Gemini 4 Argon esce dal recinto cyber: Google lo apre ad aziende e API

🤖 Cosa cambia

• Dal 13 ottobre Gemini 4 Argon passa dalla fase iniziale riservata ai cyber defender a una distribuzione commerciale attraverso Google Cloud e gli strumenti per sviluppatori.
• Il modello è disponibile via API con identificativo gemini-4-argon, Google AI Studio, Antigravity e Gemini for business su web, desktop e mobile.
• Il prezzo introduttivo resta 2 dollari per milione di token in input e 10 in output fino al 30 novembre, poi sale rispettivamente a 4 e 20 dollari.

Gemini 4 Argon cambia fase. Google aveva già presentato il modello frontier il 30 settembre puntando su un milione di token in output, coding, knowledge work e cyberdifesa, ma la prima distribuzione era volutamente limitata al programma Fairwind e a tester selezionati. Il 13 ottobre arriva il passaggio che trasforma quelle capacità da dimostrazione tecnologica a prodotto operativo: Argon entra in Google Cloud, diventa accessibile attraverso API e AI Studio, arriva in Antigravity e viene portato dentro Gemini for business su web, desktop e mobile. Matrice Digitale aveva già analizzato il lancio di Argon, i benchmark DeepSWE e CWE-bench e il problema economico di task lunghi fino a un milione di token. La notizia di oggi non è quindi l’esistenza di un nuovo modello, ma la trasformazione del modello più avanzato di Google in un’infrastruttura concretamente acquistabile e integrabile nei workflow aziendali.

Argon passa dalla preview controllata all’infrastruttura aziendale

Google Cloud comunica che dal 13 ottobre il modello è disponibile in Gemini for business su web, desktop e mobile e che sviluppatori e aziende possono richiamarlo attraverso la Gemini API utilizzando l’identificativo gemini-4-argon, oltre che tramite Google AI Studio e Google Antigravity. Il comunicato ufficiale di Google Cloud del 13 ottobre chiude quindi la prima fase iniziata a fine settembre, quando Mountain View aveva scelto di distribuire Argon soprattutto a cyber defender fidati per osservare capacità e rischi prima dell’apertura più ampia. Il delta editoriale è importante proprio perché Google ha appena trasformato Gemini in un agente persistente capace di operare tra Workspace, Microsoft 365, Slack e sistemi aziendali: adesso quell’architettura può essere alimentata dal modello frontier progettato per mantenere task lunghi, modificare più file e sostenere processi complessi senza spezzare continuamente la traiettoria di lavoro. Il modello e l’agente diventano così due livelli dello stesso stack.

Leggi anche: Gemini 4 domina i benchmark ma fatica sul campo mentre il costo dell’AI crolla

L’azienda non compra soltanto reasoning ma lavoro delegato per ore

La comunicazione Google Cloud insiste meno sui benchmark e molto di più su ciò che un’organizzazione può effettivamente consegnare al modello. Argon viene presentato come sistema capace di leggere documenti lunghi che combinano testo, tabelle, grafici e immagini, produrre ricerche legali e finanziarie verificabili, modificare codebase complesse e mantenere il controllo di workflow multi-step fino alla consegna del risultato. Google afferma inoltre di avere addestrato il modello a rispettare i confini del sistema, dichiarare risultati negativi e fermarsi prima di operazioni irreversibili quando serve conferma. È la conseguenza logica dell’evoluzione già vista con Gemini 3.8 Flash e la crescita dei workflow agentici nel coding: aumentando durata, privilegi e autonomia, il valore non dipende più soltanto dalla qualità della singola risposta ma dalla capacità di completare una sequenza di azioni senza accumulare errori. Google dichiara che il team dell’Agent Development Kit ha utilizzato Argon in esecuzioni autonome notturne per ottimizzare il framework, riducendo del 40% il tempo di preparazione delle sessioni lunghe e del 21% i tempi di cold import; in Antigravity, inoltre, le submission di codice agentico sarebbero aumentate di oltre il 35% con una riduzione dei rollback vicina a un terzo. Sono numeri prodotti dal vendor, ma indicano chiaramente il mercato che Google vuole occupare: non il chatbot più brillante, ma il modello a cui affidare blocchi di lavoro reali.

