Gemini 4 Argon: o modelo do Google que caça vulnerabilidades sozinho e tenta encurtar a distância para OpenAI e Anthropic
O Google acaba de dar a resposta mais contundente que já deu nesta corrida: nesta terça-feira (30/09), a empresa anunciou o Gemini 4 Argon, seu novo modelo de ponta, construído para tarefas longas e complexas de engenharia de software, trabalho corporativo de alto nível (jurídico, financeiro) e, principalmente, defesa cibernética autônoma. Depois de quase um ano de silêncio desde o Gemini 3 — um hiato que a própria imprensa internacional associou a atrasos internos e à pressão da concorrência —, o Google volta ao centro do debate com um modelo que promete não apenas escrever código, mas caçar e corrigir vulnerabilidades de segurança sozinho, antes que alguém mal-intencionado as explore.
O anúncio foi assinado por Koray Kavukcuoglu, vice-presidente sênior do Google DeepMind e arquiteto-chefe de IA da companhia, que descreveu o Argon como um modelo "construído para sustentar raciocínio profundo em fluxos de trabalho longos e complexos", capaz de "mudar fundamentalmente a forma como trabalhamos e construímos no Google". Não é discurso vazio: a janela de contexto do novo modelo saltou de 64 mil para 1 milhão de tokens, o que na prática significa que ele consegue manter coerência em tarefas que exigem ler, cruzar e lembrar uma quantidade de informação equivalente a livros inteiros, sem perder o fio da meada no meio do caminho.
Nos benchmarks divulgados pelo próprio Google, o Argon lidera ou empata em praticamente todas as categorias que a empresa considera estratégicas: 77,9% no DeepSWE v1.1 (tarefas reais e longas de engenharia de software, à frente do Claude Opus 5.5 e do GPT-6 Astra, segundo os números publicados), liderança no Vals Index — que mede desempenho em finanças, direito e contabilidade —, primeiro lugar no AutomationBench da Zapier com 51,3% e um impressionante 91,7% no LVBench, que avalia compreensão de vídeos longos. Na área que o Google mais quer destacar, a de cibersegurança, o modelo empatou em primeiro no CWE-bench v1, com 68% de acerto na identificação de vulnerabilidades reais de software.
É justamente nesse ponto que a história ganha um contorno quase de filme: o Google está liberando, para um grupo seleto de "defensores confiáveis" dentro do programa batizado Fairwind, uma versão do Argon sem as grades de proteção padrão que normalmente limitam o que um modelo de IA pode fazer em termos ofensivos de segurança. A ideia é deixar a IA caçar falhas em sistemas críticos — hospitais, infraestrutura, softwares corporativos — antes que agentes maliciosos o façam. Em uma demonstração conjunta com a empresa de segurança Wiz, o Argon encontrou uma vulnerabilidade crítica em um software de saúde que expunha dados pessoais sensíveis e que modelos de fronteira anteriores simplesmente não haviam detectado.
Essa dualidade — uma IA que tanto ataca quanto defende sistemas — é o tipo de coisa que deveria tirar o sono de qualquer analista de segurança, e não é força de expressão. O próprio Google reconhece o risco e descreve quatro camadas de proteção: defesa contra uso malicioso, monitoramento ativo de tentativas de injeção de prompt, acompanhamento do "raciocínio" interno do modelo para detectar desalinhamento (com direito a equipe dedicada de resposta a incidentes) e isolamento rígido dos ambientes de treinamento de alto risco. Em outras palavras: o mesmo modelo que corrige falhas de segurança em escala também precisa ser vigiado para não virar, ele mesmo, uma ferramenta de ataque nas mãos erradas — um debate que ecoa discussões mais amplas sobre o papel da inteligência artificial em conflitos digitais e cibernéticos, cada vez mais travados por algoritmos dos dois lados da trincheira.
Dentro de casa, o Google já está colhendo resultados concretos do Argon, segundo o anúncio. Agentes do modelo identificaram e aplicaram sozinhos otimizações de memória nos data centers da empresa, liberando mais de 300 TiB — com projeção de economizar entre 500 TiB e 1 PiB no total. Em outra frente, o Argon está sendo usado para migrar bases de código gigantescas de C/C++ para Rust, linguagem considerada mais segura contra certas classes de falhas de memória: o projeto mais ambicioso envolve o kernel Zircon do sistema Fuchsia, com mais de 800 mil linhas de código, e no decodificador de vídeo de código aberto libgav1 o modelo reescreveu 32 mil linhas de código vetorizado alcançando desempenho 2,7 vezes mais rápido que a versão anterior em Rust — mantendo a segurança de memória intacta.
Na ponta comercial, o Argon chega com preço introdutório de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída — tokens em cache saem com 95% de desconto —, subindo depois do período promocional para US$ 4 e US$ 20, respectivamente. O acesso começa pelos clientes pagantes da API e assinantes do Google AI Ultra, em um processo gradual que inclui, segundo o Google, diálogo com o governo americano sobre acesso prévio voluntário a modelos de fronteira — um movimento que mostra como a linha entre inovação comercial e segurança nacional está cada vez mais embaralhada.
Vale um parêntese de cautela: a Bloomberg noticiou, citando funcionários não identificados, que testes internos do Google teriam encontrado desempenho aquém do esperado em cenários do mundo real, algo que a empresa nega publicamente. Como a fonte é anônima e a própria Google contesta a informação, trata-se de um dado ainda não confirmado por fontes abertamente identificadas — fica o registro para o leitor, sem que isso comprometa os números de benchmark que o Google divulgou oficialmente e que podem, claro, ser reavaliados conforme o modelo chega ao uso real em massa.
O pano de fundo de tudo isso é a corrida mais cara e mais rápida da história da tecnologia: a OpenAI cancelou recentemente o GPT-6.1 por questões de segurança, a Anthropic segue avançando com a família Claude Opus, e agora o Google tenta provar que o atraso de um ano em relação ao Gemini 3 não significou perda de relevância. Tulsee Doshi, responsável pelos produtos Gemini no Google DeepMind, resumiu o recado da empresa de forma direta: "Argon é um modelo versátil, com capacidades de fronteira em vários domínios". Resta saber se o mundo real — hospitais, bancos, data centers e, sobretudo, as equipes de segurança que vão operar essa ferramenta de dois gumes — vai confirmar essa versatilidade com a mesma margem folgada que os benchmarks sugerem.
Sobre o autor
Paulo Henrique D. Leme
Empresário, CEO da FluxoPro, desenvolvedor e apaixonado por tecnologia. Especialista em sistemas web, automação e IA, acompanha de perto as novidades e transformações do setor, compartilhando no blog suas descobertas, análises e notícias.