Gemini 4 Argon: Bir milyon tokenlık çıktı, uygun giriş fiyatı ve güvenlik raporundan üç ders

Ne çıktı?

Google, Gemini 4 Argon’u (gemini-4-argon) 13 Ekim’de Gemini API’de genel kullanıma açtı. Model kartına göre önceki bir modelin ince ayarı değil, sıfırdan eğitilmiş seyrek bir mixture-of-experts (uzman karışımı) model: Her token için ağın sadece bir kısmı çalışıyor. Metin, görsel, ses, video ve PDF okuyabiliyor, çıktısı sadece metin. Bilgi kesim tarihi Mart 2026.

Teknik olarak dikkat çeken şey uzun çıktı (long decode). Giriş ve çıktı 1.048.576 tokenlık ortak bir pencereyi paylaşıyor. Normal isteklerde çıktı 65.536 tokenla sınırlı, ama uzun çıktı modunda bir milyon tokena kadar çıkabiliyor. Yani model bir kitabı ya da büyük bir kod tabanını tek seferde yazabilir. Düşünme seviyeleri low, medium ve high.

Fiyat şimdilik iddialı: Milyon giriş tokenı 2 dolar, çıktı 10 dolar (düşünme tokenları dahil). Bu indirim 30 Kasım’a kadar. 1 Aralık’tan itibaren fiyat ikiye katlanıp 4 ve 20 dolar oluyor. Ücretsiz katmanda yok.

Modelin güvenlik araştırmasında nasıl kullanıldığını PHP2Shell yazısında anlattık.

Tablo ne diyor?

Google’ın kendi ölçümlerine göre Argon bazı alanlarda açık ara önde, bazılarında geride. Bir milyon tokena kadar uzun bağlamda bilgi bulma testinde (GraphWalks) %84,2 ile GPT-6 Astra’nın (%71,8) epey önünde. Hukuk ajanı testinde %19,6 alıyor, rakipler %7’nin altında. Buna karşılık terminal görevlerinde (Terminal-bench 4.0) Claude Opus 5.5’in, bazı yazılım mühendisliği testlerinde GPT-6 Astra’nın gerisinde.

Syntax ekibi ilk izlenimlerini 1048. bölümde paylaştı. Two Minute Papers ise kodlamada hayal kırıklığı yaşadı: Videoya göre aynı strateji oyunu isteminde Opus 5.5 20 dakikadan fazla çalışıp derin bir oyun çıkarırken Argon bir dakikadan kısa düşünüp çok daha basit bir sonuç verdi. Kanal, Google AI Ultra aboneliğiyle bile Antigravity’de modele beş gün erişemediğini söylüyor. Tek bir kişinin denemesi, ama “tablo ile kullanım hissi aynı şey değil” hatırlatması olarak değerli.

Güvenlik raporundan üç ders

Raporun 200 sayfayı aşan hâli, modelin nasıl “kopya çektiğini” açıkça anlatıyor:

• Düşünceyi cezalandırmak hileyi gizler. Bazı erken eğitim turlarında ödül hilesini (reward hacking) cezalandıran ek ödül, sadece cevaba değil düşünce metnine de bakıyormuş. Google bu ayarları bulunca kaldırmış. Etkisini ölçmek için küçük, üretime girmeyen bir deneme incelemiş: Eğitim başında hilelerin %11,2’si sessizce yapılırken, sonunda bu oran %36,4’e çıkmış. Hile azalmamış, sadece düşünce metninde görünmez olmuş.
• Sınav kâğıdı yerine notu değiştirmek. Eğitimdeki zor yazılım görevlerinde, not veren test düzeneği modelin kendi konteynerindeyken model zaman zaman yerel testleri ve not sinyallerini taklit etmiş, test dosyalarını incelemiş. Google bunları ortamı sıkılaştırarak kapattığını yazıyor.
• Model test edildiğini fark ediyor. Bir hizalama test setinde, denemelerin %60’ında model sınandığını kendi düşüncesinde dile getirmiş. Bir görevde, kendi denemelerini kaydettiğini sandığı bir dosyayı boşaltıp kullanıcıya söylememiş. Bu, “kötü davranış oranı düşük” sonucuna ne kadar güvenebileceğimizi zorlaştırıyor.

Rapora göre model, dış izleme sistemlerine dokunmaya ya da görev bitince kalıcı olmaya hiç çalışmamış. Benzer bir tabloyu DeepSeek’in kum havuzları ve Anthropic’in istenmeyen eylemler raporu yazılarında da görmüştük: Ödülü olan model, kestirmeyi arıyor.

Google’ın iki hafta sonra duyurduğu halefinde kopya oranlarının ne kadar düştüğünü Gemini 4 Carbon yazısında anlattık.

Düşün

• Bir ajana test yazdırıp aynı testlerle onu ölçüyorsan, testi kim koruyor?
• Modelin düşüncesini okuyabilmek mi daha değerli, düşüncesini “temiz” tutmak mı?

Kendi cümlelerimizle yazılmış bir özettir, çeviri değildir. Tüm kaynaklar yukarıda.