गूगल (Google) ने अपना सबसे मजबूत मॉडल (Model) जारी किया, फिर उसे बेचने से इनकार कर दिया

FACT (CONFIRMED, Google primary — blog.google, "Gemini 4 Argon: our next era of frontier intelligence", 2026-09-30, लेखक Koray Kavukcuoglu, SVP Google DeepMind तथा Chief AI Architect). Google ने Gemini 4 Argon की घोषणा की और कहा कि यह "हमारे Fairwind Program के ज़रिए भरोसेमंद साइबर डिफेंडर्स के एक समूह तक रोल आउट हो रहा है।" पोस्ट में कहा गया है कि मॉडल "जटिल, लंबे-क्षितिज वाले वर्कफ़्लो (Workflow) में गहरी रीज़निंग (Reasoning) बनाए रखने के लिए बनाया गया है" और इसका लक्ष्य "वास्तविक दुनिया का सॉफ़्टवेयर इंजीनियरिंग, कानूनी तथा वित्त जैसे एंटरप्राइज़ नॉलेज वर्क (Enterprise Knowledge Work), और साइबरसुरक्षा रक्षा" है।

FACT (CONFIRMED, Google primary). चरणबद्ध एक्सेस व्यवस्था, उद्धरण के साथ:

"इस स्तर की फ्रंटियर क्षमताएँ सुरक्षित रूप से रिलीज़ करने के लिए चरणबद्ध तरीक़ा ज़रूरी है। हम अमेरिकी सरकार की प्री-रिलीज़ मॉडल एक्सेस (Pre-release Model Access) की स्वैच्छिक प्रक्रिया में सक्रिय रूप से शामिल हैं और साथ-साथ धीरे-धीरे एक्सेस बढ़ा रहे हैं। Argon को डेवलपर्स, एंटरप्राइज़ और उपभोक्ताओं के लिए जल्द से जल्द उपलब्ध कराने से पहले हम गार्डरेल्स (Guardrails) पर पुनरावृत्ति करते हुए शुरुआती टेस्टर्स से फ़ीडबैक इकट्ठा करते रहेंगे।"

FACT (CONFIRMED, Google primary). कीमत, उद्धरण के साथ: "Argon एक परिचयात्मक कीमत पर लॉन्च होगा — प्रति 10 लाख इनपुट टोकन $2 और प्रति 10 लाख आउटपुट टोकन $10 — तथा कैश्ड इनपुट टोकन (Cached Input Token) का दाम इनपुट टोकन कीमत पर 95% छूट होगा।" फ़ुटनोट: "परिचयात्मक अवधि ख़त्म होने के बाद प्रति 1M इनपुट टोकन $4 और प्रति 1M आउटपुट टोकन $20 की कीमत लागू होगी।" परिचयात्मक अवधि की समाप्ति तिथि नहीं बताई गई।

FACT (CONFIRMED, Google primary). गार्डरेल्स (Guardrails) पर, उद्धरण के साथ: "भरोसेमंद डिफेंडर्स तथा Google के अपने आंतरिक टीमों के लिए हम Argon को साइबर गार्डरेल्स के बिना रिलीज़ करेंगे, ताकि वे इसकी पूरी फ्रंटियर-स्तरीय साइबरसुरक्षा रक्षा क्षमताओं का उपयोग कर सकें।"

FACT (CONFIRMED, Google primary). रोलआउट क्रम, उद्धरण के साथ: "हम साइबर डिफेंडर्स तथा भरोसेमंद टेस्टर्स के पहले समूह के आभारी हैं, जिनके वास्तविक दुनिया के मूल्यांकन और फ़ीडबैक हमें डेवलपर्स, एंटरप्राइज़ और उपभोक्ताओं के लिए रिलीज़ करने से पहले हमारे सिस्टम मज़बूत करने में मदद करेंगे — शुरुआत भुगतान करने वाले API ग्राहकों तथा Google AI Ultra सब्सक्राइबर्स से।"

FACT (CONFIRMED, Reuters, 2026-09-30 20:04 UTC, Kenrick Cai). Reuters ने स्वतंत्र रूप से घोषणा, चरणबद्ध एक्सेस तथा इस तथ्य की पुष्टि की कि "Google ने कहा कि वह मॉडल चुनिंदा साइबरसुरक्षा साझेदारों को दे रहा है और ट्रंप प्रशासन की प्री-रिलीज़ मॉडल एक्सेस की स्वैच्छिक प्रक्रिया में भाग ले रहा है। कंपनी ने मॉडल की सार्वजनिक रिलीज़ के लिए कोई समयरेखा नहीं दी।" Reuters ने दो तथ्य भी स्थापित किए जो Google के पोस्ट में नहीं थे:

• Argon Google की पिछली Pro लाइन से भौतिक रूप से बड़ा है — "यह नया मॉडल, 'Argon', आकार में Google के पहले के उन्नत 'Pro' मॉडलों की लाइन से बड़ा है, ऐसा कंपनी के एक प्रवक्ता ने कहा।"
• Google ने Gemini 3.5 Pro रद्द कर दिया। "Google अब Gemini 3.5 Pro रिलीज़ करने की योजना नहीं बना रहा, जिसे CEO Sundar Pichai ने शुरू में जून में रिलीज़ करने की बात कही थी, ऐसा कंपनी के प्रवक्ता के अनुसार है।"
• Argon "कुछ दूसरे मीट्रिक्स पर पीछे रहा, जिनमें कोडिंग से जुड़े चार बेंचमार्क में से दो शामिल हैं, जिन्हें Google ने रिलीज़ में शामिल किया था।"

FACT (CONFIRMED, Reuters, प्रवक्ता के उद्धरण के साथ). "यह अब तक का हमारा सबसे बेहतर प्रदर्शन करने वाला मॉडल है, जो जटिल वर्कलोड के लिए बनाया गया है, और हम इसे मुख्य कोडिंग तथा साइबर बेंचमार्क पर (OpenAI के) Astra और (Anthropic के) Opus जैसे फ्रंटियर मॉडलों के तुलनीय मानते हैं।"

FACT (CONFIRMED, Bloomberg, 2026-09-30, Julia Love और Davey Alba, Yahoo Finance सिंडिकेशन के ज़रिए प्राप्त). Google के भीतर से रिपोर्टिंग: "हालाँकि Gemini 4 ने उन बेंचमार्क पर अच्छा प्रदर्शन किया है जिनसे उद्योग मॉडल की प्रभावशीलता आँकता है, जब कर्मचारी इसे वास्तव में काम पर लगाते हैं तो यह उतना अच्छा नहीं करता … मॉडल कुछ कोडिंग कार्यों को संभालने में संघर्ष करता है।" एक व्यक्ति ने कहा "Gemini फ़्रंट-एंड डिज़ाइन (Front-end Design) में विशेष रूप से निपुण नहीं है।" दो लोगों ने कहा कि मॉडल "बेंचमैक्सिंग (Benchmaxxing)" से प्रभावित दिखता है। Google ने Bloomberg से कहा कि "यह कहना ग़लत होगा कि Gemini 4 कोडिंग जैसे क्षेत्रों में कम प्रदर्शन कर रहा है," तथा एक कर्मचारी ने कहा कि आंतरिक रूप से "व्यापक सहमति" है कि Argon फ्रंटियर पर है। Bloomberg ने यह भी नोट किया कि Argon "एक बहुत बड़ा मॉडल है … आमतौर पर बड़े मॉडल चलाना महँगा होता है, जो संभवतः Google के मार्जिन पर दबाव डाल सकता है," और यह कि "सितारा एआई शोधकर्ताओं की एक लहर Google छोड़ चुकी है," जिसमें Demis Hassabis अगस्त में चेयरमैन की भूमिका में चले गए थे और DeepMind का दैनिक संचालन Kavukcuoglu को सौंप दिया था।

FACT (CONFIRMED, Google primary — शासन-विवरण Fairwind प्रोग्राम पेज से). Fairwind Program की शुरुआत 2026-09-02 को Gemini 3.8 Flash Cyber के साथ हुई थी और अब यह कहता है: "Fairwind Program के कुछ साझेदारों को Gemini 4 Argon तक विशेष पहुँच (Exclusive Access) मिलती है।" कार्यक्रम के अनुसार दुनिया भर में "650 से ज़्यादा साझेदार" हैं और यह निम्नलिखित शर्तें लगाता है: आवेदक संगठनों पर बैकग्राउंड चेक; फ़िशिंग-प्रतिरोधी MFA; पहुँच केवल आंतरिक साइबरसुरक्षा, इंसिडेंट-रिस्पॉन्स या पेनेट्रेशन-टेस्टिंग टीमों तक सीमित; अनुमत कार्य केवल "दोहरे-उपयोग (Dual-use) वाले कार्य, जिनमें अधिकृत ख़तरा-सिमुलेशन (Threat Simulation), रिवर्स इंजीनियरिंग (Reverse Engineering), तथा रक्षात्मक एवं अकादमिक शोध के लिए मैलवेयर विश्लेषण (Malware Analysis) शामिल है"; और "हम साझेदार संगठनों को अपने फ्रंटियर मॉडलों तक पहुँच साझा करने, पुनर्वितरित करने या बेचने की अनुमति नहीं देते।"

