terceira hora é onde você descobre se ele é o certo para o seu trabalho.