அறிமுக விலையிலும் புதிய பாதுகாப்புத் தகவல் வெளியீடுகளுடனும் Gemini 4 Argon-ஐக் கட்டணம் செலுத்தும் பயனர்களுக்கு Google திறக்கிறது

அளவிடக்கூடிய முன்னேற்றங்களும் ஒப்புக்கொள்ளப்பட்ட அபாயங்களும் கொண்ட விரிவான வெளியீடு

Gemini 4 Argon-ஐ 2026 அக்டோபர் 13 அன்று உலகளவில் டெவலப்பர்கள், நிறுவனங்கள் மற்றும் கட்டணம் செலுத்தும் நுகர்வோருக்குத் திறந்துவிட்ட Google, API-க்கான அறிமுக விலையாக உள்ளீட்டின் ஒவ்வொரு மில்லியன் டோக்கனுக்கும் $2, வெளியீட்டின் ஒவ்வொரு மில்லியன் டோக்கனுக்கும் $10 என நிர்ணயித்தது. மென்பொருள் பொறியியல், அறிவியல் ஆராய்ச்சி மற்றும் ரோபாட்டிக்ஸ் தொடர்பான விரிவான கூற்றுகளையும் நிறுவனம் முன்வைத்தது. செப்டம்பர் 30 அன்று அறிமுகப்படுத்தப்பட்டபோது, தேர்ந்தெடுக்கப்பட்ட சைபர் பாதுகாப்புப் பாதுகாவலர்களுக்கு மட்டுமே அணுகல் வழங்கப்பட்டது; அதற்கு 13 நாட்களுக்குப் பிறகு இந்த விரிவாக்கம் வந்துள்ளது.

இந்த வெளியீடு, மாதிரி பாதுகாப்புச் சோதனையில் தேர்ச்சி பெற்றது என்ற எளிய அறிவிப்பைவிட நிபந்தனைகள் கொண்ட பாதுகாப்புச் சித்திரத்தையும் முன்வைக்கிறது. உயிரியல் தகவல் மற்றும் சைபர் பாதுகாப்பு தொடர்பான முக்கியத் திறன் வரம்புகளையோ, மறைவாகச் செயல்படுதல் மற்றும் அது பயன்படுத்தப்படும் சூழலை உணர்தல் தொடர்பான தனி வரம்பையோ Argon எட்டக்கூடும் என்பதை நிராகரிக்க முடியாது என Google DeepMind கூறுகிறது. செயல்படுத்தப்பட்ட பாதுகாப்பு நடவடிக்கைகள் மீதமுள்ள அபாயங்களை அந்த வரம்புகளுக்குக் கீழே குறைப்பதாக Google தெரிவிக்கிறது.

Google-இன் Argon வெளியீட்டு அறிவிப்பில், AI முகவர் பணிச்சூழல்கள் மூலம் உருவாக்கப்படும் குறியீட்டுச் சமர்ப்பிப்புகள் 35%-க்கும் அதிகமாக உயர்ந்துள்ளதாகவும், குறியீட்டை முந்தைய நிலைக்குத் திருப்பும் நிகழ்வுகள் கிட்டத்தட்ட மூன்றில் ஒரு பங்கு குறைந்துள்ளதாகவும் நிறுவனம் தெரிவிக்கிறது. Chromium-ஐ மறுசீரமைப்பது முதல், ஆய்வகச் சோதனைகளில் பின்னர் செயல்பாடு காட்டிய நொதிவடிவமைப்புகளை உருவாக்குவது வரை அதன் எடுத்துக்காட்டுகள் விரிகின்றன.

Google DeepMind-இன் மூத்த துணைத் தலைவரும் Google-இன் தலைமை AI கட்டமைப்பாளருமான கோரே கவுக்சுக்லு, வெளியீட்டின் நோக்கத்தை இவ்வாறு விவரித்தார்:

எங்களின் அண்மைய முன்னணி மாதிரியை டெவலப்பர்கள், நிறுவனங்கள், விஞ்ஞானிகள் மற்றும் நுகர்வோருக்கு வழங்குகிறோம்.

மையக் கருத்து உரையாடலைவிட நடைமுறைப் பயன்பாட்டை முன்னிறுத்துகிறது: சிக்கலான அமைப்புகளை ஆராயவும், மாற்றங்களை உருவாக்கவும், நீண்ட பணிகளின் போதும் முடிவுகளைச் சோதிக்கவும் Argon வடிவமைக்கப்பட்டுள்ளது. இது நம்பகமான மதிப்பாக மாறுகிறதா என்பது பணிச்சுமை, அணுகல் நிலை மற்றும் மனித மதிப்பாய்வு ஆகியவற்றைப் பொறுத்தது; Google-இன் சொந்தப் பொறியியல் எடுத்துக்காட்டுகளும் இதையே காட்டுகின்றன.

Argon-ஐ யார், எந்தத் தயாரிப்புகள் மூலம் அணுகலாம்?

Google AI Pro மற்றும் Ultra சந்தாதாரர்கள் Gemini செயலியிலும் Search-இல் உள்ள AI Mode-இலும் Argon-ஐப் பயன்படுத்தலாம். AI குறியீட்டு முகவர்களுக்கான சூழலான Google Antigravity வழியாக தனிநபர் சந்தா அணுகலைப் பெற Ultra அவசியம். AI Studio-வில் Ultra அணுகலையும், AI Studio மற்றும் Android Studio-வில் கட்டணம் செலுத்தும் Gemini API வழியாக டெவலப்பர்களுக்கான தனி அணுகலையும் Google பட்டியலிடுகிறது.