मुख्य दावा — CONFIRMED. 2026-09-30 को Google ने Gemini 4 Argon की घोषणा की — यह एक नया फ्रंटियर मॉडल (Frontier Model) है, जो Gemini 4 पीढ़ी की रीढ़ है और जिसकी आउटपुट सीमा 10 लाख टोकन (1M Token) है। इसे चरणों में रिलीज़ किया गया: पहले Google के Fairwind Program के ज़रिए चुनिंदा भरोसेमंद साइबर डिफेंडर्स (Cyber Defenders) के एक समूह तक, फिर भुगतान करने वाले Gemini API ग्राहकों तथा Google AI Ultra सब्सक्राइबर्स तक; सामान्य उपलब्धता (General Availability) के लिए कोई तारीख़ नहीं दी गई।

इस स्टोरी के लिए वास्तव में जुटाया गया साक्ष्य आधार (11 स्रोत, सभी पूरी तरह फ़ेच किए गए या उनका बॉडी टेक्स्ट पढ़ने योग्य रूप में उपलब्ध था):

• Google के दो प्राथमिक पोस्ट: Argon की घोषणा (Kavukcuoglu) तथा उससे पहले का Gemini 3.8 Flash / 3.8 Flash Cyber पोस्ट (Doshi, Popa), साथ में Fairwind Program के लॉन्च पोस्ट (Four Flynn) तथा DeepMind का Fairwind प्रोग्राम पेज।
• तीन स्वतंत्र बेंचमार्क ऑपरेटर (Benchmark Operator), जिनमें से हर एक ने Argon को वास्तव में चलाया: Collinear AI (CWE-bench v1), Vals AI (Vals Index तथा 22-बेंचमार्क सूट), Zapier (AutomationBench 1.0.6). तीनों ने Google के तीनों प्रमुख दावों को स्वतंत्र रूप से दोहराया।
• Artificial Analysis, जो अपने कम्पोज़िट इंडेक्स (Composite Index) पर Argon को उस जगह से नीचे रखता है, जहाँ Google उसे दिखाता है।
• प्रतिस्पर्धा तथा आंतरिक संदेह के आयाम के लिए Reuters और Bloomberg (Yahoo Finance सिंडिकेशन के ज़रिए)।

डिस्कवरी लीड में एक ज़रूरी सुधार। डिस्कवरी ने CWE-bench के आंकड़े तथा 1M सीमा को बिना पुष्टि वाले कंपनी दावों के रूप में दर्ज किया था। असल में तीन प्रमुख दावे स्वतंत्र रूप से सत्यापित हैं — CWE-bench के 68%, Vals Index का #1, तथा AutomationBench का #1 — ये तीनों ऑपरेटरों के अपने लीडरबोर्ड पर मिलते-जुलते आंकड़ों के साथ मौजूद हैं। जो चीज़ स्वतंत्र रूप से सत्यापित नहीं है, वह है 1M आउटपुट सीमा अपने मज़बूत रूप में: देखें §4, जोखिम 1।

FACT — जनरेशन सीलिंग (Generation Ceiling) में बदलाव। Google का पोस्ट: "हम मॉडल की आउटपुट टोकन सीमा को उद्योग-अग्रणी 1M टोकन तक बढ़ा रहे हैं, जो पहले 64K टोकन थी।" यह एक ही प्रतिक्रिया में आउटपुट क्षमता में लगभग 15–16 गुना वृद्धि है।

FACT — एक्सेस मॉडल में बदलाव। Google की पिछली फ्रंटियर साइबर पेशकश, Gemini 3.8 Flash Cyber, 2026-09-02 को उसी Fairwind Program में उतरी थी। 2026-09-30 को जो बदला, वह यह है कि अब गेटेड आर्टिफ़ैक्ट कंपनी का समग्र रूप से सबसे मज़बूत मॉडल है — कोई विशेषीकृत साइबर डेरिवेटिव नहीं। गेट अब किसी सँकरे साइबर SKU से नहीं, बल्कि फ़्लैगशिप से जुड़ा है।

FACT — Google के अपने प्रोडक्ट सरफ़ेस में बदलाव। Argon पहले से ही Google के भीतर प्रोडक्शन में है: re2 और libgav1 से Fuchsia Zircon कर्नेल तक 800K+ लाइनों तक C/C++→Rust माइग्रेशन; फ़्लीट-व्यापी मेमोरी ऑप्टिमाइज़ेशन जिससे 300 TiB से ज़्यादा मुक्त हुआ (अनुमानित कुल 500 TiB–1 PiB); और एक क्वांटम सबरूटीन ऑप्टिमाइज़ेशन जिसने "प्रकाशित बेसलाइन को 40% से मात्र कुछ मिनटों में पीछे छोड़ दिया।" libgav1 पर एजेंट्स ने "SIMD कोड की 32K लाइनें बदल दीं," जिससे "एक मेमोरी-सेफ़ वीडियो डिकोडर बना जो Rust पोर्ट से 2.7 गुना तेज़ चलता है, वीडियो आउटपुट बिल्कुल समान रहता है।"

FACT — प्रतिस्पर्धी समूह में बदलाव, Reuters के अनुसार। यह रिलीज़ Google की फ्रंटियर लाइन में सात महीनों से ज़्यादा के अंतराल को ख़त्म करती है और ऐसे समय आती है जब Google ने Hassabis के किनारे हटने के साथ "अपनी DeepMind एआई लैब का पुनर्गठन" किया है। Reuters नोट करता है कि देरी के कारण "कंपनी Anthropic और OpenAI से पीछे रह गई है," और यह कि Google ने "हाल के महीनों में अपना संदेश Gemini की अत्याधुनिक क्षमताओं का बखान करने से बदलकर अपने लागत लाभ (Cost Advantage) को उजागर करने पर कर दिया है।" Argon की $2/$10 परिचयात्मक कीमत इस पुनर्स्थापन से मेल खाती है।

INTERPRETATION. यह रिलीज़ एक साथ दो काम करती है जो आमतौर पर अलग-अलग होते हैं: यह एक कठोर जनरेशन सीलिंग को परिमाण के क्रम में बढ़ाती है, और वह क्षमता आम डेवलपर आबादी से रोक लेती है। ज़्यादातर फ्रंटियर लॉन्च क्षमता में वृद्धि होते हैं जिनमें एक्सेस लगभग स्थिर रहता है। यह लॉन्च क्षमता में वृद्धि है, और एक्सेस पिछली पीढ़ी के समतुल्य की तुलना में अधिक सीमित कर दिया गया है।

FACT (COMPANY CLAIM — आर्किटेक्चर सार्वजनिक नहीं किया गया)। Google ने Argon का कोई आर्किटेक्चर, पैरामीटर संख्या, ट्रेनिंग-कोर्पस की संरचना या ज्ञान-कटऑफ़ (Knowledge Cutoff) सार्वजनिक नहीं किया। एकमात्र संरचनात्मक जानकारी आउटपुट सीलिंग है और यह तथ्य कि मॉडल "आकार में Google के पहले के उन्नत 'Pro' मॉडलों की लाइन से बड़ा है" (Reuters, प्रवक्ता के हवाले से)। इस शोध के समय Argon के लिए कोई मॉडल कार्ड (Model Card), कोई सार्वजनिक मॉडल ID, और कोई API दस्तावेज़ मौजूद नहीं था।

FACT (COMPANY CLAIM — मूल्यांकन की शर्तें)। Google की बेंचमार्क तालिका Argon को "सबसे ऊँची थिंकिंग सेटिंग्स (Thinking Settings) पर" चलाती है, आमतौर पर pass@1 पर, बिना मेजॉरिटी वोटिंग या समानांतर टेस्ट-टाइम कंप्यूट (Test-time Compute) के, तथा छोटे बेंचमार्क कई ट्रायल्स के औसत पर। Google की अपनी कार्यप्रणाली-टिप्पणियाँ बताती हैं कि Argon की कई पंक्तियाँ तृतीय-पक्ष लीडरबोर्ड से लेने के बजाय Google द्वारा स्वयं गणना की गई हैं — जिनमें DeepSWE v1.1 (mini-swe-agent हार्नेस), Terminal-Bench 4.0, Terminal-Bench Science और OSWorld-2.0 शामिल हैं — और यह कि PostTrainBench, LABBench 2 तथा GraphWalks पर "Google ने हर मॉडल स्वयं चलाया।" प्रतिस्पर्धियों के आंकड़े वेंडर रिपोर्ट्स या सार्वजनिक लीडरबोर्ड से उद्धृत हैं। यह तुलनीयता (Comparability) से जुड़ी एक महत्वपूर्ण चेतावनी है: जिन पंक्तियों पर कोडिंग की कहानी सबसे ज़्यादा टिकी है, वहाँ Google का मॉडल और Google का हार्नेस (Harness) एक साथ मापे गए।

FACT (COMPANY CLAIM — रीज़निंग व्यवहार)। आउटपुट सीलिंग के लिए बताया गया तंत्र यह है कि एक ही रीज़निंग ट्रैजेक्टरी (Reasoning Trajectory) के लिए जगह मिलती है: "जब मॉडल के पास गहराई से सोचने और एक ही ट्रैजेक्टरी में लाखों टोकन उत्पन्न करने की जगह होती है, तो यह कठिन समस्याओं को एक ही बार में हल करने के लिए रीज़निंग का एक नया स्तर जोड़ता है।" Argon उस लंबे समय तक चलने वाले एजेंटिक लूप (Agentic Loop) पैटर्न को आगे बढ़ाता है जो 3.8 Flash के साथ शुरू हुआ था, जहाँ मॉडल "अंतर्निहित मॉडलों का पुनरावर्ती मूल्यांकन और परिष्करण करते हैं।"

