أعلنت جوجل إتاحة Gemini 4 Argon عالميًا في 13 أكتوبر 2026، وهو نموذج ذكاء اصطناعي جديد صُمم للتعامل مع المهام المعقدة التي تتطلب استدلالًا طويلًا، والعمل على البرمجيات، وتحليل المستندات المالية والقانونية، والبحث العلمي، والأمن السيبراني.
ولا يقتصر الإعلان على إطلاق نموذج جديد؛ إذ تركز جوجل على المهام التي تتطلب تنفيذ سلسلة طويلة من الخطوات، ومراجعة النتائج، والعمل على مشروعات كبيرة بدلًا من الاكتفاء بالإجابة عن سؤال واحد.
وتقول الشركة إن النموذج يتصدر عددًا من اختبارات الأداء المتخصصة، كما أعلنت عن نافذة سياق تصل إلى مليون رمز، وسعر تمهيدي للاستخدام عبر واجهة البرمجة يبلغ دولارين لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج.
لكن قبل اعتباره أفضل نموذج ذكاء اصطناعي في العالم، ينبغي التمييز بين ما تؤكده الوثائق الرسمية، وما تقوله جوجل عن نتائجها، وما تكشفه المقارنات الرقمية عند وضع Gemini 4 Argon في مواجهة نماذج المنافسين.
ما Gemini 4 Argon؟ وما الذي يميزه عن النماذج السابقة؟
Gemini 4 Argon هو نموذج من Google DeepMind ضمن الجيل الرابع من عائلة Gemini، وتصفه الشركة بأنه نموذج استدلال متقدم صُمم للمهام المهنية والهندسية المعقدة.
وفقًا لبطاقة النموذج الرسمية، يعتمد Argon على بنية المحوّلات (Transformer) مع مزيج خبراء متفرق (Sparse Mixture of Experts أو MoE)، وهي بنية تسمح بتفعيل مجموعات فرعية من الخبراء بحسب المهمة بدلًا من تشغيل النموذج بالطريقة نفسها في كل مرة.
وقد تساعد هذه البنية في الجمع بين قدرات واسعة في الاستدلال والتعامل مع أنواع متعددة من البيانات، مع تحسين كفاءة تنفيذ المهام المعقدة. لكن جوجل لم تنشر جميع التفاصيل التي تسمح بمقارنة حجم النموذج أو عدد معلماته أو كلفة تدريبه مباشرةً بمنافسيه؛ لذلك لا يمكن استنتاج تفوقه من البنية المعمارية وحدها.
أبرز التغييرات التي أعلنتها جوجل
الاستدلال المطول: التعامل مع المشكلات التي تتطلب خطوات مترابطة بدلًا من الإجابات القصيرة.
البرمجة الهندسية: المساعدة في تعديل قواعد برمجية كبيرة، واكتشاف الأخطاء، وإعادة هيكلة الشفرات.
المهام المهنية: تحليل الأعمال المالية والقانونية والمستندات متعددة الوسائط.
استخدام الأدوات: دعم تنفيذ بعض المهام عبر البحث والملفات وتشغيل الشفرات واستخدام الحاسوب.
السياق الطويل: نافذة موحدة تصل إلى مليون رمز للإدخال والإخراج وفق مواصفات النموذج، مع اختلاف حدود الإخراج الفعلية بحسب واجهة الاستخدام.
المواصفات التقنية لـ Gemini 4 Argon
توضح وثائق Google AI للمطورين أن النموذج يدعم إدخال النصوص والصور والصوت والفيديو وملفات PDF، بينما يكون الإخراج النصي هو النمط الموثق في واجهة البرمجة.