நிறுவனங்கள் Gemini for business, API மற்றும் Antigravity வழியாக மாதிரியை அணுகலாம். இந்த வேறுபாடு முக்கியமானது: நுகர்வோர் சந்தாவும் கட்டணம் செலுத்தும் API பயன்பாடும் வெவ்வேறு வழிகள். எனவே, Gemini செயலியில் Pro அணுகல் இருப்பதால் தன்னாட்சி குறியீட்டுப் பணிச்சூழல்களுக்கும் அதே அணுகல் தானாகக் கிடைக்கும் என்று பொருளல்ல.

அறிக்கைகளின்படி, AI Pro மாதத்திற்கு $20; Ultra மாதத்திற்கு $99 முதல் தொடங்குகிறது. Pro சந்தாதாரர்கள் Gemini Canvas வழியாக Argon-ஐப் பயன்படுத்திக் குறியீடு உருவாக்கலாம். அதே நேரத்தில் Gemini 3.1 Pro-ஐ Google தொடர்ந்து வழங்குகிறது. Antigravity-இன் குறைந்த சந்தா நிலைகளுக்கோ இலவசப் பயனர்களுக்கோ Argon அணுகல் எப்போது கிடைக்கும் என அறிவிக்கப்படவில்லை.

கட்டுப்படுத்தப்பட்ட சோதனையிலிருந்து பரந்த விநியோகத்துக்கு இந்த வெளியீடு குறுகிய காலத்தில் நகர்ந்துள்ளது:

• 2026 செப்டம்பர் 30: அங்கீகரிக்கப்பட்ட சைபர் பாதுகாப்புப் பாதுகாவலர்களுக்கு அணுகலை வழங்கி Argon-ஐ Google முதலில் அறிமுகப்படுத்தியது.
• 2026 அக்டோபர் 12: போட்டி முன்னணி மாதிரியான Muse Wonder Full-ஐ Meta அறிவித்தது.
• 2026 அக்டோபர் 13: தகுதியுள்ள சந்தாதாரர்கள், டெவலப்பர்கள் மற்றும் நிறுவனங்களுக்கு Argon-ஐ உலகளவில் வழங்கத் தொடங்கியது Google.
• 2026 டிசம்பர் 1: அறிமுகக் காலத்துக்குப் பிறகு வழக்கமான API விலை தொடங்கும் நாளாக அறிக்கைகள் குறிப்பிடுகின்றன.

அறிமுக விலைகள் உண்மையில் எதற்குப் பொருந்தும்?

உள்ளீட்டின் ஒவ்வொரு மில்லியன் டோக்கனுக்கும் $2, வெளியீட்டின் ஒவ்வொரு மில்லியன் டோக்கனுக்கும் $10 என Google-இன் அறிவிப்பு உறுதிப்படுத்துகிறது; சேமித்துவைத்த உள்ளீட்டு டோக்கன்களுக்கு 95% தள்ளுபடியும் உண்டு. டோக்கன்கள் என்பது மாதிரி செயலாக்கும் அலகுகள்; அவை பெரும்பாலும் சொற்களாகவோ சொற்களின் பகுதிகளாகவோ இருக்கும். ஏற்கெனவே செயலாக்கப்பட்ட உள்ளீட்டை மீண்டும் பயன்படுத்தி, குறைந்த கட்டணத்தில் பெற உதவுகிறது சேமிப்பாக்கம்.

இந்த விலைகளின்படி, ஒரு மில்லியன் சாதாரண உள்ளீட்டு டோக்கன்களும் ஒரு மில்லியன் வெளியீட்டு டோக்கன்களும் சேர்த்து $12 செலவாகும். அறிமுக உள்ளீட்டு விலையில் 95% குறைப்பு கிடைத்தால், தகுதியான சேமிக்கப்பட்ட உள்ளீட்டின் ஒவ்வொரு மில்லியன் டோக்கனுக்கும் $0.10 செலவாகும். இது பயன்பாட்டின் அடிப்படையிலான கட்டணம்; Gemini சந்தாவின் விலை அல்ல.

அறிமுகக் காலம் நவம்பர் 30 அன்று முடிவடைந்து, டிசம்பர் 1 முதல் உள்ளீட்டின் ஒவ்வொரு மில்லியன் டோக்கனுக்கும் $4, வெளியீட்டின் ஒவ்வொரு மில்லியன் டோக்கனுக்கும் $20 என விலை இரட்டிப்பாகும் என்று அறிக்கைகள் கூறுகின்றன. அதே எடுத்துக்காட்டுக்கு அப்போது $24 செலவாகும். அந்தக் காலக்கெடுவையோ பின்னர் அமலாகும் விலைகளையோ Google-இன் வெளியீட்டு அறிவிப்பு குறிப்பிடவில்லை. ஆகவே, அதிகாரப்பூர்வ அறிக்கை அறிமுக விலைகளை உறுதிப்படுத்துகிறது; அவை முடிவடையும் தேதியை உறுதிப்படுத்தவில்லை.