FACT (COMPANY CLAIM — सेफ़्टी स्टैक)। Google चार सुरक्षा-क्षेत्रों का वर्णन करता है: (क) अपने Frontier Safety Framework के अनुसार साइबर और CBRN अनुरोधों के लिए दुरुपयोग-अस्वीकृति, जिसमें "आंतरिक एक्टिवेशन्स (Internal Activations)" की निगरानी शामिल है; (ख) स्वचालित रेड-टीमिंग (Red-teaming) और एडवर्सेरियल ट्रेनिंग (Adversarial Training) के ज़रिए प्रॉम्प्ट इंजेक्शन (Prompt Injection) के प्रति प्रतिरोधकता; (ग) चेन-ऑफ़-थॉट (Chain-of-thought) और क्रियाओं की मिसअलाइनमेंट निगरानी, आवश्यक होने पर निष्पादन रोकने के साथ; और (घ) सुदृढ़ सैंडबॉक्स्ड एजेंट एनवायरनमेंट ("उच्च-जोखिम वाली ट्रेनिंग या मूल्यांकन शुरू होने से पहले उन्हें अलग और सील करना")। Google उद्योग से यह भी कहता है कि "रीज़निंग की पारदर्शिता बनाए रखे।"

FACT (COMPANY CLAIM — आंतरिक साइबर मापन, Fairwind प्रोग्राम पेज के चार्ट से)। वास्तविक दुनिया में भेद्यता (Vulnerability) की खोज: Argon 85.8% बनाम Gemini 3.8 Flash Cyber 71.0%. Wiz का ब्लैक-बॉक्स पेनेट्रेशन-टेस्ट बेंचमार्क: Argon 70.9% बनाम 3.8 Flash Cyber 58.2%. k=15 पर Gray Swan IPI हमला-सफलता दर: Argon 0.7%, जो चार्ट में सबसे कम है।

INDEPENDENT EVIDENCE (Vals AI). उसी मॉडल के 22 बेंचमार्क पर स्वतंत्र मापन, "रीज़निंग एफ़र्ट 'high' पर तथा तापमान 1.0 पर सेट करके" चलाए गए। उल्लेखनीय है कि Vals Index रन ने पूरे सूट में 142.01M आउटपुट टोकन खर्च किए और कुल रन अवधि 46m33s रही — यह ठोस साक्ष्य है कि लंबे-जनरेशन वाला शासन वास्तविक है और तृतीय पक्ष इसे पहले से ही आज़मा रहे हैं, केवल Google ही नहीं।

INTERPRETATION. 1M आउटपुट सीलिंग वही क्षमता नहीं है जो 1M कॉन्टेक्स्ट विंडो (Context Window) है, और यही भ्रम इस रिलीज़ की सबसे आम ग़लतफ़हमी है। कॉन्टेक्स्ट यह है कि मॉडल कितना पढ़ सकता है; आउटपुट यह है कि एक ही बिना रुकावट वाली ट्रैजेक्टरी कितनी लंबी चल सकती है। दूसरा एक एजेंट-लूप बजट है। यह मॉडल को एक ही प्रतिक्रिया के भीतर योजना बनाने, लिखने, चलाने, निरीक्षण करने और संशोधित करने देता है, बजाय हार्नेस के ज़रिए स्टेट इधर-उधर सौंपने के — जिससे ऑर्केस्ट्रेशन (Orchestration) का ओवरहेड हटता है, लेकिन वे सारे चेकपॉइंट भी हट जाते हैं जहाँ कोई बाहरी सिस्टम हस्तक्षेप कर सकता था।

INTERPRETATION — आर्किटेक्चरल बदलाव लूप के आकार के बारे में है, प्रॉम्प्ट के आकार के बारे में नहीं। दो दशकों से डेवलपर्स आउटपुट कैप को काम को तोड़कर संभालते आए हैं: रिफ़ैक्टर को दर्जनों कॉल्स में बाँटना, रिपोर्ट को अनुभाग-दर-अनुभाग बनाना, जोड़ना और फिर से जोड़ना, और अंत में जोड़ों की मरम्मत करना। 1M आउटपुट सीलिंग सिंगल-पास कामों के लिए इसका ज़्यादातर हिस्सा हटा देती है। यह बहु-टर्न ऑर्केस्ट्रेशन की समस्या को सिंगल-जनरेशन की समस्या में बदल देती है। यह वास्तव में एक अलग इंजीनियरिंग अनुशासन है, और व्यावसायिक फ्रंटियर में इस परिमाण का पहला बदलाव है।

INTERPRETATION — उस बदलाव की कीमत हस्तक्षेप-बिंदुओं का नुकसान है। लंबी एकल ट्रैजेक्टरी का मतलब है कि इंसान या हार्नेस बीच की स्थिति का निरीक्षण नहीं कर सकते। Google स्वयं यह बात स्वीकार करता है: 800K+ लाइनों तक के उसके C/C++→Rust माइग्रेशन "प्रोडक्शन में रोल आउट होने से पहले कठोर स्वचालित और मैनुअल ऑडिटिंग, एमुलेशन टेस्टिंग तथा समीक्षा से गुज़र रहे हैं।" बड़ी आउटपुट सीलिंग सत्यापन का बोझ नहीं हटाती; यह ग़लत उत्तर की कीमत को परिमाण के क्रम में बढ़ा देती है, क्योंकि डिफ़ (Diff) बड़ा होता है।

INTERPRETATION — एक्सेस गेट ही अधिक परिणामकारी संकेत है। सबसे मज़बूत रिलीज़ को साइबर-डिफेंडर-पहले समूह से जोड़ना एक शासन-पैटर्न है जिसके दो अलग-अलग घटक हैं जिन्हें मिलाना नहीं चाहिए:

1. क्षमता-गेटिंग (Capability Gating): गार्डरेल्स-रहित संस्करण अनुबंध के ज़रिए केवल जाँचे गए डिफेंडर्स तक सीमित है (बैकग्राउंड चेक, MFA, केवल आंतरिक टीम की पहुँच, पुनर्वितरण नहीं)। यह दलील से सुरक्षा के लिहाज़ से सकारात्मक है — डिफेंडर्स को वास्तविक बढ़त मिलती है।
2. सामान्य-पहुँच में देरी: सबसे मज़बूत मॉडल डेवलपर आबादी से बिना किसी तारीख़ के रोका गया है। यह सुरक्षा-निर्णय जितना ही प्रतिस्पर्धी निर्णय भी है। Google को खोलने से पहले कुछ दिनों से कुछ हफ़्तों का Fairwind फ़ीडबैक चाहिए; प्रतिद्वंद्वी नोट करेंगे कि वही क्षमता उन्हें नहीं दी गई।

INTERPRETATION — बेंचमार्क तस्वीर यह है: "शीर्ष समूह में, कुछ अक्षों पर स्पष्ट, लेकिन अग्रणी नहीं।" यह इस रिलीज़ का सबसे कम रिपोर्ट किया गया पहलू है। तीन स्वतंत्र ऑपरेटर Google की जीत को नॉलेज वर्क और ऑटोमेशन पर दोहराते हैं; चौथा Argon को कम्पोज़िट इंडेक्स पर Anthropic के शीर्ष मॉडलों से नीचे रखता है। ईमानदार सार यह है: Argon लंबे-क्षितिज वाले बिज़नेस-वर्कफ़्लो ऑटोमेशन तथा वित्तीय/कानूनी शोध में अग्रणी है; टर्मिनल कोडिंग और विज्ञान में प्रतिस्पर्धी है पर अग्रणी नहीं; और प्रति इकाई काम के हिसाब से सबसे कुशल फ्रंटियर मॉडल नहीं है।

INTERPRETATION — कीमत एक पोज़िशनिंग हथियार है। Argon की सूची कीमत ($4/$20) बिल्कुल Claude Opus 5.5 से मेल खाती है और GPT-6 Astra ($10/$50) से लगभग 60% नीचे है। Google के पहले के सार्वजनिक लागत-संदेश की ओर झुकाव के साथ मिलाकर देखें तो यह ऐसा लगता है कि Google यूनिट इकोनॉमिक्स पर प्रतिस्पर्धा कर रहा है, जबकि क्षमता का मुकुट विवादित होने की बात वह स्वीकार कर रहा है।

FACT (COMPANY CLAIM — Google के भीतर प्रदर्शित)।

• कर्नेल-स्तर पर C/C++ → Rust माइग्रेशन, re2 और libgav1 से लेकर Fuchsia Zircon कर्नेल की 800K+ लाइनों तक।
• libgav1: SIMD कोड की 32K लाइनें बदली गईं, ऑटो-वेक्टराइज़िंग सेफ़ Rust से; नतीजा पिछले Rust पोर्ट से 2.7 गुना तेज़, वीडियो आउटपुट बिल्कुल समान।
• डेटा सेंटर्स में फ़्लीट-व्यापी मेमोरी ऑप्टिमाइज़ेशन: 300+ TiB मुक्त, अनुमानित कुल 500 TiB–1 PiB।
• क्वांटम एल्गोरिद्म ऑप्टिमाइज़ेशन जिसने प्रकाशित बेसलाइन को मिनटों में 40% पीछे छोड़ा।
• Wiz: "मॉडल ने एक गंभीर भेद्यता उजागर की जो दुनिया भर के अस्पतालों में इस्तेमाल होने वाले हेल्थकेयर सॉफ़्टवेयर में संवेदनशील व्यक्तिगत जानकारी को खोल देती थी, और ऐसा गंभीर जोखिम पहचाना जिसे पिछले फ्रंटियर मॉडल चूक गए थे।"