المواصفات
البنية
Transformer مع Sparse Mixture of Experts
نافذة السياق
1,048,576 رمزًا، مع مراعاة حدود الإدخال والإخراج المطبقة في الواجهة
أنواع المدخلات
النصوص والصور والصوت والفيديو وملفات PDF
حد الإخراج
حتى 65,536 رمزًا في الطلب المتزامن المعتاد؛ وقد تختلف الحدود وفق الإعدادات والواجهة
الأدوات
تشغيل الشفرات، واستدعاء الوظائف، والبحث، والوصول إلى عناوين URL، والبحث في الملفات، وبعض وظائف استخدام الحاسوب
أنماط الإخراج
إخراج نصي وفق وثائق واجهة البرمجة
ماذا تعني نافذة المليون رمز عمليًا؟
يسمح السياق الطويل بإدخال مستندات كثيرة أو ملفات برمجية ضخمة أو تسجيلات طويلة ضمن المهمة نفسها. ويمكن أن يفيد في تحليل مجموعة كبيرة من التقارير المالية والقانونية، ومراجعة قواعد برمجية واسعة، ومقارنة مستندات متعددة واستخراج التناقضات بينها.
لكن وجود نافذة مليون رمز لا يضمن أن النموذج سيستوعب كل تفصيل بالدرجة نفسها من الدقة، ولا يعني أن كل طلب سيصل إلى هذا الحد. كما أن المهام الطويلة قد تستهلك وقتًا وموارد أكثر، وقد تتأثر حدود الإخراج الفعلية بالواجهة المستخدمة.
ما سعر Gemini 4 Argon؟ وهل هو مجاني؟
أعلنت جوجل عن سعر تمهيدي عبر API يبدأ من دولارين لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج، مع خصم 95% على رموز الإدخال المخزنة مؤقتًا. ويستمر السعر التمهيدي حتى 30 نوفمبر 2026، ثم يرتفع السعر المعلن إلى 4 دولارات للإدخال و20 دولارًا للإخراج لكل مليون رمز.
الإدخال لكل مليون رمز
السعر التمهيدي
2 دولار
بعد انتهاء العرض
4 دولارات
الإخراج لكل مليون رمز
السعر التمهيدي
10 دولارات
بعد انتهاء العرض
20 دولارًا
مثال حسابي للتكلفة
مع السعر التمهيدي، تبلغ تكلفة مليون رمز إدخال دولارين، وتكلفة 100 ألف رمز إخراج دولارًا واحدًا؛ أي 3 دولارات إجمالًا قبل أي رسوم إضافية أو تكاليف مرتبطة باستخدام أدوات خارجية.
وبعد انتهاء السعر التمهيدي، تصبح العملية نفسها 6 دولارات: 4 دولارات للإدخال ودولاران للإخراج. وهذه حسابات توضيحية لا تعكس بالضرورة تكلفة مهمة فعلية، إذ قد تتضمن المهمة عدة استدعاءات للنموذج أو رموزًا إضافية.
هل يمكن استخدامه مجانًا؟
يتاح النموذج في تطبيق Gemini لمشتركي Google AI Pro وGoogle AI Ultra، بينما تتاح واجهة API للمطورين والشركات وفق نظام التسعير والاستخدام. كما أعلنت جوجل عن برنامج يتيح لعدد من العلماء والباحثين الحصول على أعلى باقة استخدام في Google Antigravity مجانًا لمدة ستة أشهر، وفق شروط الأهلية والتقديم.
مقارنة Gemini 4 Argon مع GPT-6 Astra وClaude
نشرت Google DeepMind جدولًا يقارن فيه النموذج مع GPT-6 Astra من OpenAI، وClaude Fable 5.1 وClaude Opus 5.5 من Anthropic. وتظهر النتائج تفوق Argon في مجموعة من الاختبارات، لكنها تكشف أيضًا عن مجالات يتقدم فيها المنافسون.
يجب النظر إلى كل اختبار على حدة بدلًا من اختزال النتائج في ترتيب عام واحد؛ فالأداء في تحليل المستندات لا يساوي بالضرورة الأداء في البرمجة عبر سطر الأوامر أو التحكم في الحاسوب.