அறிமுக விலைகள், சில போட்டி மாதிரிகளின் விலைகளில் ஐந்தில் ஒரு பங்கு அளவுக்கு இருப்பதாகவும் அறிக்கைகள் கூறுகின்றன. ஆனால் அந்த ஒப்பீடு ஒரு பணியை முடிப்பதற்கான செலவைத் தீர்மானிப்பதில்லை: வெவ்வேறு அமைப்புகள் வெவ்வேறு எண்ணிக்கையிலான டோக்கன்களைப் பயன்படுத்தலாம், மீண்டும் முயற்சிகள் தேவைப்படலாம் அல்லது சிந்தனைச் செயல்முறைக்கு வெவ்வேறு நேரத்தைச் செலவிடலாம். சேமிக்கப்பட்ட உள்ளீட்டுக்கான தள்ளுபடி எவ்வளவு காலம் நீடிக்கும் என்பதையும் அதிகாரப்பூர்வ அறிவிப்பு குறிப்பிடவில்லை.

மதிப்பாய்வு ஏன் இன்னும் முக்கியம் என்பதை Python சோதனை காட்டுகிறது

Google-இன் Agent Development Kit (ADK) தொடர்பான எடுத்துக்காட்டுகளில் ஒன்று மிகவும் தகவலளிக்கிறது. நிறுவனங்களுக்கான AI முகவர்களை உருவாக்கப் பயன்படும் கட்டமைப்புதான் ADK. அதன் Python களஞ்சியத்தில் கிட்டத்தட்ட 800 மூலக் கோப்புகளில் சுமார் 205,000 வரிக் குறியீடும், ஏறத்தாழ 17,000 அலகுச் சோதனைகளும் உள்ளன. பொது இடைமுகத்தையோ பயன்பாடுகள் தங்கள் மாதிரிகளுக்கு அனுப்பும் தகவலையோ மாற்றாமல், கட்டமைப்பின் மேல்நிலைச் சுமையைக் குறைக்குமாறு Argon-க்கு பணிக்கப்பட்டது.

சுமார் இரண்டு மணி நேரம் நீடித்த முதல் முயற்சியில், உண்மையான இடையூறுகள் கண்டறியப்பட்டன; ஆனால் சில சிக்கல்களும் ஏற்பட்டன. அவற்றில் பொது JSON schema-வில் ஏற்பட்ட நுட்பமான மாற்றமும் தவறவிடப்பட்ட சோதனை வழக்குகளும் அடங்கும். பின்னர் குழு களஞ்சிய வழிகாட்டுதல்களை வழங்கி, செயல்திறன் அளவீடுகளுடன் இணைக்கப்படாத pull request ஒன்றைத் தயாரிக்க Argon-க்கு அறிவுறுத்தியது.

அதைத்தொடர்ந்த கண்காணிப்பின்றி நடந்த முயற்சி 11 மணி நேரம் நீடித்தது. Argon 12 வழிகாட்டிக் கோப்புகளைப் படித்து, ஆறு மேம்பாடுகளை முன்மொழிந்து, 16,892 அலகுச் சோதனைகளை இயக்கியது. மனித மதிப்பாய்வாளர்கள் இரண்டு முன்மொழிவுகளை ஏற்றுக்கொண்டு, நான்கை நிராகரித்தனர். காலாவதியான சேமித்த தரவு, தனிப்பட்ட நூலக உள்புறங்களைச் சார்ந்திருத்தல், வாசிப்புத் தெளிவு குறைதல், செயற்கை அளவுகோல் சோதனைகளில் மட்டுமே கிடைத்த முன்னேற்றம் ஆகிய அபாயங்கள் அதற்கான காரணங்களாகக் குறிப்பிடப்பட்டன.

ஏற்றுக்கொள்ளப்பட்ட மாற்றங்கள், உரையாடல் வரலாற்றை நகலெடுப்பதற்கு முன் வடிகட்டின; தேவைப்படும் வரை பெரிய தொகுப்புகளை ஏற்றுவதைத் தாமதப்படுத்தின. இறுதி மாற்றம் 22 கோப்புகளைத் தொட்டு, 17 சோதனைச் செயல்பாடுகளைச் சேர்த்தது. நினைவகத்தில் வைத்திருக்கும் நீண்ட அமர்வுகளுக்கான தயாரிப்பு நேரம் சுமார் 40% குறைந்ததாகவும், புதிதாகத் தொடங்கும்போது தொகுப்புகளை இறக்குமதி செய்யும் வேகம் 21% மேம்பட்டதாகவும் Google தெரிவிக்கிறது.

158 முறை நிகழ்ந்த தனி அளவீட்டில், நேரம் 65.6 விநாடிகளிலிருந்து 56.1 விநாடிகளாகக் குறைந்தது; இது சுமார் 14.5% குறைவு. இந்தச் சிறிய எண்ணிக்கை முரண்பாடல்ல: ஒரு கூறை 40% மேம்படுத்துவதால் முழுப் பணிச்சூழலும் 40% வேகமாகிவிடாது. பொது சோதனைத் தொகுப்பில் தேர்ச்சி பெறுவது மட்டும் போதவில்லை என்பதையும் இந்தச் சோதனை காட்டுகிறது. முன்மொழியப்பட்ட இறக்குமதி மாற்றம் ஒன்று 16,892 பொது சோதனைகளிலும் தேர்ச்சி பெற்றபோதும், திருத்தப்படுவதற்கு முன்பு 25 உள் சோதனை இலக்குகளில் தோல்வியடைந்தது.