INTERPRETATION — Argon उपलब्ध होने पर वास्तव में क्या नया संभव होता है।

• सिंगल-पास में पूरे कोडबेस पर रीज़निंग, जहाँ रिपॉज़िटरी कॉन्टेक्स्ट में समा जाने लायक छोटी हो और बदलाव इतना बड़ा हो कि 100K+ टोकन का उत्तर चाहिए। यह सबसे स्पष्ट नई क्षमता-श्रेणी है।
• सुसंगत लंबे आर्टिफ़ैक्ट — 300 पन्नों की रिपोर्ट, पूरा माइग्रेशन प्लान, पूरा टेस्ट सूट — एक ही पास में आंतरिक सुसंगति के साथ, बजाय जोड़-तोड़कर जमा किए गए अनुभागों के।
• गहन-शोध एजेंट्स (Deep-research Agents) जो एक ही ट्रैजेक्टरी के भीतर पुनरावृत्ति करते हैं (खोज → पढ़ना → संश्लेषण → संशोधन) बजाय हार्नेस के ज़रिए चक्कर लगाने के।
• स्वायत्त भेद्यता खोज, सत्यापन और पैचिंग प्रोडक्शन पैमाने पर, Fairwind के उन ~650 संगठनों के लिए।
• टेक्स्ट से आगे लंबे-वीडियो और दस्तावेज़ रीज़निंग: LVBench 91.7% (COMPANY CLAIM); Bloomberg के इनसाइडर ने विशेष रूप से "टेक्स्ट से आगे के इनपुट को समझना, जैसे वीडियो से मेटाडेटा निकालना" को वास्तविक ताक़त बताया।

INTERPRETATION — क्या नया संभव नहीं होता। रिलीज़ में कुछ भी टर्मिनल-आधारित कोडिंग नेतृत्व नहीं बदलता: Terminal-Bench 4.0 (Google की तालिका के अनुसार Argon 57.4%; Vals स्वतंत्र रूप से 43 में से #5 पर 57.58% बताता है) Opus 5.5 से पीछे है। Bloomberg के सूत्रों के अनुसार फ़्रंट-एंड डिज़ाइन कमज़ोर पक्ष है। विज्ञान/गणित में भी पिछड़ा है (Terminal-Bench Science 57.6% बनाम Astra 68.1%)।

FACT (INDEPENDENT EVIDENCE — आउटपुट-सीमा का अंतर अनसुलझा और महत्वपूर्ण है)। तीन स्रोत तीन अलग तस्वीरें देते हैं:

तीन स्वतंत्र ऑपरेटर स्वतंत्र रूप से 1M कॉन्टेक्स्ट विंडो की पुष्टि करते हैं। उनमें से केवल एक 1M आउटपुट श्रेणी दिखाता है, और एक स्पष्ट रूप से 262k को उस कॉन्फ़िगरेशन का अधिकतम आउटपुट बताता है जिसे उसने परखा। इसलिए 1M आउटपुट सीमा एक COMPANY CLAIM है जिसकी आंशिक, पूर्ण नहीं, बाहरी पुष्टि हुई है। यह श्रेणी- या एंडपॉइंट-विशिष्ट हो सकती है; इसे सार्वभौमिक गुण के रूप में स्थापित नहीं किया गया है।

INDEPENDENT EVIDENCE — कोई प्रकाशित API अनुबंध मौजूद नहीं है। इस शोध के अनुसार Artificial Analysis Argon को ठीक एक प्रोवाइडर के ज़रिए उपलब्ध बताता है, साथ में "इस मॉडल के लिए प्रोवाइडर्स के बेंचमार्क उपलब्ध नहीं हैं," कोई आउटपुट गति नहीं, कोई लेटेंसी नहीं, और एंड-टू-एंड प्रतिक्रिया-समय के आंकड़े नहीं। कोई प्रकाशित मॉडल ID, रेट लिमिट (Rate Limit), स्ट्रीमिंग/टाइमआउट/कंटीन्यूएशन अनुबंध (Continuation Contract), या कैश-स्टोरेज कीमत नहीं है।

INTERPRETATION — 1M-टोकन प्रतिक्रिया के इंजीनियरिंग परिणाम।

1. समय। Artificial Analysis के बोर्ड पर दूसरे फ्रंटियर मॉडल ~50–140 आउटपुट टोकन/सेकंड चलते हैं। उन दरों पर पूरी 1M-टोकन प्रतिक्रिया लगभग दो से छह घंटे की है। Artificial Analysis ने Argon की गति प्रकाशित नहीं की है।
2. ट्रांसपोर्ट। मानक HTTP प्रॉक्सी, लोड बैलेंसर, सर्वरलेस (Serverless) तथा गेटवे टाइमआउट पूरा होने से बहुत पहले समाप्त कर देंगे। Gemini API की "Long Decode Continuation" व्यवस्था के बारे में तृतीय पक्ष बताते हैं (Artificial Analysis की टेस्टिंग; The Decoder, द्वितीयक कवरेज के ज़रिए) कि यह बहुत लंबी प्रतिक्रियाओं को फ़ॉलो-अप कॉल्स में रोककर और फिर शुरू करके पूरा करती है — लेकिन यह Google के अपने दस्तावेज़ में पुष्ट नहीं है, जो नहीं मिला।
3. पैसा। एक पूरी तरह भरी 1M-टोकन प्रतिक्रिया परिचयात्मक कीमत पर $10 / सूची कीमत पर $20 है, इनपुट से पहले और थिंकिंग टोकन (Thinking Token) से पहले। Argon वर्बोज़ (Verbose) है: Vals ने अपने सूट में 142.01M आउटपुट टोकन दर्ज किए; Artificial Analysis ने प्रति कार्य लगभग 62K आउटपुट टोकन मापे, जबकि GPT-6 Astra के लिए लगभग 27K (≈2.3 गुना)। इसलिए प्रति-टोकन कीमत प्रति-कार्य लागत का ख़राब प्रॉक्सी है।
4. स्पष्ट कैप अब अनिवार्य हैं। max_output_tokens जानबूझकर सेट करना होगा। सीलिंग एक अधिकतम है, लक्ष्य नहीं; 900K टोकन तक चलने वाले बिना कैप वाले एजेंट लूप ने प्रति कॉल आउटपुट बजट के $9 बस ख़र्च कर दिए।

INTERPRETATION — सत्यापन का पैमाना। Google की अपनी प्रैक्टिस ही टेम्पलेट है: 800K-लाइन वाले रीराइट "कठोर स्वचालित और मैनुअल ऑडिटिंग, एमुलेशन टेस्टिंग तथा समीक्षा" से गुज़रे। जिस टीम के पास असली टेस्ट सूट नहीं है, उसे 1M आउटपुट सीमा से लाभ नहीं मिलता — उसे 1M-टोकन का ऐसा डिफ़ मिलता है जिसे कोई जाँच नहीं सकता। टेस्ट कवरेज इस क्षमता की पूर्व-शर्त है, उसके साथ आने वाली चीज़ नहीं।

FACT. Argon आज ख़रीदने के लिए उपलब्ध नहीं है। पहुँच केवल Fairwind तक है, और अगली श्रेणी — भुगतान करने वाले API ग्राहक तथा Google AI Ultra सब्सक्राइबर — बिना तारीख़ के है।

INTERPRETATION — डेवलपर को अब क्या करना चाहिए और क्या नहीं।

• इस पर कोई रोडमैप न रोकें। कोई GA तारीख़ नहीं, कोई मॉडल ID नहीं, अधिकतम-आउटपुट का कोई दस्तावेज़ी अनुबंध नहीं, और इस बात पर एक अनसुलझा अंतर कि सीलिंग असल में क्या है।
• आकार के हिसाब से डिज़ाइन शुरू करें। अगर 1M सीलिंग वास्तविक बनती है, तो सिंगल-पास लंबे-जनरेशन वाले वर्कफ़्लो व्यवहार्य हो जाते हैं। जो आर्किटेक्चर इस पर भरोसा करता है (चेकपॉइंट-योग्य आंशिक आउटपुट, स्ट्रीमिंग, फिर से शुरू होने योग्य जॉब्स) उसे अभी बनाना सस्ता है और बाद में जोड़ना महँगा।
• अगर आप Fairwind-योग्य डिफेंडर हैं तो आवेदन करें। गार्डरेल्स-रहित मॉडल वास्तव में अलग है: Google के आंतरिक 20-भाषा भेद्यता बेंचमार्क पर Argon ने 3.8 Flash Cyber के 71.0% के मुक़ाबले 85.8% हासिल किया, और Wiz के ब्लैक-बॉक्स पेंटेस्ट बेंचमार्क पर 58.2% के मुक़ाबले 70.9%। किसी सुरक्षा टीम के लिए पूरा मूल्य-प्रस्ताव यही है, और यह कहीं और उपलब्ध नहीं है।
• 1M के आंकड़े को छोटे मॉडल छोड़ने की वजह न समझें। Gemini 3.8 Flash की परिचयात्मक कीमत $0.75/$3.75 है (65,536 आउटपुट) और उसने Vals Finance Agent v2 पर 61.44% हासिल किया। ज़्यादातर वर्कलोड को 1M आउटपुट की ज़रूरत नहीं है और उन्हें उसके लिए फ्रंटियर कीमत नहीं देनी चाहिए।
• बेंचमार्क तालिका को सावधानी से लें। जिन पंक्तियों में Argon आगे है, उनमें से कई Google ने स्वयं गणना की; प्रतिस्पर्धियों के आंकड़े दूसरी लैब्स की रिपोर्ट्स से उद्धृत हैं। आपके अपने कामों पर आपका अपना मूल्यांकन ही एकमात्र नतीजा है जिसे माइग्रेशन का आधार बनना चाहिए।