وقارنت Google DeepMind نموذج Gemini 4 Argon مع أبرز النماذج المنافسة، وهي GPT-6 Astra من OpenAI، وClaude Fable 5.1 وClaude Opus 5.5 من Anthropic. وقد أظهرت النتائج العامة تفوقًا لنموذج Gemini 4 Argon في مجموعة واسعة من الاختبارات، حيث حقق في اختبار Vals Index المعرفي نسبة 68.9%، متفوقًا بذلك على GPT-6 Astra الذي سجل 63.1%، وClaude Fable 5.1 بنسبة 65.8%، وClaude Opus 5.5 بنسبة 67.0%.
وفي تفاصيل الأداء التقني والمهام المتخصصة، سجل Gemini 4 Argon نتائج متقدمة شملت 51.3% في أتمتة المهام (AutomationBench)، و65.4% في المهام المالية (Vals Finance Agent)، و19.6% في المهام القانونية (Harvey Legal Agent). كما حقق نسب متميزة في هندسة البرمجيات بلغت 77.9% في DeepSWE v1.1، إلى جانب 88.8% في LABBench 2 للبحث العلمي، و76.0% في RiemannBench للرياضيات.
وعلى صعيد معالجة النصوص الطويلة واستخدام الحاسوب والأمن السيبراني، سجل النموذج 99.7% في اختبار GraphWalks حتى 128 ألف رمز، و84.2% في GraphWalks (256 ألف إلى مليون رمز). كما شملت النتائج تسجيل 39.5% في Agent's Last Exam لاستخدام الحاسوب، و69.2% في OSWorld-2.0، و91.7% في LVBench لفهم الفيديو الطويل، و68.0% في CWE-bench v1 للأمن السيبراني. في المقابل، سجلت النماذج المنافسة تفوقًا في محاور أخرى محددة مثل FrontierSWE v2 لصالح GPT-6 Astra بنسبة 65.5%
ماذا تقول النتائج فعلًا؟
الأعمال والمهام المهنية: يتقدم Argon في اختبارات العمل المعرفي والأتمتة والمهام المالية والقانونية المنشورة، ما يجعله مرشحًا قويًا لتحليل مستندات متعددة واستخلاص معلومات مترابطة.
البرمجة: يسجل Argon نتيجة قوية في DeepSWE v1.1، لكنه يتأخر عن GPT-6 Astra في FrontierSWE v2، وعن Claude Opus 5.5 في Terminal-bench 4.0.
البحث العلمي: يتقدم Argon في LABBench 2 وRiemannBench، لكنه يتأخر في Terminal-Bench Science أمام GPT-6 Astra وClaude Opus 5.5.
السياق الطويل: يتصدر Argon اختبار GraphWalks في النطاقين المعروضين، لكن ذلك لا يثبت أنه لن يفقد تفاصيل أو يخطئ في مستندات طويلة.
استخدام الحاسوب: يتقدم GPT-6 Astra في OSWorld-2.0، ما يوضح أن Argon لا يتصدر كل المهام.
الاستنتاج الأكثر دقة هو أن Gemini 4 Argon يبدو منافسًا قويًا في المهام المهنية المعقدة والسياق الطويل، لكنه لا يتصدر كل اختبارات البرمجة والعلوم واستخدام الحاسوب.
كما أن معظم هذه الأرقام جزء من تقييمات منشورة أو مستشهد بها في مواد الشركات، وليست اختبارًا مستقلًا شاملًا لجميع الاستخدامات الواقعية. ولا ينبغي تحويلها إلى نسبة عامة للذكاء أو الجودة.
قدرات Gemini 4 Argon على تنفيذ المهام
من أبرز اتجاهات جوجل تطوير الوكلاء الذكيين (AI Agents): أنظمة لا تكتفي بكتابة الإجابة، بل تستخدم أدوات متعددة لإنجاز هدف يتكون من مراحل متتابعة.