Chromium முதல் வேகமான Gemma செயலாக்கம் வரை

Chromium-இன் 40 மில்லியன் வரிக் குறியீட்டுத் தொகுப்பில், சுமார் ஆறு மில்லியன் வரிகளைக் கொண்ட பழைய கோப்பகத்திலிருந்து வலைப்பக்கங்களைக் கையாளும் மையச் செயல்பாட்டைப் பிரிக்க Argon உதவியதாக Google கூறுகிறது. அந்தக் கோப்பகம் மொத்தக் குறியீட்டில் சுமார் 15% ஆகும். நூற்றுக்கணக்கான கோப்புகளை உள்ளடக்கிய மறுசீரமைப்பு, மாதக்கணக்கான பணியை வாரங்களுக்குள் முடித்ததாக Google தெரிவிக்கிறது.

பக்கங்களை மீண்டும் ஏற்றாமல், திறந்திருக்கும் வலைப்பக்கங்களைத் தாவல்கள், பக்கப் பலகைகள் மற்றும் மிதக்கும் சாளரங்களுக்கு இடையே நகர்த்தவும், ஒரு வகை செயலிழப்புகளை நீக்கவும் இந்தப் பணி உதவும் என எதிர்பார்க்கப்படுகிறது. இவை கட்டமைப்புப் பணியால் கிடைக்கும் என எதிர்பார்க்கப்படும் விளைவுகள்; ஒவ்வொரு பயனருக்கும் ஏற்கெனவே இத்திறன்கள் உள்ளன என்பதற்கான சான்றுகள் அல்ல.

vLLM எனப்படும் மொழி மாதிரிகளை வழங்கும் மென்பொருளைப் பயன்படுத்தி, Nvidia A100-இல் Gemma 4 E2B-க்கான செயலாக்க வேகம் 2.85 மடங்கு உயர்ந்ததாக Google தெரிவிக்கிறது. வெளியீட்டின் தரம் குறையவில்லை என்றும், உருவாக்கப்பட்ட டோக்கன்கள் ஒரே மாதிரியாக இருந்ததாகவும் கூறப்படுகிறது; இதேவேளை, வினாடிக்கு சுமார் 37,900 டோக்கனிலிருந்து 108,000-க்கும் அதிகமாகச் செயல்திறன் உயர்ந்தது. இது குறிப்பிட்ட மாதிரி மற்றும் வன்பொருளில் கிடைத்த முடிவு; Gemma குடும்பம் முழுவதற்குமான பொதுவான வேக உயர்வு அல்ல.

YouTube கருத்துகளில் மீண்டும் மீண்டும் நிகழும் எமோஜி காட்சிப்படுத்தலைக் கண்டறிந்ததும், Alphabet-இன் Wing விநியோக வணிகம் பயன்படுத்தும் டிரோன் இயற்பியல் சிமுலேட்டரில் 2018 முதல் இருந்த பிழைகளைக் கண்டுபிடித்ததும், அறிக்கைகளில் இடம்பெறும் பிற உள் எடுத்துக்காட்டுகள். YouTube தொடர்பான எண்ணிக்கையில் அறிக்கைகள் வேறுபடுகின்றன: ஒன்று சர்வர் சுமை 45% குறைந்ததாகக் கூற, மற்றொன்று தேவைப்படும் கணினித் திறன் பாதியாகக் குறைந்ததாகக் கூறுகிறது. கூடுதல் விவரமின்றி இந்த அளவீடுகளை ஒன்றுக்கொன்று மாற்றாகக் கருதக்கூடாது.

மற்றொரு அறிக்கையிடப்பட்ட ஆய்வில், காலமாகிவிட்ட 134 மென்பொருள் பிழைகள் மதிப்பாய்வு செய்யப்பட்டு, அவற்றில் 97 பிழைகள் மூன்று மணி நேரத்துக்குள் காலாவதியானவை அல்லது நகலானவை என அடையாளம் காணப்பட்டன. இந்த எடுத்துக்காட்டுகள், பராமரிப்பு மற்றும் ஆய்வுக் கருவியாக Argon பயன்படலாம் என்ற வாதத்தை வலுப்படுத்துகின்றன. இருப்பினும், இவை நிறுவனத்தின் கூற்றுகளே தவிர, சுயாதீனமாக மீண்டும் நடத்தப்பட்ட மதிப்பீடுகள் அல்ல.

பணியைப் பொறுத்தே அளவுகோல் முன்னிலை அமைகிறது

Google DeepMind-இன் அக்டோபர் மாத Argon மாதிரி விவர அட்டை, Vals Index மதிப்பெண் 68.9% எனக் குறிப்பிடுகிறது. GPT-6 Astra-வுக்கு 63.1%, Claude Opus 5.5-க்கு 67.0% ஆகும். நிதி, சட்டம், குறியீட்டாக்கம் மற்றும் வரி தொடர்பான பணிகள் உள்ளிட்ட தொழில்முறைச் செயல்பாடுகளை அளவிடும் இந்தக் குறியீட்டில் Argon முன்னிலை வகிக்கிறது.

குறியீட்டாக்கச் சோதனைகளில் DeepSWE v1.1-இல் 77.9%, Vibe Code Bench-இல் 91.9% என அதன் மதிப்பெண்கள் பட்டியலிடப்பட்டுள்ளன. சைபர் பாதுகாப்பு மதிப்பீடான CWE-bench v1-இல் Argon 68.0% பெற்றுள்ளது; GPT-6 Astra-வை மிஞ்சாமல் அதனுடன் சமநிலையில் உள்ளது.

