عودة «جوجل» إلى سباق الذكاء الاصطناعي: ما الذي تكشفه حقًا نتائج اختبارات الأداء الخاصة بـ«جيميني 4 أرجون»؟
يتصدر «جيميني 4 أرجون» 13 من أصل 18 اختبار أداء، ويوفر سياقًا يضم مليون توكن، كما يتفوق على منافسيه من حيث السعر. إليكم المجالات التي يتفوق فيها، والمجالات التي لا يزال يتخلف فيها، والتغييرات التي يحدثها.
في 13 أكتوبر 2026، أطلقت شركة Google DeepMind نموذج «Gemini 4 Argon» عالميًا: وهو أول نموذج من جيل «Gemini 4»، وتعد هذه المرة الأولى منذ فترة طويلة التي تدخل فيها Google في قائمة المقارنات المعيارية وتخرج منها وهي تحتل معظم المراكز الأولى. وكان النموذج قد أُطلق بشكل محدود منذ 30 سبتمبر، عندما حصلت مجموعة صغيرة من فرق الأمن السيبراني التي خضعت للتدقيق على وصول مبكر إليه. وهو متوفر الآن في واجهة برمجة تطبيقات «جيميني» (Gemini API)، و«AI Studio»، وتطبيق «جيميني»، وبيئة البرمجة «Antigravity» من Google.
السؤال الذي يطرحه الجميع بشأن أي طراز جديد من سلسلة «فرونتير» بسيط: هل هو أفضل فعلاً، أم أنه يحقق أداءً أفضل في اختبارات الأداء التي اختارها المصنع؟ فيما يلي ما نشرته «جوجل»، وما أضافته التقارير المستقلة، والمجالات التي لا يزال «أرجون» يتخلف فيها.
ما هو الأرجون؟
تصف «جوجل» «أرجون» بأنه محول «مزيج من الخبراء» كبير ومتفرق، ومتعدد الوسائط بطبيعته، ويُشار صراحةً إلى أنه ليس نسخة مُحسَّنة من نسخة سابقة من «جيميني». وقد تم تدريبه بالاعتماد بشكل مكثف على التعلم المعزز، ويتمثل التغيير الهندسي الأبرز فيه في نافذة سياق واحدة تضم مليون توكن، يتم مشاركتها بين المدخلات وعملية التفكير والمخرجات. يمكن أن يصل حجم المخرجات وحده إلى مليون توكن، بزيادة عن الحد الأقصى البالغ 64,000 توكن في الجيل السابق. بعبارات بسيطة: يمكنه قراءة قاعدة كود كاملة، والتفكير لفترة طويلة، وكتابة إجابة طويلة جدًّا، كل ذلك في استدعاء واحد.
تاريخ آخر تحديث للمعلومات هو مارس 2026، وتشير بطاقة النموذج الخاصة بـ«جوجل» إلى القيود المعتادة، بما في ذلك «الهلوسة».
الأرقام، جنبًا إلى جنب
تقارن بطاقة النموذج الخاصة بـ«جوجل» نموذج «أرجون» بنموذج «جي بي تي-6 أسترا» التابع لـ«أوبن آي» ونموذج «كلود أوبوس 5.5» التابع لـ«أنثروبيك» عبر 18 معيارًا قياسيًا. ويتصدر «أرجون» أو يتعادل في 13 معيارًا منها. وفيما يلي المعايير التي تسلط «جوجل» الضوء عليها، مع ذكر النتائج بالضبط كما نُشرت:
| الفئة | معيار مرجعي | جيميني 4 أرجون | GPT-6 أسترا | كلود أوبوس 5.5 |
|---|---|---|---|---|
| العمل المعرفي | مؤشر فالس | 68.9% | 63.1% | 67.0% |
| العمل المعرفي | AutomationBench | 51.3% | 41.4% | 42.5% |
| العمل المعرفي | Vals Finance Agent الإصدار 2 | 65.4% | 53.5% | 58.6% |
| العمل المعرفي | الممثل القانوني لهارفي | 19.6% | 5.4% | 3.8% |
| الترميز الفاعلي | DeepSWE الإصدار 1.1 | 77.9% | 74.1% | 74.2% |
| الترميز الفاعلي | مقعد «فايب كود» | 91.9% | 89.6% | 90.3% |
| العلوم / الرياضيات | LABBench 2 | 88.8% | 85.4% | 73.1% |
| العلوم / الرياضيات | RiemannBench | 76.0% | 72.0% | 69.6% |
| السياق الكامل | جولات في الرسوم البيانية (256 ألف – 1 مليون) | 84.2% | 71.8% | 66.8% |
| متعدد الوسائط | LVBench (فيديو طويل) | 91.7% | 87.5% | 83.7% |
| الأمن السيبراني | CWE-bench الإصدار 1 | 68.0% | 68.0% | 67.0% |
المجالات التي يتفوق فيها «أرجون» بوضوح
هناك ثلاث نتائج تبرز بشكل خاص. في معيار «Harvey's Legal Agent» — وهو اختبار للأعمال القانونية الفعلية وليس للمسائل التافهة — سجل «أرجون» نسبة 19.6% مقابل 5.4% و3.8% لمنافسيه. وهذا يمثل مستوى مختلفًا تمامًا، وليس مجرد تقدم طفيف. أما في اختبار «GraphWalks»، الذي يقيس القدرة على الاستدلال على مواد موزعة عبر مئات الآلاف من الرموز، فإن النتيجة التي حققتها «أرجون» بنسبة 84.2% مقابل 71.8% و66.8% هي الدليل الأوضح على أن السياق الموحد المكون من مليون رمز يؤدي عملًا حقيقيًّا. وفي اختبار «AutomationBench»، الذي يقيس أداء المهام التجارية متعددة الخطوات، يتفوق «أرجون» بنحو عشر نقاط على كلا المنافسين.