ويشمل ذلك، بحسب وثائق النموذج، تشغيل الشفرات، واستدعاء الوظائف، والبحث، والتعامل مع الملفات وعناوين الإنترنت، وبعض وظائف استخدام الحاسوب. وتختلف الإمكانات المتاحة بحسب المنتج وواجهة البرمجة المستخدمة.
مثال: تنفيذ مشروع برمجي
يمكن للمطور أن يطلب من نموذج وكيل فحص قاعدة برمجية، وتحديد الأخطاء، واقتراح التعديلات، وتشغيل الاختبارات، ثم عرض النتائج. لكن هذا لا يعني أن النموذج سينفذ كل هذه الخطوات دائمًا بصورة صحيحة أو مستقلة؛ فالنتيجة تعتمد على الصلاحيات والأدوات وبيئة التشغيل والمراجعة البشرية.
وتقول جوجل إن استخدام Argon داخل Google Antigravity ساعد الفرق البرمجية على زيادة المساهمات البرمجية المنفذة بواسطة الوكلاء بأكثر من 35%، وتقليل عمليات التراجع عن الأكواد بنحو الثلث. وهي أرقام أعلنتها الشركة عن سير عملها الداخلي، ولا تضمن أن كل شركة ستشهد التحسن نفسه.
Gemini 4 Argon والأمن السيبراني
تضع جوجل الأمن السيبراني الدفاعي ضمن المجالات الرئيسية للنموذج، بما يشمل المساعدة في اكتشاف الثغرات البرمجية وتحليلها وإصلاحها. وبدأت الشركة إتاحة قدرات معينة من Argon لجهات دفاعية موثوقة عبر برنامج Fairwind قبل توسيع الإتاحة العامة.
كما أعلنت جوجل عن نتائج تتعلق بمقاومة هجمات حقن الأوامر (Prompt Injection)، وهي هجمات تحاول تمرير تعليمات خبيثة إلى الوكيل عبر صفحات الويب أو البريد الإلكتروني أو محتوى الملفات.
وذكرت الشركة أن Argon سجل معدل نجاح للهجمات يبلغ 0.7% في تقييم مرتبط بمؤشر Gray Swan. لكن الرقم يحتاج إلى قراءة ضمن شروط الاختبار ومجموعة الهجمات المستخدمة، ولا يعني أن النموذج محصن تمامًا من حقن الأوامر أو من الأخطاء الأمنية.
قد يكون Argon أداة مهمة للمختصين في الدفاع السيبراني، لكن ينبغي تشغيله ضمن صلاحيات محددة، ومراجعة التغييرات البرمجية، واختبار المخرجات قبل تطبيقها في الأنظمة الإنتاجية.
أين يمكن استخدام Gemini 4 Argon؟
تطبيق Gemini
متاح لمشتركي Google AI Pro وGoogle AI Ultra وفق خطة الإتاحة المعلنة. وهو خيار مناسب لمن يريد تجربة النموذج في المحادثات وتحليل المستندات دون بناء تطبيق برمجي.
Google AI Studio وGemini API
مخصصان للمطورين الذين يريدون بناء تطبيقات أو أتمتة مهام أو اختبار النموذج برمجيًا. ويخضع استخدام API للتسعير وحدود الاستخدام الخاصة بالخدمة.
Google Antigravity
بيئة تطوير تعتمد على الوكلاء الذكيين، وتستهدف المهام البرمجية متعددة الخطوات. وأعلنت جوجل عن إتاحة Argon لمشتركي Google AI Ultra عبر هذه المنصة.
AI Mode في بحث Google
أُدرج النموذج ضمن تجربة البحث الحوارية للمشتركين المؤهلين في Google AI Pro وUltra. وهذه إتاحة داخل منتج البحث، وليست دليلًا على أن جميع نتائج البحث العادية أصبحت تُنتج بواسطة Argon.
القيود والمخاطر التي يجب معرفتها
الهلوسة: قد يقدم معلومات غير صحيحة أو استنتاجات تبدو مقنعة دون سند كافٍ.