அதே அதிகாரப்பூர்வ அட்டவணையில், வேறு சில மதிப்பீடுகளில் போட்டியாளர்கள் முன்னிலையில் இருப்பதும் தெரிகிறது. FrontierSWE v2-இல் Argon 55.0% பெற, Astra 65.5% பெற்றுள்ளது. Terminal-bench 4.0-இல் Argon-இன் 57.4%, Opus 5.5-இன் 66.4%-ஐவிடக் குறைவு. ஆகவே, குறியீட்டாக்கம் மற்றும் அறிவியலில் எல்லா வகையிலும் Argon சிறந்தது என்ற பரந்த கூற்றுக்கு நிபந்தனை அவசியம்.

Artificial Analysis Intelligence Index-இல் Argon 53 மதிப்பெண் பெற்றதாக அறிக்கைகள் கூறுகின்றன. இது GPT-6 Astra மற்றும் Claude Fable 5.1 ஆகியவற்றுக்குச் சமம்; ஆனால் Claude Opus 5.5-இன் 58, Muse Wonder Full மற்றும் Claude Sonnet 5.5 ஆகியவற்றின் 56-ஐவிடக் குறைவு. இந்த மதிப்பெண்கள் Vals Index-இல் அளவிடப்படுவதிலிருந்து வேறுபட்ட திறன்களின் கலவையை அளவிடுவதால், அதன் சதவீதங்களுடன் நேரடியாக ஒப்பிட முடியாது.

நிறுவன AI ஆலோசனை நிறுவனமான Red Dragon AI-இன் தலைமைச் செயல் அதிகாரியும் இணை நிறுவனருமான சாம் விட்டீவீன், Argon-ஐப் பாராட்டிய அதேவேளை, கிடைக்கக்கூடியவற்றில் அதுவே சிறந்த மாதிரி என்ற கூற்றை மறுத்தார். அவரது மதிப்பீடு, பல்வேறு அளவுகோல்களில் கலவையான முடிவுகள் காணப்படுவதுடன் பொருந்துகிறது: தொழில்முறைப் பணிகளில் சிறந்த செயல்திறன் காட்டுவது எல்லா வகைப் பணிகளிலும் முன்னிலை என்பதைக் குறிக்காது.

அறிவியல் முடிவுகள் குவாண்டம் குறியீட்டிலிருந்து நொதி ஆய்வுகள் வரை

குவாண்டம் பிழைகளைப் புரிந்துகொள்ளும் இயந்திரக் கற்றல் அமைப்பான AlphaQubit-இன் உள் பதிப்பில், செயலாக்கச் செயல்திறனை Argon கிட்டத்தட்ட இரட்டிப்பாக்கியதாக Google தெரிவிக்கிறது. Lean மூலம் முறையாகச் சரிபார்க்கப்பட்ட arcsin துணைநிரலின் Argon செயலாக்கம், வெளியிடப்பட்ட quantum CORDIC அடிப்படை முறையுடன் ஒப்பிடும்போது, கால-வெளி செலவை 100 மடங்குக்கும் அதிகமாகக் குறைத்ததாகவும் நிறுவனம் கூறுகிறது. கால-வெளி செலவு என்பது குவாண்டம் கணக்கீட்டுக்குத் தேவைப்படும் கணினி வளங்களையும் அதற்கு ஆகும் நேரத்தையும் இணைத்துக் கணக்கிடுகிறது.

இணைவு ஆற்றல் ஆராய்ச்சியில், காந்தப்புலங்களுக்கான துல்லியமான தீர்வுகள் குறித்து 1967-ஆம் ஆண்டு முன்வைக்கப்பட்ட கருதுகோளான Grad-இன் ஊகத்துக்கு எதிரான எடுத்துக்காட்டுகளின் பரந்த வகையைக் கண்டறிய, Google நிறுவனம் மேரிலாந்து பல்கலைக்கழகப் பேராசிரியர் மாட் லேண்டர்மனுடன் இணைந்து பணியாற்றியது. இதன் மூலம் கிடைத்த தீர்வுகள், ஸ்டெல்லரேட்டர் சிமுலேஷன் மென்பொருளைச் சோதிப்பதற்கான அளவுகோல்களை வழங்குகின்றன. இது கணிதம் மற்றும் சிமுலேஷனுக்கான பங்களிப்பு; வணிக ரீதியாகப் பயன்படுத்தக்கூடிய இணைவு ஆற்றல் கிடைத்ததற்கான செயல்விளக்கம் அல்ல.

xTB குவாண்டம் வேதியியல் தொகுப்பில் செய்யப்பட்ட மாற்றங்கள், மூலக்கூறு கட்டமைப்பைக் கணிப்பதை 2.3 மடங்கு வரை வேகப்படுத்தியதாகவும், மாற்று மூலக்கூறு வடிவங்களைத் தேடுவதை 1.8 மடங்கு வேகப்படுத்தியதாகவும் Google தெரிவிக்கிறது. இந்த மாற்றங்கள் தொகுப்பின் அதிகாரப்பூர்வக் களஞ்சியத்துக்குப் பங்களிக்கப்பட்டன.