La cyberdifesa resta potente ma viene separata dalle capacità offensive

La sicurezza resta uno degli assi principali di Argon ma la distribuzione commerciale introduce una distinzione netta. La versione normalmente accessibile conserva mitigazioni che impediscono attività offensive come pentesting ed exploitation, mentre Google continua a fornire capacità cyber senza alcuni guardrail soltanto a difensori selezionati attraverso Fairwind. Per gli utenti ordinari resta disponibile la parte difensiva: individuazione e correzione delle vulnerabilità attraverso CodeMender o harness proprietari, analisi del codice e resistenza alle indirect prompt injection. Google sostiene che Argon raggiunga il 68% su CWE-Bench v1 e che sul benchmark Gray Swan dedicato alla prompt injection indiretta riduca il successo dell’attacco allo 0,7% dopo 15 tentativi adattivi. È un punto decisivo perché un agente che legge email, pagine web e documenti aziendali porta dentro il modello contenuti che potrebbero contenere istruzioni ostili. La crescita da assistente a operatore era già visibile quando Gemini è arrivato su Windows insieme ai plugin Cloud per agenti di sviluppo; con Argon aperto commercialmente il problema diventa sistemico: più il modello può fare, più la sicurezza deve governare strumenti, identità e contesto oltre al prompt.

Il prezzo aggressivo serve a moltiplicare le integrazioni, non soltanto gli utenti

L’altra novità concreta è che la fase commerciale mantiene il listino promozionale annunciato al debutto. Fino al 30 novembre 2026 Argon costa 2 dollari per milione di token in input e 10 dollari per milione in output, mentre il cached input riceve uno sconto del 95%. Dal 1° dicembre il prezzo standard sale a 4 dollari in input e 20 dollari in output. La metrica va però interpretata insieme alla natura del modello: un sistema capace di produrre traiettorie estremamente lunghe può generare costi significativi se orchestrazione, caching e limiti operativi non sono progettati con attenzione. Il vantaggio per Google è evidente. Un prezzo iniziale relativamente aggressivo consente a software house e imprese di provare Argon dentro processi che finora utilizzavano modelli Flash o più economici, mentre Antigravity e AI Studio riducono il costo organizzativo della sperimentazione. È la stessa strategia con cui Google ha progressivamente trasformato Gemini in infrastruttura distribuita tra applicazioni, video, voce e servizi connessi: prima distribuire il modello, poi renderlo il motore invisibile di un numero crescente di workflow.

Continua con:
Gemini 3.8 Flash accelera il coding e apre l’AI cyber ai difensori
Google Cloud dà memoria agli agenti AI con AlloyDB e Valkey

Il 13 ottobre conta più del lancio perché Argon entra nei processi reali

Il debutto di fine settembre aveva mostrato cosa Google ritiene tecnicamente possibile; l’apertura del 13 ottobre mostra dove vuole monetizzarlo. Argon entra nello stesso ecosistema in cui Google sta costruendo agenti con identità proprie, memoria persistente, strumenti, sandbox e connettori verso applicazioni concorrenti. A quel punto il confronto con OpenAI e Anthropic smette di ridursi alla classifica dei benchmark. Conta quale modello regge più a lungo, quanto costa mantenerlo operativo, quali strumenti può utilizzare, come vengono applicate le autorizzazioni e quanto è semplice inserirlo in un processo aziendale esistente. Google sta cercando di occupare contemporaneamente tutti questi livelli: modello frontier, API, ambiente di sviluppo, agente, cloud e governance. Gemini 4 Argon non è nuovo il 13 ottobre; nuova è la possibilità di farlo diventare una componente ordinaria del software e del lavoro enterprise. È questa la differenza tra annunciare un modello e trasformarlo in piattaforma.