Google เปิดตัว Gemini 4 Argon โมเดลสำหรับงานซับซ้อนหลายขั้นตอน ทั้งการพัฒนาซอฟต์แวร์ งานเอกสารระดับมืออาชีพ และการป้องกันซอฟต์แวร์จากการโจมตี รายละเอียดทางเทคนิคที่แปลกใหม่ที่สุดคือลิมิต output token สูงสุดหนึ่งล้าน ส่วนข้อจำกัดหลักคือตอนนี้คนที่ได้ใช้มีแค่พาร์ตเนอร์ที่ถูกคัดเลือก ยังไม่ใช่ผู้ใช้ Gemini ทุกคน
ด้านล่างคือสิ่งที่แหล่งข้อมูลต้นทางเขียนไว้จริง ๆ ตัวเลขไหนต้องมีหมายเหตุ และอะไรที่มีประโยชน์กับนักพัฒนา เงื่อนไขและการเปิดให้ใช้เป็นข้อมูล ณ 1 ตุลาคม 2569 ตัวเลขทั้งหมดอ้างอิงจากประกาศของ Google และคำอธิบายวิธีการประเมิน เราไม่ได้ทดสอบเอง
Gemini 4 Argon คืออะไร
ในประกาศเมื่อวันที่ 30 กันยายน Google อธิบายว่า Argon เป็นโมเดลระดับแนวหน้าตัวใหม่ที่ทำงานซับซ้อนได้ต่อเนื่องเป็นเวลานาน หมายความว่าไม่ได้แค่ตอบคำถามเรื่องโค้ด แต่ทำงานเป็นลำดับขั้นได้ ทั้งศึกษาโปรเจกต์ ทดสอบสมมติฐาน แก้ไข แล้วประเมินผลลัพธ์
ทิศทางหลักคือวิศวกรรมซอฟต์แวร์ งานวิจัยด้านการเงิน งานกฎหมาย และการป้องกันภัยไซเบอร์ Google ยังบอกว่าโมเดลทำคะแนนได้สูงในการวิเคราะห์กราฟและวิดีโอยาว ๆ นี่คือโมเดลอเนกประสงค์ที่เน้นงานระดับมืออาชีพ ไม่ใช่แค่ผู้ช่วยเฉพาะทางด้านความปลอดภัย
การเน้นแบบนี้ตรงกับทิศทางของตลาดโดยรวม ผู้ให้บริการไม่ได้ขายแค่คุณภาพของคำตอบอีกต่อไป แต่ขายความสามารถในการลงมือทำงานต่อกันหลายขั้นตอนยาว ๆ ได้เองด้วย การเปลี่ยนแนวทางแบบเดียวกันเห็นได้ในประกาศจากงาน OpenAI DevDay 2026 แม้ผลิตภัณฑ์ วิธีเข้าถึง และข้อจำกัดของแต่ละบริษัทจะต่างกัน
output token หนึ่งล้าน: อย่าสับสนกับขนาด context
Google เพิ่มลิมิต output token ที่ประกาศไว้เป็น 1 ล้าน จากเดิม 64,000 ประกาศของ Google โยงเรื่องนี้เข้ากับความสามารถในการคิด (reasoning) และสร้างเนื้อหาได้นาน ๆ ภายในลำดับงานเดียว
ตรงนี้สับสนสองค่านี้ได้ง่าย context ฝั่ง input บอกว่าส่งเอกสารให้โมเดลได้มากแค่ไหน ส่วนลิมิต output บอกว่าโมเดลสร้าง token ออกมาได้เท่าไร จะเล่าข่าวเรื่อง output token หนึ่งล้านว่า “ตอนนี้อัปโหลดเอกสารได้หนึ่งล้าน token แล้ว” ไม่ได้ เพราะเป็นคนละพารามิเตอร์กัน