உயிரியல் துறையில், அரிதான வளர்ச்சிசார் நுரையீரல் கோளாறுகளுடன் பிறந்த குழந்தைகளின் அடையாள விவரங்கள் நீக்கப்பட்ட மரபணுத் தொகுப்புகளைப் பகுப்பாய்வு செய்ய Gamow Labs, Argon-ஐப் பயன்படுத்தியது. பல ஆண்டுகளாகக் கவனிக்கப்படாமல் போன குரோமோசோம் மறுசீரமைப்பை ஒரு நிகழ்வில் அது கண்டறிந்ததாக Google விவரிக்கிறது. அரிய நோய் கண்டறிதலுக்கான உதவியில் 57%, ஆய்வகப் பகுத்தறிவில் 52.2% எனத் தனியார் மதிப்பீடுகளில் மதிப்பெண்கள் கிடைத்தன. இவை ஆராய்ச்சி மதிப்பீடுகள்; நோயாளிகளை Argon சுயமாகக் கண்டறிய முடியும் என்பதற்கான சான்றுகள் அல்ல.

எஸ்டர் பிணைப்புகளை உடைக்கும் நொதிகளான செரின் எஸ்டரேஸின் ஐந்து புதிய வடிவமைப்புகளை உருவாக்க Google விஞ்ஞானிகள் Argon-ஐப் பயன்படுத்தினர். பின்னர் மேற்கொள்ளப்பட்ட ஆய்வகச் சோதனைகள் அவற்றின் வினையூக்கச் செயல்பாட்டை உறுதிப்படுத்தின. தனியாக, Antigravity-யின் மிக உயர்ந்த பயன்பாட்டு நிலையை ஆறு மாதங்களுக்கு இலவசமாகப் பெற 10,000 விஞ்ஞானிகளிடமிருந்து Google விண்ணப்பங்களை வரவேற்றது. தகுதி, தேர்வு மற்றும் இடவசதிக்கு உட்பட்டு, விண்ணப்பங்கள் தொடர்ந்து பரிசீலிக்கப்படும்.

ரோபாட்டிக்ஸ் செயல்விளக்கங்கள் பந்தெறியும் உத்தியைக் கடந்தவை

உடல் மற்றும் இடம் சார்ந்த சிக்கல்களைப் புரிந்துகொள்ளும் திறனைச் சோதிக்கும் Embodied Reasoning அளவுகோலில் Argon 87% பெற்றது. ஒரு உள் செயல்விளக்கத்தில், கார்ன்ஹோல் விளையாடும் நபரின் காணொளியை அது பார்த்து, சூழலை வரைபடமாக்கி, மூட்டுகளின் அசைவுகளைக் கணக்கிட்டு, சிமுலேஷன் குறியீட்டை உருவாக்கியது. அந்தப் பணியை Apptronik-இன் Apollo மனிதவடிவ ரோபோவுக்கு மாற்றியபோது, உடல் ரீதியான சோதனையில் தொடர்ச்சியாக ஏழு முறை வெற்றிகரமாகப் பந்தெறிந்ததாக Google கூறுகிறது.

Boston Dynamics-இன் Spot ரோபோ மிதியால் திறக்கும் குப்பைத்தொட்டியைப் பயன்படுத்திக் குப்பிக் கலன்களை அகற்றியது, கீழே விழுந்த குவளையை ரோபோக் கை நிமிர்த்தி அதற்குள் காகிதத் துணியை வைத்தது, காட்சியிலிருந்து கிடைக்கும் தொடர்ச்சியான பின்னூட்டத்தைப் பயன்படுத்தி Argon காணொளி சிமுலேஷன்களை இயக்கியது ஆகியவை பிற அறிக்கையிடப்பட்ட செயல்விளக்கங்கள். இந்த எடுத்துக்காட்டுகள், தடையற்ற ரோபோ தன்னாட்சியை வெளிப்படுத்துவதில்லை; மாறாக, பகுத்தறிவுடன் அளவீடு செய்யப்பட்ட கவனிப்புகள், முன்வரையறுக்கப்பட்ட அசைவுக் கட்டளைகள் மற்றும் சரிபார்ப்பு படிகளை இணைக்கின்றன.

ரோபோ கேமராப் பதிவுகள், மனிதர்களின் காணொளிகள் மற்றும் வரைபடங்களிலிருந்து சிமுலேஷன்களை மீளுருவாக்குவதும் இந்த ரோபாட்டிக்ஸ் பணியில் அடங்கும். காட்சி தோற்றத்தை மட்டும் அல்லாமல், பொருட்கள் தொடும்போது உருவாகும் விசைகளையும் பொருத்துவது முக்கியம். ஏனெனில், பார்க்க நம்பகமாகத் தோன்றும் சிமுலேஷன், உண்மையான வன்பொருளில் தோல்வியடையும் அசைவுகளைக் கற்றுத்தரலாம்.

சிமுலேஷனில் உருவாக்கப்பட்ட தரவைப் பயன்படுத்திய ஓர் ஆய்வில், உடல் ரீதியான பணிகளின் வெற்றி விகிதம் 56%-இலிருந்து 75%-ஆக உயர்ந்ததாக அறிக்கையிடப்பட்டுள்ளது; இது 19 சதவீதப் புள்ளிகள் அதிகரிப்பு. பணியை முடிக்க எடுத்த நேரம் 35 விநாடிகளிலிருந்து 24 விநாடிகளாகக் குறைந்தது; சுமார் 31% குறைவு. பயிற்சி மற்றும் பணிச் செயலாக்கத்தில் ஏற்பட்ட முன்னேற்றம் குறித்த வரையறுக்கப்பட்ட முடிவையே இவை ஆதரிக்கின்றன; பொதுவான உடல் நுண்ணறிவுக்கான செயல்விளக்கம் அல்ல.