في مجال الترميز العملي، وهو المجال الذي تسعى «جوجل» للفوز فيه أكثر من غيره، فإن التقدم حقيقي لكنه ضئيل: 77.9% في DeepSWE v1.1 مقابل 74.1% و74.2%. كما أعلنت «جوجل» عن نتائج داخلية، بما في ذلك استبدال 32,000 سطر من كود SIMD المكتوب يدويًا في برنامج فك ترميز الفيديو libgav1 الخاص بها بنسخة آمنة على الذاكرة تعمل بسرعة أكبر بـ 2.7 مرة.
في المجالات التي لا تزال متخلفة فيها
تقول جوجل نفسها إن «أرجون» «لا يحتاج إلى فوز ساحق»، وهي طريقة صريحة للقول إنه لم يحقق ذلك. في اختبار FrontierSWE v2، سجل «أرجون» 55.0% مقابل 65.5% لـ «جي بي تي-6 أسترا». في اختبار Terminal-Bench Science، يتخلف Argon عن Astra بنسبة 57.6% مقابل 68.1%، وفي اختبار Terminal-bench 4.0 يتخلف عن Claude Opus 5.5 بنسبة 57.4% مقابل 66.4%. في اختبار PostTrainBench، يتقدم Opus 5.5 بنسبة 49.3% مقابل 45.3%. والنمط ثابت: فكلما كانت المهمة الهندسية أطول وأكثر اعتمادًا على Terminal، زادت قدرة النموذجين الآخرين على الحفاظ على تفوقهما.
لذا، فإن الملخص الصادق ليس «جوجل هي الفائزة». بل هو: يُعد «أرجون» أفضل نموذج حاليًّا للعمل على الوثائق الطويلة، والمجالات القانونية، والمالية، والأتمتة، كما أنه يتمتع بقدرة تنافسية في البرمجة اليومية، لكنه لا يزال متخلفًا في أصعب المهام العملية المتعلقة بالبرمجيات.
لا يحتاج Argon إلى إعادة هيكلة شاملة. لا يزال اختيار النموذج يعتمد على حجم العمل.
— «جوجل ديبمايند»، حول عملية إطلاق مركبة «جيميني 4 أرجون»
السعر: العامل الذي سيؤثر على السوق
يبلغ سعر الإطلاق 2 دولار لكل مليون توكن مدخل و10 دولارات لكل مليون توكن مخرج، مع سعر المدخلات المخزنة مؤقتًا عند 0.10 دولار. وهذا يمثل خُمس السعر المعلن لـ GPT-6 Astra (10 دولارات / 50 دولارًا) ونصف سعر Claude Opus 5.5 (4 دولارات / 20 دولارًا). وقد أعلنت Google أن السعر سيتضاعف إلى 4 دولارات / 20 دولارًا بعد 30 نوفمبر، وهو ما يجعله لا يزال متساويًا مع Opus وأقل بكثير من Astra.
بالنسبة لأي شخص يدير وكلاء على نطاق واسع، فإن هذا السعر أكثر أهمية من تفوق بمقدار نقطتين في معيار الأداء. فالنموذج الذي يتمتع بنفس مستوى الأداء تقريبًا ويكون أرخص بخمس مرات يغير تمامًا طبيعة أحمال العمل التي يُعد أتمتتها أمرًا اقتصاديًا في الأساس.
هل عادت «جوجل» إلى السباق؟
نعم، ولأول مرة منذ عصر «جيميني 2.5»، عادت الشركة لتحتل مكانة رائدة بدلاً من أن تكون مجرد متابع سريع. ثلاثة عشر ميزة رائدة من أصل ثمانية عشر، ونافذة سياقية لا يضاهيها أحد، وأسعار تنافسية تجعل من Argon الخيار الافتراضي لفئة كبيرة من أعمال المؤسسات. لكنه ليس الخيار التلقائي للهندسة البرمجية المتعمقة، حيث لا تزال OpenAI وAnthropic تحتفظان بأعلى المعايير.
لم تتغير ممارساتنا في شركة «ألوكنايت تكنولوجيز» بفعل أي إصدار بمفرده: فنحن نوجه كل مهمة إلى النموذج الذي يثبت أنه الأفضل والأرخص من الناحية الملموسة، ونعيد إجراء تلك المقارنة عند طرح إصدار مثل هذا. وقد نقلت «أرجون» للتو الكثير من الأعمال المتعلقة بالوثائق والشؤون القانونية والمالية والأتمتة إلى جانب «جوجل» من تلك المقارنة.