สำหรับการย้ายระบบที่ซับซ้อนหรืองานวิจัย ลิมิตที่ใหญ่อาจมีประโยชน์ เพราะโมเดลจะชนเพดานความยาวน้อยลง แต่ลิมิตอย่างเดียวไม่ได้รับประกันว่าผลลัพธ์ถูกต้อง และไม่ได้ทำให้เลิกคิดเรื่องงบได้ การที่สร้างเนื้อหายาวมาก ๆ ได้ ไม่ได้แปลว่าต้องทำแบบนั้นทุกคำขอ
พื้นที่คิดที่มากขึ้นก็ไม่ได้มาแทนการจัดระเบียบข้อมูลขาเข้า ถ้าส่งเอกสารที่ล้าสมัยและคำแนะนำที่ขัดกันเองให้เอเจนต์ ลิมิตที่เพิ่มมาก็ไม่ช่วยแก้โจทย์ตั้งต้น เรื่องนี้อ่านได้ในบทความเรื่อง context engineering
เบนช์มาร์กบอกอะไร และตรงไหนที่ตัวเลขไม่ตรงกัน
ในประกาศทางการ Google ยกผลลัพธ์ไว้หลายตัว:
- DeepSWE v1.1 — 77.9%: งานวิศวกรรมซอฟต์แวร์ที่ใช้เวลานาน
- AutomationBench — 51.3%: ทำกระบวนการทางธุรกิจตั้งแต่ต้นจนจบ บริษัทอ้างว่าได้อันดับหนึ่ง
- LVBench — 91.7%: การเข้าใจวิดีโอยาว
- CWE-bench v1 — 68%: การแก้ช่องโหว่ ตามข้อมูลของ Google โมเดลครองอันดับหนึ่งร่วมกับโมเดลอื่น
ในตารางสรุปของ Google ยังมี Vals Index — 68.9% ดัชนีนี้รวมผลลัพธ์จากงานระดับมืออาชีพจากด้านการเงิน การเขียนโปรแกรม กฎหมาย และบัญชีภาษี โดยถ่วงน้ำหนักแต่ละอุตสาหกรรมตามสัดส่วนใน GDP ของสหรัฐฯ นี่ไม่ใช่คะแนน “ความฉลาด” แบบครอบจักรวาล และไม่ใช่สัดส่วนของงานทุกแบบที่โมเดลจะแย่งไปจากคนได้
อันดับหนึ่งตรงนี้ Vals AI เองก็ยืนยัน ในตาราง Vals Index สาธารณะเวอร์ชัน 2.1 ลงวันที่ 30 กันยายน Argon นำด้วย 68.90% ตามมาด้วย Claude Sonnet 5.5 (67.04%) และ Claude Opus 5.5 (66.97%) ห่างกันราวสองจุดเปอร์เซ็นต์ เห็นได้ชัด แต่ไม่ได้ทิ้งห่างแบบขาดลอย
งานในเทอร์มินัลควรดูแยกให้ดี ในตารางของ Google มี Terminal-Bench 4.0 — 57.4% และ Terminal-Bench Science 0.1 — 57.6% เป็นคนละเทสต์ที่ตัวเลขใกล้กัน และสับสนกันได้ง่าย จะเขียนตัวเลข 57.6% ว่าเป็นแค่ Terminal-Bench แล้วเอาไปเทียบกับผลเดิมโดยไม่เช็กเวอร์ชันและเงื่อนไขไม่ได้
วิธีการประเมินของ DeepMind อธิบายว่าผลลัพธ์ได้มาจากการตั้งค่า reasoning สูงสุด และเงื่อนไขของแต่ละการทดสอบไม่เหมือนกัน ผลของ Argon บน Terminal-Bench 4.0 Google วัดเอง ส่วนตัวเลขของโมเดลอื่นเอามาจากตารางสาธารณะ สำหรับ Terminal-Bench Science มีการเพิ่ม timeout ของระบบตรวจคำตอบเป็นหกเท่า ตัวเลขพวกนี้ใช้เป็นแนวทางได้ แต่ไม่ควรเอาไปใช้กับรีโพของคุณตรง ๆ
Google ใช้ Argon ภายในบริษัทแล้วยังไง