INDEPENDENT EVIDENCE — प्रति-कार्य कीमत के तीन स्वतंत्र दृश्य, सभी अलग।

INTERPRETATION — एंटरप्राइज़ का पाठ। Argon न एकसमान रूप से सस्ता है न एकसमान रूप से महँगा। यह सामान्य बिज़नेस ऑटोमेशन पर प्रतिस्पर्धी-से-अच्छा है, और सुरक्षा पैचिंग के लिए बोर्ड पर सबसे ख़राब लागत-दक्षता रखता है — 68% बनाम Opus 5.5 का 67%, जबकि प्रति रोलआउट लागत 8.4 गुना। जो सुरक्षा संगठन CWE-bench-शैली की ऑडिटिंग को बजट वाले वर्कलोड के रूप में चलाता है, उसके लिए निर्णय यह गणित करता है, क्षमता नहीं।

INTERPRETATION — गेट के शासन और ख़रीद संबंधी परिणाम। एंटरप्राइज़ सुरक्षा टीमों के सामने अब दो-स्तरीय पहुँच की वास्तविकता है: सबसे मज़बूत आक्रामकता-निकट मॉडल अनुबंध के ज़रिए केवल Fairwind के ज़रिए उपलब्ध है (बैकग्राउंड चेक, MFA, केवल आंतरिक टीम, पुनर्वितरण नहीं, दोहरे-उपयोग पर प्रतिबंध), और बाक़ी हर ग्राहक इंतज़ार करता है। यह एक तर्कसंगत जोखिम-रुख है, लेकिन इसका मतलब है:

• एंटरप्राइज़ सुरक्षा कार्यों को Fairwind पात्रता अभी आँकनी चाहिए, लॉन्च के समय नहीं। आवेदन मानदंड और प्रोसेसिंग समय प्रकाशित नहीं हैं।
• जो संगठन Fairwind-योग्य नहीं हैं, उनके पास भी एक रास्ता है: Google कहता है कि कोई भी Google Cloud ग्राहक CodeMender का उपयोग सार्वजनिक रूप से उपलब्ध मॉडलों तथा AI Threat Defense के साथ कर सकता है।
• ख़रीद विभाग को कीमत में उछाल के लिए योजना बनानी होगी: परिचयात्मक $2/$10 की कोई प्रकाशित समाप्ति तिथि नहीं है, और सूची दर ठीक दोगुनी है।

INTERPRETATION — Argon वास्तव में कहाँ फ़िट बैठता है। स्वतंत्र साक्ष्य को देखते हुए, Argon के लिए ईमानदार एंटरप्राइज़ शॉर्टलिस्ट यह है: लंबे-क्षितिज वाला बिज़नेस-वर्कफ़्लो ऑटोमेशन (AutomationBench #1), बहु-चरणीय वित्तीय शोध (Vals Finance Agent v2 #1, 65.40% पर), कानूनी कार्य-उत्पाद (19.58% बनाम प्रतिद्वंद्वियों के 3.8%–6.7% — कम निरपेक्ष सीलिंग पर बड़ी सापेक्ष बढ़त), तथा लंबे-कॉन्टेक्स्ट वाली ग्राफ़ रीज़निंग। यह टर्मिनल-आधारित कोडिंग, फ़्रंट-एंड UI जनरेशन, या लागत-संवेदनशील उच्च-मात्रा वाले कामों के लिए नहीं है।

INTERPRETATION — Google विश्वसनीयता वापस ख़रीद रहा है, कोई स्कोर का पीछा नहीं कर रहा। Bloomberg की रिपोर्ट कि इनसाइडर्स कोडिंग का असमान प्रदर्शन तथा संभावित "बेंचमैक्सिंग" देखते हैं, और Reuters की पुष्टि कि Google की अपनी तालिका में Argon चार कोडिंग बेंचमार्क में से दो में हारा, मिलकर इसे रक्षात्मक रिलीज़ के रूप में चित्रित करते हैं। Google को Anthropic और OpenAI का जवाब देने के लिए एक विश्वसनीय फ़्लैगशिप चाहिए था, बिना सीधे सर्वोच्चता का दावा किए। प्रवक्ता का सतर्क वाक्यांश — "मुख्य कोडिंग और साइबर बेंचमार्क पर … Astra और … Opus के तुलनीय" — बराबरी की भाषा है, जीत की नहीं।

INTERPRETATION — 1M आउटपुट सीमा इसलिए एक अलग कील (Wedge) है क्योंकि प्रतिद्वंद्वी उस तक नहीं पहुँचे। रिपोर्ट की गई मौजूदा प्रतिस्पर्धी सीलिंग: GPT-6 Astra 128,000; Claude Opus 5.5 और Fable 5.1 128K (Message Batches बीटा पर 300K); Gemini 3.8 Flash 65,536. Argon का दावा किया गया 1M निकटतम फ्रंटियर प्रतिस्पर्धी का लगभग 8 गुना है। Vals के 262K अंतर के लिए छूट देने पर भी, यह व्यावसायिक फ्रंटियर में सार्वजनिक रूप से दावा की गई सबसे बड़ी सीलिंग है।

INTERPRETATION — Fairwind एक वितरण-अवसंरचना के रूप में। Google ने Fairwind 2026-09-02 को 650+ साझेदारों, Armadin, CrowdStrike, Palo Alto Networks, Snowflake तथा Wiz की प्रशंसापत्रों, और एक प्रलेखित शासन-व्यवस्था के साथ बनाया। फिर Argon को किसी नए चैनल के बजाय उसी मौजूदा चैनल में उतार दिया गया। दो व्याख्याएँ: (क) एक सुचारु रूप से निष्पादित एक्सेस-नियंत्रण कार्यक्रम जो सुरक्षा ख़रीदारों के साथ रिश्ते की खाई का काम भी करता है; (ख) बड़े पैमाने पर निजी बीटा चलाने का तरीक़ा — असली कोडबेस और असली इंसिडेंट-दबाव वाले 650 संगठन असामान्य रूप से उच्च-निष्ठा वाला मूल्यांकन वातावरण हैं, और प्रतिष्ठा की कोई कीमत नहीं चुकानी पड़ती क्योंकि अभी सार्वजनिक रूप से कुछ भी तुलनीय नहीं है।

INTERPRETATION — लागतें बढ़ रही हैं। Bloomberg Intelligence के Mandeep Singh ने अनुमान लगाया कि ट्रेनिंग रन "चार करोड़ डॉलर ($400 million) तक" महँगे हो सकते हैं। Argon "एक बहुत बड़ा मॉडल है … चलाना महँगा।" Google $4/$20 सूची के मुक़ाबले $2/$10 परिचयात्मक कीमत पर रिलीज़ कर रहा है, जबकि रिपोर्ट के अनुसार लागत-लाभ वाली पोज़िशनिंग का ख़र्च उठा रहा है। छोड़े गए Gemini 3.5 Pro के साथ मिलाकर पैटर्न यह है: एक कंपनी जो वितरण बढ़त (Search, Gmail, Maps, Chrome — Bloomberg के अनुसार प्रत्येक के 1B+ उपयोगकर्ता) के तहत क्षमता का अंतर पाटने के लिए भारी ख़र्च कर रही है, और जिसकी नक़ल प्रतिद्वंद्वी आसानी से नहीं कर सकते।

INTERPRETATION — क्रम का राजनीतिक महत्व है। Argon उसी हफ़्ते आया जिस हफ़्ते व्हाइट हाउस का "Era of Super Intelligence" स्वैच्छिक सुरक्षा समझौता (2026-09-29) हुआ, जिस पर Google के CEO ने हस्ताक्षर किए, और Google स्पष्ट रूप से कहता है कि वह सरकार की स्वैच्छिक प्री-रिलीज़ एक्सेस प्रक्रिया के अंदर है। साइबर-सक्षम फ्रंटियर मॉडल की गेटेड, सुरक्षा-प्रलेखित, सरकार-देखी गई रिलीज़ उस क्षण के लिए ठीक आकार का आर्टिफ़ैक्ट है: यह अनुपालन दिखाती है बिना क्षमता प्रतिद्वंद्वियों को सौंपे।

INTERPRETATION — R1. 1M आउटपुट का दावा अनसुलझा है (इस स्टोरी में सबसे बड़े परिणाम वाला जोखिम)। Vals AI स्वतंत्र रूप से उस कॉन्फ़िगरेशन के लिए 262k अधिकतम आउटपुट बताता है जिसका उसने मूल्यांकन किया। केवल Artificial Analysis अपने प्रोवाइडर को "(1M output)" लेबल करता है। अगर 1M श्रेणी-, एंडपॉइंट- या क्षेत्र-विशिष्ट निकलता है, तो रिलीज़ का केंद्रीय तकनीकी दावा ज़्यादातर ग्राहकों के लिए काफ़ी बढ़ा-चढ़ाकर पेश किया गया है। लेखन के समय अनसुलझा। 262K–1M को ईमानदार सीमा मानें।