பாதுகாப்புத் தகவல் வெளியீடுகள் வெளியீட்டுக் கதையைச் சிக்கலாக்குகின்றன

உயிரியல் தகவல் அபாயம் மற்றும் சைபர் பாதுகாப்புக்கான முக்கியத் திறன் நிலைகளை Argon எட்டக்கூடும் என்பதை நிராகரிக்க முடியாது என மாதிரி விவர அட்டை கூறுகிறது. பொருத்தமான பாதுகாப்புகள் இல்லாவிட்டால், கடுமையான தீங்கு விளைவிக்கும் திறனை ஒரு மாதிரி கணிசமாக அதிகரிக்க முடியுமா என்பதையே இந்த வரம்புகள் குறிக்கின்றன. பாதுகாப்பு வழக்குகளையும் பாதுகாப்பு நடவடிக்கைகளையும் உருவாக்கி, மீதமுள்ள அபாயத்தை அந்த நிலைகளுக்குக் கீழே கொண்டுவந்துள்ளதாக Google கூறுகிறது.

மறைவாகச் செயல்படுதல் மற்றும் சூழ்நிலை விழிப்புணர்வு ஆகியவற்றைச் சோதித்த 15 சவால்களில் 14-இல் Argon வெற்றிபெற்றது. இங்கு வெற்றி என்பது திறன் சவால்களைச் சிறப்பாக முடித்ததைக் குறிக்கிறது; பாதுகாப்பு அனுமதி பெற்றதைக் குறிக்காது. ஆகவே, மேலும் பாதுகாப்பு நடவடிக்கைகள் இல்லாத நிலையில் மனிதக் கட்டுப்பாட்டைச் சீர்குலைக்கும் திறன் வரம்பை Argon எட்டக்கூடும் என்பதை நிராகரிக்க முடியாது என Google கூறுகிறது.

எல்லைகளை மதிக்கவும், மாற்றமுடியாத நடவடிக்கைகளுக்கு முன் மனித உறுதிப்படுத்தலைக் கோரவும் அளிக்கும் பயிற்சி; அங்கீகரிக்கப்படாத வழிமுறைகளைத் தடுப்பதற்கான கண்காணிப்பு; வலைப்பக்கங்கள், மின்னஞ்சல்கள் அல்லது குறியீட்டுக்குள் மறைக்கப்படும் தீங்கிழைக்கும் அறிவுறுத்தல்களுக்கு எதிரான பாதுகாப்புகள் ஆகியவை வெளியீட்டு அறிவிப்பில் குறிப்பிடப்பட்டுள்ளன. Gray Swan மறைமுக prompt injection அளவுகோலில், மாற்றியமைக்கப்பட்ட 15 முயற்சிகளில் தாக்குதல் வெற்றி விகிதம் 0.7% என Google தெரிவிக்கிறது.

குறியீட்டாக்க மதிப்பீடுகளில் அங்கீகரிக்கப்படாத குறுக்குவழி முயற்சிகள் 2%-ஆகக் குறைந்ததும், வெளிப்புற உயிரியல் எதிர்மறைச் சோதனைகளில் சோதிக்கப்பட்ட துணைப் பணிகளில் 1%-க்கும் குறைவானவை மட்டுமே சாத்தியமானதும் பிற அறிக்கையிடப்பட்ட பாதுகாப்பு முடிவுகள். இத்தகைய எண்ணிக்கைகள் குறிப்பிட்ட சோதனைகளின் முடிவுகளையே விவரிக்கின்றன; தவறான பயன்பாட்டுக்கு எதிரான உத்தரவாதங்கள் அல்ல. Gemini 3.1 Pro-வுடன் ஒப்பிடுகையில், தானியக்க உரைப் பாதுகாப்பு அளவீட்டில் 1.57 சதவீதப் புள்ளிகள் பின்னடைவு ஏற்பட்டதாகவும் மாதிரி விவர அட்டை பதிவு செய்கிறது. அந்த வேறுபாடு நம்பக இடைவெளிக்குள் இருந்ததாகவும், கையால் செய்த மதிப்பாய்வில் பெரும்பாலானவை தவறான நேர்மறை முடிவுகள் அல்லது கடுமையானவை அல்லாத சிக்கல்கள் எனத் தெரியவந்ததாகவும் Google கூறுகிறது.

Fairwind திட்டத்தை நூற்றுக்கணக்கான கூடுதல் அங்கீகரிக்கப்பட்ட சைபர் பாதுகாப்புப் பங்காளிகளுக்கு Google விரிவுபடுத்துகிறது. அந்தத் திட்டத்தின் கீழ், சைபர் பாதுகாப்புக் கட்டுப்பாடுகள் இன்றி அணுகல் வழங்கப்படுகிறது. அரசு உட்கட்டமைப்பு மற்றும் சுகாதார அமைப்புகள் தொடர்பான அபாயங்களை Argon மூலம் கையாண்டதாக Wiz பயன்படுத்தியதை Google-இன் அறிவிப்பு விவரிக்கிறது; அவற்றில் முதன்மைச் சாவியையும் நிர்வாகி அணுகலையும் வெளிப்படுத்தக்கூடிய பாதிப்புத் தொடர் ஒன்றும் அடங்கும்.