ที่น่าสนใจกว่าคำสัญญากว้าง ๆ คือตัวอย่างงานวิศวกรรมจริงในประกาศ Google เป็นคนเล่าเอง และเราไม่มีการตรวจสอบอิสระสำหรับเคสเหล่านี้
ลดการใช้หน่วยความจำ ทีมเอเจนต์วิเคราะห์ข้อมูลโปรไฟลิงของโครงสร้างพื้นฐาน และหาจุดแก้ที่ช่วยลดการใช้หน่วยความจำ บริษัทบอกว่าการปรับแต่งที่นำไปใช้จริงช่วยคืนหน่วยความจำได้มากกว่า 300 TiB นี่คือผลจากการเปลี่ยนแปลงในโครงสร้างพื้นฐาน ไม่ใช่ขนาดหน่วยความจำของตัวโมเดล
ย้ายจาก C/C++ ไป Rust Google อธิบายงานของเอเจนต์ในโปรเจกต์หลายขนาด ตั้งแต่ไลบรารีไปจนถึงเคอร์เนล Zircon ของระบบ Fuchsia และพูดไว้ตรง ๆ ถึงการออดิตทั้งโดยคนและแบบอัตโนมัติ การทดสอบในอีมูเลเตอร์ และการรีวิวก่อนนำไปใช้ ข่าวนี้ไม่ได้บอกว่า “โมเดลเขียนระบบสำคัญใหม่ทั้งหมด แล้วเอาไปใช้ทันที”
เร่งความเร็วตัวถอดรหัสวิดีโอ libgav1 ใน Rust port ที่มีอยู่แล้ว เอเจนต์แทนที่โค้ด SIMD 32,000 บรรทัด โดยทดลองไปพร้อมกับโปรไฟลิงและศึกษาเอาต์พุตของคอมไพเลอร์ Google อ้างว่าเร็วขึ้น 2.7 เท่าเมื่อเทียบกับ Rust port ตัวนั้น โดยผลการถอดรหัสเหมือนเดิมทุกอย่าง การเปรียบเทียบนี้ใช้กับเวอร์ชันตั้งต้นตัวนี้เท่านั้น ไม่ใช่กับตัวถอดรหัสตัวไหนก็ได้หรือโค้ด C++ อะไรก็ได้
จุดร่วมของตัวอย่างพวกนี้คืองานของโมเดลถูกวัดผลและตรวจสอบ มีเวอร์ชันตั้งต้น มีเมตริก มีการทดลอง และมีการตรวจ แนวทางแบบนี้มีประโยชน์กว่าสโลแกน “ต่อไปนี้ไม่ต้องมีนักพัฒนาแล้ว”
ราคา API: ราคาช่วงเปิดตัวไม่ได้อยู่ตลอดไป
Google ประกาศ ราคาช่วงเปิดตัว ต่อหนึ่งล้าน token ไว้ดังนี้:
- input $2
- output $10
- input ที่แคชไว้ ลด 95% จากราคา input ปกติ
ในเชิงอรรถมีรายละเอียดสำคัญ หลังช่วงเปิดตัว ราคาจะเป็น $4 ต่อหนึ่งล้าน input token และ $20 ต่อหนึ่งล้าน output token และประกาศไม่ได้บอกว่าช่วงเปิดตัวจะจบเมื่อไร
นี่คือเงื่อนไขที่ประกาศไว้สำหรับการเข้าถึงในอนาคต ไม่ได้พิสูจน์ว่านักพัฒนาทุกคนเรียกใช้โมเดลในราคานี้ได้แล้ว ก่อนเชื่อมเข้ากับระบบ ต้องเช็กในบัญชีของคุณว่าใช้ได้หรือยัง และราคาจริงตอนนี้เท่าไร
สำหรับโปรเจกต์ สิ่งที่สำคัญกว่าราคา token คือต้นทุนของผลลัพธ์ที่ใช้ได้จริง เมื่อนับรวมการลองซ้ำ เครื่องมือ และเวลาที่คนต้องใช้ตรวจ
ตอนนี้ใครใช้โมเดลได้บ้าง
สิทธิ์ใช้งานช่วงแรกมอบให้ผู้เชี่ยวชาญด้านการป้องกันภัยไซเบอร์ที่ไว้ใจได้ผ่าน Fairwind Program Google เก็บฟีดแบ็กและเสริมกลไกป้องกันก่อนเปิดตัวในวงกว้าง