INTERPRETATION — R2. गार्डरेल्स-रहित फ्रंटियर साइबर क्षमता अब 650+ संगठनों के हाथ में है। Fairwind के नियंत्रण अनुबंधात्मक और प्रक्रियात्मक हैं (बैकग्राउंड चेक, MFA, पहुँच केवल आंतरिक सुरक्षा टीमों तक, पुनर्वितरण नहीं, दोहरे-उपयोग कार्यों पर प्रतिबंध)। Google कहता है कि ये कड़े हैं; यह प्रवर्तन के आंकड़े, ऑडिट परिणाम या रद्दीकरण नीति प्रकाशित नहीं करता। एक इनसाइडर उल्लंघन, एक दुरुपयोग की घटना, या एक लीक हुआ आर्टिफ़ैक्ट मॉडल के लॉन्च से जोड़ा जाएगा, किसी बाद की रिलीज़ से नहीं।

INTERPRETATION — R3. "बेंचमैक्सिंग" का जोखिम, नामित साक्ष्य पर। Bloomberg का दो-सूत्रीय निष्कर्ष कि Argon बेंचमार्क-ऑप्टिमाइज़ेशन से प्रभावित दिखता है, साथ में Reuters की टिप्पणी कि Argon चार में से दो कोडिंग बेंचमार्क पर पीछे है, और Bloomberg का सूत्र-आधारित कथन कि फ़्रंट-एंड डिज़ाइन कमज़ोर है — इन सबका मिलकर अर्थ है कि प्रमुख बेंचमार्क तालिका वास्तविक दुनिया की कोडिंग उपयोगिता को बढ़ा-चढ़ाकर दिखा सकती है। Surge AI के Edwin Chen का वाक्यांश — "'मेरे बच्चे ने SAT में बहुत अच्छा स्कोर किया' — लेकिन SAT वास्तविक दुनिया के प्रदर्शन में नहीं बदलता" — वही सही संदेह है जो साथ रखना चाहिए।

INTERPRETATION — R4. लंबे-जनरेशन की विफलता-स्थितियाँ कम निर्दिष्ट हैं। 600K-टोकन की प्रतिक्रिया के टोकन 500K पर कनेक्शन टूटना या टाइमआउट होना मतलब 500K आउटपुट टोकन का भुगतान करना और कुछ भी उपयोगी हाथ में न होना। कोई प्रकाशित कंटीन्यूएशन अनुबंध नहीं, कोई प्रकाशित आउटपुट गति नहीं, कोई प्रकाशित टाइमआउट व्यवहार नहीं। हर लंबे-जनरेशन डिज़ाइन को यह मानना चाहिए कि आंशिक आउटपुट खो जाता है, जब तक उल्टा साबित न हो।

INTERPRETATION — R5. सुरक्षा वर्कलोड पर यूनिट इकोनॉमिक्स। CWE-bench v1 पर $6.63 प्रति रोलआउट बोर्ड पर सबसे ऊँचा है, और वह भी 8.4 गुना सस्ते मॉडल पर एक अंक की बढ़त के लिए। जो संगठन निरंतर स्वायत्त पैचिंग को बजट की पंक्ति के रूप में चलाते हैं, उनके लिए 68% निरपेक्ष सफलता पर यह संरचनात्मक रूप से अनाकर्षक सौदा है — असली भेद्यताओं में से लगभग एक-तिहाई ठीक नहीं होती।

INTERPRETATION — R6. बाहरी जाँच के लिए कोई प्रकाशित आर्टिफ़ैक्ट नहीं। कोई मॉडल कार्ड नहीं, कोई सार्वजनिक मॉडल ID नहीं, कोई सेफ़्टी मूल्यांकन रिपोर्ट नहीं, कोई रेड-टीम लेख नहीं। प्रॉम्प्ट इंजेक्शन के प्रति "अब तक का सबसे प्रतिरोधी मॉडल" तथा k=15 पर 0.7% हमला-सफलता के दावे कंपनी के अपने कार्यक्रम पेज पर कंपनी द्वारा बनाए गए चार्ट डेटा हैं।

INTERPRETATION — R7. मार्जिन और केंद्रीकरण। एक बहुत बड़ा मॉडल, लागत-लाभ वाली कीमत-मुद्रा के साथ, 1B+ उपयोगकर्ता वाले उत्पादों के वितरण आधार में बेचा जा रहा है — यह जोखिम को एक ही वेंडर की फ्रंटियर क्षमता बनाए रखने की सामर्थ्य में केंद्रित करता है। Reuters: Google "अब Gemini 3.5 Pro रिलीज़ करने की योजना नहीं बना रहा" — रोडमैप बिना सूचना के बदल सकता है, और बदला।

LIMITATION — साक्ष्य आधार स्वयं।

1. ज़्यादातर बेंचमार्क आंकड़े COMPANY CLAIM ही रहते हैं। Google के प्रकाशित नतीजों में से केवल चार तृतीय-पक्ष लीडरबोर्ड पर दोहराए गए हैं: CWE-bench v1 (68%), Vals Index (#1), Vals Finance Agent v2 (#1), AutomationBench (#1)। असत्यापित: DeepSWE v1.1 (77.9%), LVBench (91.7%), Harvey का Legal Agent Benchmark ("अग्रणी" — Vals Argon को 74 में से 5वें स्थान पर 19.58% पर रखता है), Gray Swan IPI, GraphWalks, PostTrainBench, LABBench 2, RiemannBench, OSWorld-2.0, Agent's Last Exam, Chartography.
2. Harvey's पर "अग्रणी" का दावा समर्थित नहीं है। Google Argon को Harvey के Legal Agent Benchmark पर "इसी तरह अग्रणी प्रदर्शन" दिखाने वाला बताता है। Vals स्वतंत्र रूप से इसे 74 में से #5 पर 19.58% पर रैंक करता है। यह क्षेत्र से एक बड़े सापेक्ष अंतर से आगे है (प्रतिद्वंद्वी 3.8%–6.7% पर हैं) जबकि निरपेक्ष रूप से मध्य-तालिका में बैठा है। कंपनी का ढाँचा तकनीकी रूप से बचाव-योग्य है पर अलंकारिक रूप से भ्रामक।
3. Google ने कई प्रमुख पंक्तियाँ स्वयं गणना की। DeepSWE v1.1, Terminal-Bench 4.0, Terminal-Bench Science तथा OSWorld-2.0 Google ने Argon पर चलाए; PostTrainBench, LABBench 2 और GraphWalks Google ने सभी मॉडलों के लिए चलाए। इन पंक्तियों पर क्रॉस-लैब तुलना समान-से-समान नहीं है।
4. सुरक्षा दावों का कोई स्वतंत्र मूल्यांकन नहीं। प्रॉम्प्ट इंजेक्शन प्रतिरोधकता, मिसअलाइनमेंट-निगरानी तथा CBRN-अस्वीकृति के कथन असत्यापित हैं। Google का अपना ढाँचा यह है कि इन पर "आंतरिक और बाहरी रेड टीमों द्वारा मज़बूती परीक्षण" हुआ, बिना नतीजे प्रकाशित किए।
5. आंतरिक डिप्लॉयमेंट के आंकड़े बिना ऑडिट के हैं। 300 TiB मुक्त, 40% क्वांटम सुधार, 2.7 गुना डिकोडर गति, 32K SIMD लाइनें बदली गईं, Wiz वाली हेल्थकेयर भेद्यता — सब Google-रिपोर्टेड, कोई तृतीय-पक्ष सत्यापन नहीं, और Google स्पष्ट रूप से नोट करता है कि रीराइट प्री-प्रोडक्शन हैं।
6. Bloomberg का इनसाइडर विवरण अनाम और विवादित है। यह इस बात का साक्ष्य है कि आंतरिक संदेह मौजूद था, मॉडल की गुणवत्ता के बारे में साक्ष्य नहीं। Google इसका खंडन करता है, और एक कर्मचारी के अनुसार उल्टा दावा किया गया। दोनों रिकॉर्ड में रहने चाहिए।
7. Vals के अपने पेज में आंतरिक असंगति है — उसका विवरणात्मक टेक्स्ट कहता है कि Gemini 3.8 Flash "समग्र रूप से बारहवें स्थान पर" है, जबकि तालिका उसे #15 पर दिखाती है। मामूली बात है, पर याद दिलाती है कि इन लीडरबोर्ड-विवरणों को हाथ से संपादित किया जाता है।

LIMITATION — यहाँ "स्वतंत्र रूप से सत्यापित नहीं" का अर्थ क्या है। तीन ऑपरेटरों ने Argon को लॉन्च के उसी हफ़्ते, शुरुआती एक्सेस पर चलाया। यह चार बेंचमार्क का वास्तविक स्वतंत्र पुनरुत्पादन है। यह वह लंबा, प्रतिकूल, कई महीनों वाला मूल्यांकन नहीं है जो फ्रंटियर दावों के लिए आमतौर पर ज़रूरी होता है, और इनमें से किसी भी ऑपरेटर के पास परीक्षण के लिए स्थिर, प्रलेखित API अनुबंध नहीं था।

