Google ha avviato la distribuzione di Gemini 4 Argon, il nuovo modello di intelligenza artificiale che il gruppo presenta come il proprio salto di fascia alta per ragionamento, programmazione e gestione di attività articolate. L’annuncio ha una rilevanza che va oltre l’uso dei chatbot: DeepMind inserisce esplicitamente Argon nel percorso dedicato alla robotica, un ambito in cui la capacità di interpretare istruzioni, pianificare una sequenza di azioni e lavorare con informazioni provenienti dal mondo fisico diventa decisiva.
La disponibilità, però, è per ora selettiva. Gemini 4 Argon arriva nell’app Gemini e in AI Mode nella Ricerca Google per gli abbonati Google AI Pro e Google AI Ultra; gli sviluppatori possono invece utilizzarlo tramite Gemini API e attraverso Antigravity, la piattaforma di sviluppo agentico di Google. Non risultano al momento indicazioni su un’estensione agli utenti gratuiti o al piano Plus.
La mossa segna il primo importante rilascio frontier di Google dopo Gemini 3, arrivato alla fine del 2025. Nel frattempo la concorrenza di OpenAI e Anthropic ha alzato l’asticella nei modelli destinati a compiti professionali e agli agenti software. Argon è la risposta con cui Google prova a tornare al centro di questa partita, non limitandosi a promettere risposte più fluide ma cercando di mettere il modello al lavoro in contesti dove errori, ambiguità e passaggi superflui pesano più che in una normale conversazione.
Dalla chat agli ambienti in cui l’AI deve agire
Quando Google associa Argon alla robotica, la questione non è semplicemente far dialogare un robot con una persona. Nella ricerca sull’AI incarnata, o embodied AI, il modello deve poter collegare obiettivi formulati in linguaggio naturale, percezione dell’ambiente, vincoli operativi e pianificazione. È un passaggio molto più delicato della generazione di testo: un sistema può scrivere una spiegazione plausibile di una procedura, ma un robot deve eseguire azioni compatibili con ciò che osserva e con i limiti della macchina.
Le informazioni diffuse da Google descrivono Argon come un modello pensato per problemi complessi in discipline quali software engineering, finanza, scrittura, cybersecurity e programmazione. La robotica si inserisce in questa impostazione come terreno applicativo ad alta complessità, dove il ragionamento deve essere utile a organizzare compiti e a gestire flussi di lavoro. Non è stato annunciato, sulla base della distribuzione pubblica iniziale, un prodotto consumer che trasformi Gemini in un comando universale per robot domestici o industriali.
È una distinzione importante. L’accesso di massa avviene infatti attraverso app, Ricerca e strumenti per sviluppatori, non attraverso un catalogo di macchine fisiche compatibili. Il lavoro di DeepMind sulla robotica indica quindi una direzione tecnologica e di ricerca, mentre l’adozione concreta dipenderà dall’integrazione realizzata dai produttori di robot, dai dati disponibili, dai sistemi di controllo e soprattutto dalle procedure di sicurezza richieste in ciascun ambiente.
Google promette meno formule vuote e più continuità operativa
Tra le caratteristiche rivendicate per Argon c’è la riduzione di esitazioni, ripetizioni e formule stereotipate nelle risposte. Josh Woodward, vicepresidente prodotto per Gemini e Google Labs, ha indicato anche una maggiore rapidità nell’app Gemini e la possibilità di ricevere parti della risposta durante l’elaborazione delle richieste più lunghe. Per chi usa un modello nella programmazione o in un processo operativo, il vantaggio potenziale non è solo estetico: una risposta meno dispersiva può rendere più semplice verificare passaggi, istruzioni e decisioni proposte dal sistema.
Google sostiene inoltre che Argon abbia prestazioni competitive nei benchmark relativi, tra gli altri, a coding, scienza, cybersecurity, finanza e diritto. Artificial Analysis, società che valuta i modelli, gli attribuisce un punteggio pari a quello di GPT-6 Astra nel proprio Intelligence Index, con un costo per attività inferiore durante la fase promozionale. Come per qualsiasi benchmark composito, il dato non basta però a stabilire quale modello sia preferibile in ogni progetto: cambiano prompt, strumenti collegati, quantità di token usati e livello di controllo umano richiesto.
Il modello viene già impiegato internamente da Google, secondo l’azienda, per individuare e correggere vulnerabilità, per il debugging del simulatore fisico di Wing e per rendere meno onerosa l’infrastruttura che gestisce i commenti di YouTube. Sono esempi che aiutano a capire il tipo di posizionamento scelto: Argon viene proposto come componente per processi tecnici estesi, non soltanto come assistente per richieste isolate.
Il costo ridotto può allargare la sperimentazione, ma solo per un periodo
Google ha fissato un prezzo introduttivo di 2 dollari per milione di token in input e 10 dollari per milione di token in output. La tariffa è valida fino al 30 novembre, poi raddoppierà. Il prezzo è uno degli elementi centrali del lancio: l’azienda vuole rendere Argon competitivo rispetto ai modelli di frontiera rivali, soprattutto per chi costruisce prodotti che richiedono molte chiamate al modello.
Conviene tuttavia leggere questa comparazione con cautela. Il costo unitario dei token non coincide automaticamente con il costo totale di un compito. Due modelli possono consumare quantità molto diverse di elaborazione per arrivare a un risultato, e un sistema robotico o agentico introduce ulteriori spese: strumenti esterni, simulazioni, dati, verifiche, hardware e supervisione. Per le imprese, il parametro decisivo resterà il rapporto fra affidabilità, velocità e spesa complessiva del flusso di lavoro.
Anche la barriera d’ingresso non è irrilevante. Negli Stati Uniti Google AI Pro costa 20 dollari al mese, mentre Google AI Ultra parte da almeno 100 dollari mensili. Gli abbonati di questi piani possono provare Argon nell’app e nella Ricerca, ma la disponibilità non equivale a un accesso senza limiti né sostituisce le competenze necessarie per valutare l’output del modello.
Un rilascio preceduto da test mirati sulla sicurezza
Prima dell’apertura più ampia, Argon era stato affidato a un gruppo ristretto di soggetti, compresi governi e partner considerati affidabili con esigenze avanzate di cybersecurity, nell’ambito del Fairwind Program. Il passaggio è coerente con la prassi ormai diffusa per i modelli più capaci: testarli prima in contesti controllati, anche per capire se possano facilitare attività dannose o rendere più efficaci attacchi informatici.
Questo tema assume un peso ulteriore quando il discorso si estende alla robotica. Un modello che aiuta a pianificare o a interpretare un ambiente non può essere valutato soltanto per la qualità linguistica. Servono limiti chiari sulle azioni consentite, conferme umane nelle fasi sensibili e test effettuati nelle condizioni reali d’uso. Le capacità dichiarate da Google non eliminano questi requisiti, né dimostrano da sole che Argon sia pronto per ogni scenario fisico.
Nei prossimi mesi sarà soprattutto l’adozione da parte degli sviluppatori a chiarire dove Gemini 4 Argon riesca a offrire un vantaggio concreto. L’integrazione nell’app Gemini, in AI Mode e negli strumenti API gli dà una distribuzione ampia; il riferimento di DeepMind alla robotica segnala invece la volontà di portare lo stesso modello verso applicazioni in cui software, ragionamento e mondo fisico si incontrano. Per Google è un rilancio nel mercato dei modelli di frontiera. Per chi costruisce prodotti, è un’opzione nuova da misurare su casi d’uso reali, non una promessa da accettare sulla fiducia.
