Google lança Gemini 4 Argon com preços de token a $2/$10
As taxas introdutórias do Argon dobram depois, enquanto o Muse gratuito da Meta ultrapassa 5 milhões de downloads e o Spark do Google permanece com acesso pago.
O Google apresentou o Gemini 4 Argon com preços de token introdutórios agressivos e alegações de referência em codificação e cibersegurança. O lançamento ocorre à medida que os investidores começam a valorizar a liderança em IA através de agentes pessoais para consumidores, onde o Muse gratuito da Meta está escalando mais rápido do que o Spark pago do Google.
Principais Conclusões
- O Google introduziu o Gemini 4 Argon, posicionando o modelo de fronteira como um avanço para codificação, cibersegurança e tarefas complexas de múltiplos passos.
- O Argon foi lançado a $2 por milhão de tokens de entrada e $10 por milhão de tokens de saída, com o Google afirmando que suas taxas publicadas dobrarão posteriormente para $4 e $20.
- O Google afirma que o Argon empata com o OpenAI em um teste de cibersegurança chave e lidera os benchmarks de engenharia de software, mas os nomes dos benchmarks e a replicação independente não estão disponíveis no trecho fornecido.
- O aplicativo de agente pessoal Muse gratuito da Meta ultrapassou 5 milhões de downloads em 30 de setembro (Sensor Tower), enquanto o Spark do Google continua sendo apenas para assinantes e não pode fazer chamadas externas ou completar compras.
O Gemini 4 Argon chega enquanto Wall Street muda de Modelos para Agentes
O Google apresentou o Gemini 4 Argon em 30 de setembro, apresentando o modelo como uma atualização de nível fronteira para codificação, cibersegurança e tarefas complexas. A empresa enquadrou o Argon como capaz de lidar com atribuições que requerem múltiplos passos e podem operar por períodos prolongados, um perfil de carga de trabalho que importa para produtos no estilo de agente que fazem mais do que apenas conversar.
O momento é importante porque a narrativa dos investidores está se afastando de “quem tem o melhor modelo esta semana” para “quem tem um agente que as pessoas realmente usam.” Agentes pessoais são a camada voltada para o consumidor que transforma a capacidade do modelo em distribuição, retenção e, eventualmente, monetização. Nesse enquadramento, o lançamento de um modelo é o mínimo necessário, enquanto um agente com adoção real é o placar.
Essa mudança é visível no conjunto competitivo descrito em torno do Argon. O Muse da Meta foi lançado “mês passado” e subiu ao topo da App Store da Apple, superando o ChatGPT no processo, enquanto a OpenAI lançou seu próprio produto de agente pessoal.Pontos, mais cedo na mesma semana.
O mercado está tratando produtos de agentes como a nova área de superfície para participação na mente, e a participação na mente é o que tende a vazar para posicionamentos de risco em tecnologia e beta de cripto.
A estratégia de precificação do Token da Argon: Descontos de introdução agora, taxas mais altas depois
A introdução da ArgonAPI foi definida em $2 por milhão de tokens de entrada e $10 por milhão de tokens de saída, correspondendo à precificação com desconto citada para o modelo GPT-6.1 da OpenAI.ModeloOs tokens são a unidade de cobrança pelo uso do modelo. Tokens de entrada são o texto que um usuário ou aplicativo envia para o modelo, enquanto tokens de saída são o texto que o modelo gera de volta.
O Google também deixou explícita a segunda metade da história de precificação: disse que as taxas publicadas da Argon eventualmente dobrarão para $4 por milhão de tokens de entrada e $20 por milhão de tokens de saída. Essa estrutura parece uma corrida por terras para cargas de trabalho iniciais, seguida por uma fase de normalização uma vez que as curvas de demanda e custo sejam melhor compreendidas.
Para fluxos de trabalho de agentes, a divisão de entrada e saída não é apenas cosmética. Os agentes tendem a operar por mais tempo, chamar ferramentas e iterar, o que pode aumentar o uso intensivo de saída e fazer com que a economia por token apareça rapidamente na margem bruta.
A precificação de introdução pode conquistar pilotos e manchetes, mas o cronograma de taxas publicadas é a parte que determina se os agentes 'sempre ativos' são baratos o suficiente para serem padrão.
A própria estrutura de produto do Google reforça essa troca. Tulsee Doshi, chefe de produto da Gemini, descreveu uma abordagem de portfólio onde agentes cotidianos não precisam dos modelos de fronteira mais poderosos, e modelos mais leves permanecem essenciais para solicitações rotineiras em grande escala.
Modelos de fronteira como Argon são posicionados como a camada de raciocínio para tarefas mais difíceis, o que é útil, mas também a parte cara de operar continuamente.
Benchmarks vs Realidade: O que o Google afirma, o que ainda não pode ser verificado
A proposta de benchmark do Google para Argon é direta: ela empata com a OpenAI em um teste de cibersegurança chave e apresenta resultados de liderança em engenharia de software, com base em benchmarks da indústria. O problema é que os nomes específicos dos benchmarks não foram fornecidos no trecho, e Argon não está amplamente disponível para testes independentes.