บริษัทวางแผนขยายสิทธิ์ให้นักพัฒนา องค์กร และผู้ใช้ทั่วไป โดยเริ่มจากลูกค้า API แบบเสียเงินและสมาชิก Google AI Ultra ประกาศไม่ได้บอกวันที่เปิดให้ทุกคนแน่ชัด ดังนั้นคำว่า “Gemini 4 ออกแล้ว” ในความเป็นจริงหมายถึงการเปิดตัวโมเดลและการทยอยปล่อยแบบจำกัด ไม่ใช่ว่าผู้ใช้แอปทุกคนมี Argon ใช้แล้ว
Fairwind Program คือโปรแกรมการเข้าถึงแบบควบคุมสำหรับองค์กรที่ผ่านการตรวจสอบ ได้แก่ หน่วยงานรัฐ ผู้ให้บริการโครงสร้างพื้นฐานสำคัญ แพลตฟอร์มเทคโนโลยีรายใหญ่ และห้องแล็บทางวิชาการ ในหน้าของโปรแกรม Argon ถูกระบุเป็นหนึ่งในเครื่องมือแล้ว ร่วมกับ CodeMender เอเจนต์ด้านความปลอดภัยของโค้ด
สำหรับ Google เอง การป้องกันภัยไซเบอร์เป็นหนึ่งในกรณีใช้งานแรก ๆ โมเดลต้องหา ยืนยัน และแก้ช่องโหว่ได้ แต่ยิ่งความสามารถแบบนี้เก่งขึ้น ก็ยิ่งต้องแยกสภาพแวดล้อม จำกัดสิทธิ์เข้าถึง และป้องกันคำสั่งอันตรายที่แฝงมากับข้อมูลภายนอก ความทนทานต่อ prompt injection ที่ประกาศไว้ ไม่ได้แปลว่าปัญหานี้หายไปแล้ว
นักพัฒนาควรทำอะไรกับเรื่องนี้
ระหว่างที่ยังไม่เปิดให้ใช้ในวงกว้าง เตรียมการทดสอบไว้มีประโยชน์กว่าเปลี่ยนสแตกที่ใช้งานอยู่ตามภาพหน้าจอตารางอันดับ เลือกงานขอบเขตจำกัดที่คุณทำกับโมเดลอื่นอยู่แล้ว เช่น แก้บั๊กที่ทำซ้ำได้ ย้ายโมดูลเล็ก ๆ หรืองานค้นคว้าที่ลิงก์ตรวจสอบได้
สำหรับแต่ละงาน กำหนดเกณฑ์ว่าแบบไหนถือว่าเสร็จไว้ล่วงหน้า ในโค้ดคือเทสต์และขนาดการเปลี่ยนแปลงที่ยอมรับได้ ในงานค้นคว้าคือคุณภาพของแหล่งข้อมูลและไม่มีข้อสรุปที่แต่งขึ้นมาเอง เทียบกันที่สัดส่วนผลลัพธ์ที่ผ่าน ต้นทุนทั้งหมด และปริมาณงานที่ต้องแก้เอง ไม่ใช่ความยาวของคำตอบ พื้นฐานของกระบวนการแบบนี้เราเคยอธิบายไว้ในบทความเรื่องการทำงานกับ AI เอเจนต์อย่างเป็นผู้ใหญ่
Gemini 4 Argon น่าสนใจตรงที่รวมการทำงานต่อเนื่องนาน ๆ ลิมิต output ที่ใหญ่ และกรณีใช้งานทางวิศวกรรมที่จับต้องได้ไว้ด้วยกัน แต่จากประกาศตอนนี้ ยังสรุปอย่างตรงไปตรงมาไม่ได้ ทั้งว่าชนะ Claude แบบครอบจักรวาล ว่าประหยัดได้แน่นอน หรือว่าพร้อมแทนการรีวิวโดยคน ขั้นต่อไปที่มีประโยชน์คือรอสิทธิ์ใช้งาน แล้วทดสอบโมเดลกับงานของคุณเอง โดยยังคงมีเทสต์ งบ และการควบคุมสิ่งที่เอเจนต์ทำไว้เหมือนเดิม
