Google เปิดตัว Gemini 4 Argon API รองรับ Output สูงสุด 1 ล้าน Token

Google DeepMind เปิดตัว Gemini 4 Argon ให้ใช้งานทั่วไปสำหรับนักพัฒนาและลูกค้าองค์กรแล้ว โดยเป็นโมเดลระดับแนวหน้า (frontier model) แบบ sparse mixture-of-experts ที่ออกแบบมาเพื่อรองรับงานยาวและซับซ้อนในหลากหลายสาขา เช่น การเขียนโค้ด การเงิน กฎหมาย และความปลอดภัยทางไซเบอร์

โมเดลรุ่นนี้เคย ประกาศเปิดตัว Argon ครั้งแรกเมื่อวันที่ 30 กันยายน สำหรับกลุ่มผู้เชี่ยวชาญด้านไซเบอร์ ปัจจุบันพร้อมใช้งานผ่าน Gemini API ในราคาแนะนำ $2 สำหรับ input และ $10 สำหรับ output ต่อหนึ่งล้าน tokens โดยไฮไลต์สำคัญคือการขยายขีดจำกัดความยาว output ให้สามารถเขียนได้สูงสุดถึง 1 ล้าน tokens ในการตอบกลับเพียงครั้งเดียว

TL;DR

• ขนาด: ไม่เปิดเผยจำนวนพารามิเตอร์ (sparse MoE) มีหน้าต่างรวม 1 ล้าน token สำหรับแชร์ระหว่าง input และ output
• ทำงานบน: คลาวด์ของ Google ผ่าน Gemini API, AI Studio และแพลตฟอร์ม Gemini ฝึกบน TPU และไม่มี open weights
• ประสิทธิภาพ: โดดเด่นในงานความรู้ (knowledge work) และการประมวลผลวิดีโอขนาดยาว แต่มีผลลัพธ์ที่หลากหลายในด้าน agentic coding
• ดีที่สุด: 91.7% บน LVBench (การเข้าใจวิดีโอขนาดยาว)
• แย่ที่สุด: 55.0% บน FrontierSWE v2 ซึ่งอยู่ในอันดับสุดท้ายเมื่อเทียบกับโมเดลอื่นในตารางทดสอบของ Google

Gemini 4 Argon คืออะไร?

ข้อมูลจาก model card ระบุว่า Argon คือโมเดลใหม่ที่สร้างขึ้นโดยเฉพาะ ไม่ใช่การปรับแต่งจากรุ่นเดิม มันเป็นสถาปัตยกรรม transformer แบบ large-scale sparse MoE ที่รองรับ multimodal ในตัว ทั้งข้อความ รูปภาพ เสียง และวิดีโอ โดยให้ผลลัพธ์เป็นข้อความ

Google ฝึกฝนโมเดลนี้บน TPU โดยใช้ JAX และ ML Pathways มีฐานข้อมูลความรู้สิ้นสุดที่เดือนมีนาคม 2026 อย่างไรก็ตาม Google ไม่ได้เปิดเผยตัวเลขจำนวนพารามิเตอร์ทั้งหมดหรือพารามิเตอร์ที่ทำงานจริง (active parameter) ของโมเดลนี้

ขีดจำกัด Output 1 ล้าน Token ทำงานอย่างไร?

Google ปรับขีดจำกัดการสร้าง output เพิ่มขึ้นเป็น 1 ล้าน tokens จากเดิมที่ทำได้เพียง 64,000 tokens ในรุ่นก่อน โดยมีเงื่อนไขว่าพื้นที่หน้าต่างรวม (Context Window) ของทั้ง input และ output จะต้องไม่เกิน 1 ล้าน tokens ดังนั้นหากส่งคำสั่ง (prompt) ที่ยาวมาก พื้นที่สำหรับคำตอบก็จะลดน้อยลง

สำหรับการถอดรหัสระยะยาว (long decodes) Google ได้กำหนดโปรโตคอลการทำงานต่อเนื่อง (continuation protocol) ใหม่ไว้ใน เอกสารสำหรับนักพัฒนา และ เอกสารสำหรับองค์กร เพื่อให้นักพัฒนาสามารถจัดการกับข้อมูลมหาศาลได้อย่างมีประสิทธิภาพ

ประสิทธิภาพของ Gemini 4 Argon บน Benchmark เป็นอย่างไร?