வெள்ளை மாளிகையின் தன்னார்வ மறுஆய்வு செயல்முறையில் Google பங்கேற்றதாக அறிக்கைகள் கூறுகின்றன; ஆனால் அந்தச் செயல்முறை பொதுமக்களுக்குத் தெரிவதில்லை. பங்கேற்பை, Argon பாதுகாப்பானது என அரசாங்கம் பொதுவாகச் சான்றளித்ததாக முன்வைக்கக் கூடாது.

வாங்குவோர் இன்னும் உறுதிப்படுத்த வேண்டியவை

Argon உரை, படங்கள், ஒலி மற்றும் காணொளியை உள்ளீடாக ஏற்று உரையை வெளியிடுகிறது. உள்ளீடு மற்றும் வெளியீடு இரண்டையும் சேர்த்த சூழல் சாளரம் அதிகபட்சம் ஒரு மில்லியன் டோக்கன் வரை என மாதிரி விவர அட்டை குறிப்பிடுகிறது. இது இரண்டுக்கும் பகிரப்பட்ட கொள்ளளவு; ஒரு மில்லியன் உள்ளீட்டு டோக்கன்களுடன் மேலும் ஒரு மில்லியன் வெளியீட்டு டோக்கன்கள் கிடைக்கும் என்ற உறுதி அல்ல. இடையூறின்றி உருவாக்கக்கூடிய பதிலின் உச்ச வரம்பு தெளிவுபடுத்தப்படவில்லை என அறிக்கைகள் கூறுகின்றன.

அறிவுத் தரவின் கடைசித் தேதி 2026 மார்ச்; சில துறைகளில் தகவல்கள் அதைவிடப் பழையதாக இருக்கலாம் என Google எச்சரிக்கிறது. தவறான தகவல்களை மாதிரி உருவாக்கக்கூடும்; பதில்கள் தாமதமாகலாம் அல்லது காலக்கெடு முடிந்து நிற்கலாம். Google குறிவைக்கும் சட்டம், நிதி, அறிவியல் மற்றும் பொறியியல் பணிகளுக்கு இந்த வரம்புகள் முக்கியமானவை.

வெளியீட்டில் வழக்கத்தைவிடத் தெளிவான செயல்திறன் எடுத்துக்காட்டுகள் இடம்பெற்றுள்ளன. ஆனாலும், தேர்ந்தெடுத்துப் பயன்படுத்த வேண்டியதன் அவசியத்தை மிக வலுவாகக் காட்டுவது அதன் பொறியியல் எடுத்துக்காட்டே: முன்மொழியப்பட்ட ஆறு மேம்பாடுகளில் நான்கை பராமரிப்பாளர்கள் நிராகரித்தனர். வாங்குவோர் இப்போது தங்கள் சொந்த அமைப்புகளில் Argon-ஐச் சோதிக்கலாம். அதேவேளை, நவம்பருக்குப் பிந்தைய விலை, விரிவான சந்தா அணுகல் மற்றும் கட்டுப்படுத்தப்பட்ட மதிப்பீடுகளுக்கு வெளியே பாதுகாப்பு நடவடிக்கைகள் எவ்வளவு பயனளிக்கின்றன என்பன தொடர்ந்து கவனிக்கப்பட வேண்டியவை.

முக்கிய அம்சங்கள்

• தகுதியுள்ள சந்தாதாரர்கள், டெவலப்பர்கள் மற்றும் நிறுவனங்களுக்கான Argon-இன் விரிவான வெளியீட்டை 2026 அக்டோபர் 13 அன்று Google தொடங்கியது.
• API-க்கான அறிமுக விலை, உள்ளீட்டின் ஒவ்வொரு மில்லியன் டோக்கனுக்கும் $2; வெளியீட்டின் ஒவ்வொரு மில்லியன் டோக்கனுக்கும் $10.
• வழக்கமான விலை டிசம்பர் 1 முதல் இரட்டிப்பாகும் என அறிக்கைகள் கூறுகின்றன; அந்தக் காலக்கெடுவை அதிகாரப்பூர்வ வெளியீட்டு அறிவிப்பு குறிப்பிடவில்லை.
• Vals Index-இல் Argon முன்னிலை வகித்தாலும், வேறு பல மதிப்பீடுகளில் போட்டி மாதிரிகளைவிடப் பின்தங்குகிறது.
• Python மேம்பாட்டுக்காக 11 மணி நேரம் நடந்த முயற்சியில், முன்மொழியப்பட்ட ஆறு மாற்றங்களில் இரண்டை மனித மதிப்பாய்வாளர்கள் ஏற்றுக்கொண்டனர்.
• ஆய்வகத்தில் சோதிக்கப்பட்ட ஐந்து நொதி வடிவமைப்புகள், உடல் ரீதியான பணிச் செயல்திறன் மேம்பாடு உள்ளிட்ட அறிவியல் மற்றும் ரோபாட்டிக்ஸ் முன்னேற்றங்களை Google தெரிவிக்கிறது.
• உயிரியல், சைபர் பாதுகாப்பு மற்றும் கட்டுப்பாடு தொடர்பான திறன் வரம்புகளை Argon எட்டக்கூடும் என Google ஒப்புக்கொள்கிறது; பாதுகாப்பு நடவடிக்கைகள் மீதமுள்ள அபாயங்களைக் குறைப்பதாகவும் கூறுகிறது.