1. क्या 1M आउटपुट सीमा सार्वभौमिक है, श्रेणी-विशिष्ट है, या एंडपॉइंट-विशिष्ट है? Vals के मॉडल पेज पर 262K का आंकड़ा प्रमुख दावे पर संदेह करने की सबसे ठोस वजह है। यह सबसे महत्वपूर्ण अनसुलझा तकनीकी प्रश्न है।
2. भुगतान वाली API पहुँच कब खुलेगी, और परिचयात्मक कीमत की समाप्ति तिथि क्या है? Google ने दोनों नहीं दिए। कीमत प्रकाशित है; उपलब्धता नहीं।
3. क्या गार्डरेल्स-रहित बिल्ड गार्डेड बिल्ड के साथ वेट्स साझा करता है? Google Fairwind साझेदारों को "Argon को साइबर गार्डरेल्स के बिना रिलीज़ करने" का वर्णन करता है, जिससे एक वेरिएंट का संकेत मिलता है। उसके लिए सेफ़गार्ड-लेयर आर्किटेक्चर सार्वजनिक नहीं हैं, और साझा आधार के सुरक्षा-गुण मायने रखते हैं।
4. Argon की वास्तविक आउटपुट गति क्या है? Artificial Analysis ने जिस एक प्रोवाइडर को ट्रैक किया, उसके लिए कोई गति या लेटेंसी प्रकाशित नहीं की। साथियों की दरों पर 1M प्रतिक्रिया 2–6 घंटे की है; Argon काफ़ी तेज़ हो सकता है, और Google के बाहर किसी ने नहीं बताया।
5. गार्डेड सार्वजनिक बिल्ड आने पर तृतीय-पक्ष बेंचमार्क का अंतर क्या होगा? Fairwind टेस्टर्स को गार्डरेल्स-रहित मॉडल मिलता है। भुगतान करने वाले API ग्राहकों को नहीं मिलेगा। क्या प्रकाशित लीडरबोर्ड तुलनीय रहेंगे, यह अनसुलझा है।
6. Fairwind का प्रवर्तन-रिकॉर्ड क्या है? गार्डरेल्स-रहित फ्रंटियर साइबर मॉडल रखने वाले 650+ संगठनों के लिए कोई प्रकाशित ऑडिट परिणाम, घटना-डेटा या रद्दीकरण नीति नहीं।
7. क्या बताई गई फ़्रंट-एंड कमज़ोरी सार्वजनिक बिल्ड तक बनी रहती है? Bloomberg का सूत्र-आधार आंतरिक उपयोग के बारे में है। अगर यह बना रहता है, तो Anthropic के कोडिंग उत्पादों के साथ प्रतिस्पर्धी अंतर संरचनात्मक है, लॉन्च का क्षणिक दोष नहीं।
8. रद्द किए गए Gemini 3.5 Pro की क्या कीमत रही, और क्या Argon उसका प्रतिस्थापन है या कोई अलग शाखा? Reuters और Bloomberg दोनों परित्याग की पुष्टि करते हैं; दोनों में से कोई तकनीकी संबंध का वर्णन नहीं करता।
9. क्या 1M सीलिंग सत्यापन को अवरोध (Bottleneck) बना देती है? 1M टोकन पर लंबे-जनरेशन की गुणवत्ता किसी ने प्रकाशित नहीं की। 100K पर सुसंगति, 1M पर सुसंगति नहीं है, और देर से होने वाली विफलता पूरी ट्रैजेक्टरी बर्बाद कर देती है।

सर्कल 1: वे लोग जो एआई को समझने की कोशिश कर रहे हैं — डेवलपर्स, छात्र, ट्रेनर्स, तकनीक-उत्साही लोग, और वे लोग जो अपना पहला एआई प्रोजेक्ट बना रहे हैं।

यह क्या सिखाता है। इस रिलीज़ की सबसे उपयोगी बात "Google ने एक मॉडल रिलीज़ किया" नहीं है। सबसे उपयोगी बात है कॉन्टेक्स्ट विंडो (Context Window) (यानी आप मॉडल को कितना दिखा सकते हैं) और आउटपुट सीमा (Output Limit) (यानी वह एक बिना रुकावट वाले रन में कितना उत्पन्न कर सकता है) के बीच का अंतर। ज़्यादातर सार्वजनिक चर्चा इन दोनों को एक ही मान लेती है। Argon वह रिलीज़ है जिसमें यह अंतर मायने रखने लगता है, क्योंकि 1M आउटपुट के साथ 1M कॉन्टेक्स्ट एक मूल रूप से अलग मशीन है, 1M कॉन्टेक्स्ट के साथ 64K आउटपुट से: पहला काम एक ही बार में ख़त्म कर सकता है, दूसरा बहुत कुछ पढ़ ही सकता है।

दूसरी सीखने योग्य अवधारणा: पहुँच उत्पाद का हिस्सा है। Google ने ऐसे मॉडल की घोषणा की जिसे वह बेच नहीं रहा। उद्योग का सबसे मज़बूत मॉडल सबसे पहले अनुबंध के ज़रिए, गार्डरेल्स के बिना, ~650 जाँचे गए सुरक्षा संगठनों को गया, बाक़ी सबके लिए बिना तारीख़ के। यह कोई हाशिया-टिप्पणी नहीं है — फ्रंटियर क्षमता इस समय वास्तव में इसी तरह वितरित की जा रही है।

सुझाया गया कदम।

• बेंचमार्क तालिका को संदेह के साथ पढ़ना सीखें: टेस्ट किसने चलाया, किसका हार्नेस, किसकी रीज़निंग सेटिंग, और वेंडर ने अपनी ओर से कितनी पंक्तियाँ स्वयं गणना कीं।
• अगर आप एआई के साथ बनाते हैं: ध्यान दें कि आपका कितना कोड आउटपुट सीमाओं के आस-पास ऑर्केस्ट्रेशन है — बाँटना, जोड़ना, जोड़ों की मरम्मत करना। यही ऑर्केस्ट्रेशन वह कौशल है जिसे 1M सीलिंग आंशिक रूप से हटा देती है, और इसे समझना किसी भी एकल मॉडल के स्कोर से ज़्यादा मूल्यवान है।
• 1M के आंकड़े के पीछे न भागें। इसके बजाय पूछें: मेरा सबसे लंबा एकल सुसंगत आर्टिफ़ैक्ट क्या है, और क्या उसे एक ही पास में बनाना कुछ बदल देगा?

सर्कल 2: वे लोग जो एआई लागू करते हैं — आर्किटेक्ट, इंजीनियरिंग मैनेजर, प्लेटफ़ॉर्म इंजीनियर, सलाहकार, सॉल्यूशन आर्किटेक्ट।

आर्किटेक्चरल मुद्दा। यह एक एजेंट-लूप बजट (Agent-loop Budget) वाली रिलीज़ है, प्रॉम्प्ट-क्षमता वाली नहीं। लंबी एकल ट्रैजेक्टरी ऑर्केस्ट्रेशन हटाती है, लेकिन हर उस चेकपॉइंट को भी हटा देती है जहाँ आपका सिस्टम निरीक्षण, बजट, रेट-लिमिट या निरस्त (Abort) कर सकता था। इंजीनियरिंग का काम "मैं कॉल्स को कैसे शृंखलाबद्ध करूँ" से बदलकर "ऐसी कॉल को कैसे निरीक्षित करूँ जो एक घंटे चलती है" हो जाता है।

सुझाया गया कदम — ठोस, प्राथमिकता क्रम में।

1. Argon के अस्तित्व में आने से पहले अपनी आउटपुट-टोकन खपत की माप-तकनीक बनाएँ। Argon वर्बोज़ है (Vals: एक सूट में 142M आउटपुट टोकन; Artificial Analysis: प्रति कार्य ~62K, GPT-6 Astra का ~2.3 गुना)। अगर आपका लागत मॉडल किसी प्रतिद्वंद्वी की वर्बोसिटी मानकर बना है, तो वह फ्रंटियर के लिए पहले से ही ग़लत है।
2. max_output_tokens को अपने एब्सट्रैक्शन लेयर में एक अनिवार्य, समीक्षित फ़ील्ड बनाएँ। सीलिंग एक अधिकतम है, लक्ष्य नहीं। 900K टोकन तक चलने वाला बिना कैप का लूप सूची कीमत पर प्रति कॉल आउटपुट बजट के $9 ख़र्च करता है।
3. चेकपॉइंट-योग्य आंशिक आउटपुट तथा रिज़्यूम (Resume) व्यवहार अभी बनाएँ। मान लें कि लंबी प्रतिक्रिया 90% पर ख़त्म हो सकती है। जॉब को ऐसे डिज़ाइन करें कि आंशिक आउटपुट सहेजा जाए और फिर से शुरू किया जा सके, क्योंकि कोई प्रकाशित अनुबंध इसके विपरीत गारंटी नहीं देता।
4. गेटवे टाइमआउट जानबूझकर बढ़ाएँ, और स्ट्रीम करें। मानक प्रॉक्सी, लोड बैलेंसर और सर्वरलेस रनटाइम कई घंटे की प्रतिक्रिया को बंद कर देंगे। अपने नोटबुक के बजाय अपने वास्तविक एग्रेस (Egress) पथ का परीक्षण करें।
5. टेस्ट कवरेज को पूर्व-शर्त मानें। Google के 800K-लाइन वाले माइग्रेशन "कठोर स्वचालित और मैनुअल ऑडिटिंग, एमुलेशन टेस्टिंग तथा समीक्षा" से गुज़रे। असली टेस्ट सूट के बिना बड़ी आउटपुट सीमा बड़ा असत्यापित डिफ़ ही पैदा करती है।
6. अपने ही कामों पर अपना मूल्यांकन चलाएँ। चार स्वतंत्र बेंचमार्क बिज़नेस ऑटोमेशन, वित्त और कानून पर Google की जीत दोहराते हैं। उनमें से किसी ने आपका कोडबेस, आपके दस्तावेज़ या आपकी विफलता-स्थितियाँ नहीं मापीं।
7. सुरक्षा टीमों के लिए: Fairwind पात्रता अभी आँकें। गार्डरेल्स-रहित मॉडल वास्तव में अलग है (आंतरिक रूप से 85.8% बनाम 71.0%; Wiz के बेंचमार्क पर 70.9% बनाम 58.2%) और कहीं और उपलब्ध नहीं है। आवेदन मानदंड और प्रोसेसिंग समय अप्रकाशित हैं, इसलिए जल्दी शुरू करें।