ในการเปรียบเทียบกับคู่แข่งอย่าง GPT-6 Astra และ Claude รุ่นล่าสุด Argon สามารถทำคะแนนนำในหลายหมวดหมู่:

• DeepSWE v1.1: ทำได้ 77.9% นำหน้า Opus 5.5 (74.2%) และ GPT-6 Astra (74.1%)
• Vals Index: คว้าอันดับ #1 ด้วยคะแนน 68.90% จากการจัดอันดับของ Vals AI
• AutomationBench: สูงถึง 51.3% เมื่อเทียบกับ 42.5% ของ Opus 5.5
• Harvey’s Legal Agent Benchmark: ทำได้ 19.6% ซึ่งมากกว่าโมเดลอันดับถัดไปเกือบ 3 เท่า
• GraphWalks (256K ถึง 1M tokens): ทำได้ 84.2% เทียบกับ 71.8% ของ GPT-6 Astra

นอกจากนี้ยังทำคะแนนได้ 87% บน ERQA embodied reasoning benchmark อย่างไรก็ตาม ควรพิจารณา ระเบียบวิธีประเมินผล ประกอบ เนื่องจากตัวเลขบางส่วนของคู่แข่งมาจากรายงานของแต่ละบริษัทเอง

จุดด้อยของ Gemini 4 Argon

แม้จะทำคะแนนได้ดีในหลายส่วน แต่ Argon ยังตามหลังคู่แข่งใน 5 หัวข้อหลักจากตารางของ Google เอง ได้แก่ FrontierSWE v2, Terminal-Bench 4.0, Terminal-Bench Science 0.1, PostTrainBench และ OSWorld-2.0

ใน model card ยังมีการระบุถึงปัญหาอาการประสาทหลอน (hallucinations) รวมถึงความล่าช้าหรือการหมดเวลา (timeouts) ในบางกรณี และภายใต้กรอบความปลอดภัยของ Google ยังระบุว่าต้องเฝ้าระวังความเสี่ยงด้านชีวภาพและความปลอดภัยทางไซเบอร์ ซึ่งมีการติดตั้งระบบป้องกันเพื่อลดความเสี่ยงเหล่านี้แล้ว

Gemini 4 Argon vs GPT-6 Astra vs Claude Opus 5.5 vs Claude Fable 5.1

Google ใช้ Argon ทำอะไรก่อนการเปิดตัว?

Google ได้นำ Argon มาใช้ในโครงการภายในและพบความสำเร็จที่น่าสนใจ เช่น การใช้ใน Antigravity ช่วยเพิ่มประสิทธิภาพการส่งโค้ดแบบ agentic ได้กว่า 35% และลดความผิดพลาดในการทำงาน (rollbacks) ได้เกือบหนึ่งในสาม

นอกจากนี้ยังช่วยเพิ่ม vLLM inference speedup ให้เร็วขึ้น 2.85 เท่าสำหรับ Gemma 4 E2B บน A100 รวมถึงช่วยลดเวลาในการเตรียมเซสชันใน Agent Development Kit ของ Google ได้อย่างชัดเจน

Gemini 4 Argon ราคาเท่าไหร่ และใช้งานได้ที่ไหน?

ราคา ช่วงแนะนำตั้งแต่วันนี้ถึง 30 พฤศจิกายน 2026 คือ $2 สำหรับ input และ $10 สำหรับ output ต่อหนึ่งล้าน tokens หลังจากนั้นราคาจะปรับเป็น $4 และ $20 ตามลำดับ ซึ่งจะใกล้เคียงกับราคาของ Claude Opus 5.5

นักพัฒนาสามารถเข้าถึงได้ผ่าน Gemini API ใน AI Studio และ Android Studio ส่วนลูกค้าองค์กรใช้งานผ่านแพลตฟอร์ม Gemini และ Google Antigravity สำหรับผู้บริโภคทั่วไปจะอยู่ในแอป Gemini สำหรับสมาชิก Google AI Pro และ Ultra ขณะที่กลุ่มผู้ป้องกันไซเบอร์สามารถใช้งานผ่าน Fairwind Program โดยไม่มี cyber guardrails