O acesso é restrito por design. O Google está participando de um processo voluntário de testes de segurança do governo dos EUA e está inicialmente restringindo Argon a defensores de cibersegurança selecionados e clientes de nuvem empresarial. A empresa disse que planeja expandir a disponibilidade para desenvolvedores, clientes empresariais e consumidores, mas não anunciou uma data de lançamento pública. Até que isso mude, o mercado fica negociando com base em alegações em vez de replicação.
A lacuna entre o agente consumidor é ainda mais concreta. O agente pessoal do Google, Spark, foi lançado em maio no Google I/O e pode trabalhar em Gmail e Calendar, navegar em sites através do Chrome e completar tarefas como preencher formulários online. O Spark está disponível através dos aplicativos móveis e de desktop do Google, mas permanece limitado a assinantes pagantes.
O Spark também tem limites de ação que importam na prática. Ele não pode fazer chamadas telefônicas de saída ou completar compras em nome de um usuário. Em vez disso, ele orienta os usuários durante as compras e devolve o controle para a aprovação final. Esse design reduz o risco, mas também limita o momento do "agente" onde os usuários sentem que o sistema realmente tirou a tarefa de suas mãos.
O Muse da Meta está adotando a postura de distribuição oposta. É gratuito com limites de uso e já alcançou mais de 5 milhões de downloads até 30 de setembro, de acordo com a Sensor Tower. A abordagem da Meta também introduziu complicações.
A empresa experimentou um sistema de concierge humano onde contratados lidavam com algumas chamadas telefônicas quando o Muse não conseguia completá-las de forma autônoma, antes de suspender o experimento em meio a preocupações internas de privacidade, enquanto seu recurso de chamadas telefônicas automatizadas permanece em beta.
Um porta-voz da Meta disse que os testes internos "são fundamentais para o processo de desenvolvimento do produto" e acrescentou: "Estamos trabalhando com comerciantes para continuar melhorando esse potencial recurso de chamadas, e só o lançaremos quando estiver pronto e com as divulgações adequadas."
Há também uma disputa de credibilidade em torno do desempenho de codificação do Argon no mundo real. Uma caracterização da Bloomberg mencionada no material fonte disse que alguns funcionários do Google questionaram a qualidade prática da codificação do modelo, apesar de benchmarks fortes.
O Google contestou essa caracterização e disse que funcionários de toda a empresa têm testado versões do Gemini 4 por semanas, com alguns recebendo acesso ilimitado. Sem evidências subjacentes no trecho e sem amplo acesso externo, essa discordância permanece não resolvida.
Catalisadores que poderiam reprecificar a narrativa
O próximo catalisador de reprecificação é simples: uma data de lançamento pública e acesso mais amplo para desenvolvedores ao Gemini 4 Argon. Até que usuários independentes possam executar o modelo em cargas de trabalho reais, a liderança em benchmarks é uma alegação de marketing, não um fato que limpa o mercado.
O segundo catalisador é a distribuição. Se o Google afrouxar o paywall do Spark ou expandir as capacidades de ação do Spark além de seus limites atuais em chamadas e compras, isso muda a curva de adoção mais do que outro gráfico de referência.
As métricas Muse da Meta são o outro lado dessa troca. Números de adoção atualizados além da captura do Sensor Tower de 30 de setembro e qualquer mudança nos limites de uso à medida que a Meta escala, dirão aos traders se o Muse é um pico de novidade ou um hábito durável do consumidor.
A moldura de Wall Street já está se inclinando para esse lado. Nos últimos três meses, as ações da Alphabet caíram cerca de 6%, enquanto as da Meta subiram 19%. Comentários subsequentes que ligam explicitamente a tração de agentes à posição da Alphabet em comparação com a da Meta provavelmente serão o motor narrativo mais limpo para como esse tema é negociado.
Minha Leitura: Por que a Distribuição de Agentes, Não os Marcos de Fronteira, É o Comércio de Curto Prazo
O limiar que importa é se o Argon se torna algo que os desenvolvedores podem realmente tocar em escala, porque o acesso restrito mantém a história presa em 'confie em nós'. O Google pode competir plausivelmente na economia de modelos de fronteira no curto prazo, mas a mudança planejada de $2/$10 para $4/$20 por milhão de tokens é o lembrete de que a pressão de custo volta rapidamente uma vez que os agentes operem continuamente.
Se o Spark permanecer com paywall e limitado em ações de alto valor, como chamadas e compras, a narrativa de referência do Argon terá dificuldade em se traduzir em consciência do consumidor. Se o Google combinar um acesso mais amplo ao Argon com uma verdadeira mudança na distribuição do Spark, a história do agente deixa de ser aspiracional e começa a ser mensurável em curvas de adoção e uso.