التأخير: قد يستغرق وقتًا أطول في المهام الممتدة أو يواجه انتهاء مهلة التنفيذ.
حداثة المعلومات: تشير بطاقة النموذج إلى أن تاريخ المعرفة الأساسي يعود إلى مارس 2026؛ لذلك قد تكون معلوماته أقل حداثة في بعض المجالات.
حدود التقييم: التفوق في معيار معين لا يضمن النجاح في مهمة عملية مختلفة.
المراجعة البشرية: يظل التحقق ضروريًا في البرمجة والمال والقانون والطب والأمن السيبراني، خصوصًا عندما تترتب على الخطأ نتائج حقيقية.
كما أن التعامل مع ملفات داخلية أو مستندات مالية وقانونية يتطلب مراجعة شروط الخصوصية والاحتفاظ بالبيانات في المنتج المستخدم، لا الاكتفاء بتقييم قدرات النموذج التقنية.
ما النموذج الأنسب لكل استخدام؟
يُعد نموذج Gemini 4 Argon الخيار الأنسب لتحليل المستندات الكثيرة وسياقها الطويل نظرًا لنتائجه القوية المعلنة في اختبارات السياق الطويل، كما يتصدر أعمال التحليل المالي والقانوني بفضل تقدمه في اختبارات العمل المعرفي والمالي والقانوني المنشورة. إضافة إلى ذلك، يُعتبر Gemini 4 Argon الخيار المفضل لبناء التطبيقات التي تعتمد على أدوات Google نظرًا لتعامله المباشر مع منظومة Google وأدواتها.
أما في مجال هندسة البرمجيات متعددة الخطوات، فتتعدد النماذج المستحقة للاختبار وتشمل Gemini 4 Argon، وGPT-6 Astra، وClaude Opus 5.5 نظرًا لاختلاف النتائج بحسب اختبار البرمجة. وفي مهام العمل عبر سطر الأوامر، يبرز Claude Opus 5.5 لتقدمه في اختبار Terminal-bench 4.0. وفي مجالات البحث العلمي والرياضيات، تتوزع الخيارات بين النماذج الثلاثة (Argon، وGPT-6 Astra، وClaude Opus 5.5) لعدم تصدر نموذج واحد لجميع الاختبارات العلمية.
ومع ذلك، هذه ليست توصية مطلقة؛ وإنما قائمة بالنماذج التي تستحق الاختبار بحسب النتائج المنشورة. ومن الأفضل أن تختبر المؤسسة النماذج المرشحة على مجموعة مهام حقيقية من بيئة عملها، مع قياس الدقة والتكلفة والوقت ومعدل الأخطاء قبل اتخاذ قرار الاعتماد.
ماذا يعني إطلاق Gemini 4 Argon للمنافسة؟
يشير الإطلاق إلى أن المنافسة تتجه إلى ما هو أبعد من جودة الإجابة النصية. فالشركات تتنافس على قدرة النموذج على إنجاز العمل بالكامل: فهم الهدف، وتجزئته إلى خطوات، واستخدام الأدوات، واختبار النتائج، ثم تسليم مخرج يمكن مراجعته.
وتملك جوجل ميزة محتملة تتمثل في دمج النموذج مع خدماتها للمطورين والبحث والعمل المؤسسي. وفي المقابل، تستثمر OpenAI وAnthropic في قدرات الاستدلال والبرمجة والعمل المهني أيضًا. لذلك، من غير الدقيق افتراض أن إطلاق Argon يحسم المنافسة نهائيًا؛ فالنتائج تتغير مع تحديث النماذج، كما تختلف حسب نوع المهمة.
والنقطة الأهم أن النموذج لا ينبغي تقييمه بناءً على تصنيفات الأداء وحدها، بل على قدرته الفعلية على تقديم نتائج صحيحة ومستقرة بتكلفة مقبولة، مع احترام الخصوصية وإمكانية مراجعة خطواته.