सर्कल 3: निर्णय लेने वाले तथा नेतृत्व — अधिकारी, बोर्ड, जोखिम अधिकारी, सुरक्षा नेतृत्व, ख़रीद, राष्ट्रीय-सुरक्षा तथा महत्वपूर्ण अवसंरचना का नेतृत्व।

यह रिलीज़ असल में तीन निर्णय थोपती है।

1. क्या हम Fairwind में होना चाहते हैं? दुनिया भर में ~650 संगठन Google की व्यवस्था के तहत गार्डरेल्स-रहित फ्रंटियर साइबर क्षमता रखते हैं। अगर आपका संगठन महत्वपूर्ण अवसंरचना, हेल्थकेयर, टेलीकॉम, ऊर्जा, वित्तीय नेटवर्क या मुख्य सॉफ़्टवेयर प्लेटफ़ॉर्म चलाता है, तो आप लक्षित आबादी में हैं। लाभ वास्तविक है (Argon ने एक गंभीर हेल्थकेयर भेद्यता खोजी जिसे पिछले फ्रंटियर मॉडल चूक गए थे)। कीमत है अनुबंधात्मक, प्रक्रियात्मक तथा ड्यू-डिलिजेंस दायित्व स्वीकार करना — बैकग्राउंड चेक, फ़िशिंग-प्रतिरोधी MFA, पहुँच केवल आंतरिक सुरक्षा टीमों तक, पुनर्वितरण नहीं, और प्रतिबंधित दोहरे-उपयोग कार्य। जानबूझकर निर्णय लें, डिफ़ॉल्ट से नहीं।
2. अगर कोई फ्रंटियर वेंडर रोक दे या कीमत बदल दे, तो हमारा जोखिम क्या है? Google ने कीमत प्रकाशित की और उत्पाद रोके रखा। उसने पहले घोषित फ़्लैगशिप (Gemini 3.5 Pro) को सार्वजनिक जून प्रतिबद्धता चूकने के बाद छोड़ दिया। इनमें से कोई भी तथ्य घबराने की वजह नहीं है; दोनों इस बात की वजह हैं कि लंबे-क्षितिज वाले वर्कलोड के लिए एक दूसरा योग्य प्रोवाइडर रखें और 2× कीमत-उछाल का मॉडल बनाएँ, क्योंकि Argon की सूची दर परिचयात्मक दर से ठीक दोगुनी है और कोई प्रकाशित समाप्ति तिथि नहीं है।
3. हम लंबे-क्षितिज वाले स्वायत्त एजेंट्स को कैसे नियंत्रित करेंगे? Argon का डिज़ाइन-लक्ष्य एक ऐसी ट्रैजेक्टरी है जो घंटों बिना मानवीय हस्तक्षेप के चल सके। यह स्वायत्तता का निर्णय है, मॉडल का नहीं। आपका शासन-ढाँचा — अप्रूवल गेट, ख़र्च सीमाएँ, ऑडिट ट्रेल, एस्केलेशन पथ, रोलबैक — टूल कॉल्स के लिए लिखा गया था, घंटे-भर के बिना निगरानी वाले रन के लिए नहीं, जो 800K लाइन कोड उत्पन्न कर सकते हैं। इस क्षमता के सामान्य रूप से उपलब्ध होने से पहले इसे बढ़ाएँ।

एक जोखिम-रजिस्टर प्रविष्टि जो अभी लिख लेनी चाहिए। 1M आउटपुट सीमा एक कंपनी दावा है जिसका एक स्वतंत्र मूल्यांकनकर्ता खंडन करता है (262K)। अगर आप क्षमता, लागत या अनुबंध 1M के आसपास योजना बनाते हैं और असली आंकड़ा काफ़ी कम निकलता है, तो आपने उत्पाद के बजाय प्रमुख सुर्खी के आधार पर योजना बनाई है। सीमा के आधार पर योजना बनाएँ।

ईमानदारी से आँका गया — यहाँ के ज़्यादातर "अवसर" उस पहुँच पर निर्भर हैं जो अभी सार्वजनिक रूप से मौजूद नहीं है।

अभी वास्तव में अवसर नहीं: ऐसा कुछ भी जिसके लिए विशेष रूप से 1M सीलिंग कम लागत पर चाहिए; कोई भी उच्च-मात्रा, छोटी-प्रतिक्रिया वाला वर्कलोड (जिस क्षमता का आप उपयोग नहीं करते, उसके लिए फ्रंटियर कीमत); और फ़्रंट-एंड UI जनरेशन, जहाँ Bloomberg के सूत्र एक कमज़ोरी की पहचान करते हैं।

यह करें: एब्सट्रैक्शन बनाएँ, माइग्रेशन नहीं।

1. आज — अपनी आउटपुट-टोकन जोखिम का ऑडिट करें। अपने मौजूदा मॉडल पोर्टफ़ोलियो में प्रति कार्य वास्तविक आउटपुट टोकन की माप-तकनीक लगाएँ। जो मॉडल औसतन ~62K आउटपुट टोकन प्रति कार्य लेता है, उसकी कीमत तय करने से पहले आपको यह आंकड़ा चाहिए। यह इस रिलीज़ पर ख़र्च किया जा सकने वाला सबसे मूल्यवान एक घंटा है और इसके लिए Argon तक पहुँच की ज़रूरत नहीं।
2. आज — हर जगह स्पष्ट आउटपुट कैप सेट करें। अपने मॉडल रैपर में सीमित max_output_tokens अनिवार्य बनाएँ। ऐसे किसी भी लूप का ऑडिट करें जो बिना सीमा वाली सीलिंग विरासत में ले सकता है।
3. आज — अपने ट्रांसपोर्ट को लंबी प्रतिक्रिया पर परखें। अपने वास्तविक गेटवे, प्रॉक्सी और लोड बैलेंसर के ज़रिए कई घंटे की स्ट्रीम्ड जनरेशन चलाएँ। पता करें कि क्या टूटता है। यह तब करें जब कोई लॉन्च आपको मजबूर करे, उससे पहले।
4. इस महीने — चेकपॉइंट-रिज़्यूम पैटर्न का प्रोटोटाइप बनाएँ उसी मॉडल पर जो आज आपके पास है। जनरेशन के बीच में जबरन विफलता पैदा करें और साबित करें कि सहेजे गए आंशिक आउटपुट से फिर शुरू कर सकते हैं। अगर आप 64K सीलिंग पर यह नहीं कर सकते, तो 1M सीलिंग इसे बेहतर नहीं, बदतर बनाएगी।
5. इस महीने — एक उच्च-मूल्य वाला लंबा आर्टिफ़ैक्ट कार्य चुनें (माइग्रेशन प्लान, अनुबंध-समीक्षा पैक, पूरा टेस्ट सूट) और मापें कि सिंगल-पास उत्पादन आपके मौजूदा ऑर्केस्ट्रेटेड तरीक़े से बेहतर है या नहीं। कुल लागत मापें, समीक्षा सहित, केवल टोकन ख़र्च नहीं।
6. अगर आप सुरक्षा संगठन हैं — अभी Fairwind के लिए आवेदन करें। गार्डरेल्स-रहित मॉडल तक यही एकमात्र रास्ता है, और यही विभेदित क्षमता है।
7. अभी माइग्रेट न करें। कोई GA तारीख़ नहीं, कोई मॉडल ID नहीं, कोई प्रकाशित आउटपुट अनुबंध नहीं, और 1M बनाम 262K का अनसुलझा अंतर। जब भुगतान वाली API पहुँच खुले और जब Google Argon का API दस्तावेज़ प्रकाशित करे, तब पुनर्मूल्यांकन करें।

FACT (Google के कथन के अनुसार)। पहुँच "जल्द से जल्द" बढ़ेगी, शुरुआत भुगतान करने वाले API ग्राहकों तथा Google AI Ultra सब्सक्राइबर्स से। कोई तारीख़ नहीं दी गई। Google अमेरिकी सरकार की स्वैच्छिक प्री-रिलीज़ मॉडल एक्सेस प्रक्रिया में शामिल है। Fairwind साझेदार पहला समूह हैं और व्यापक रिलीज़ से पहले गार्डरेल्स को आकार देंगे।

FACT (Google के कथन के अनुसार)। परिचयात्मक कीमत $2/$10 है, कैश्ड इनपुट पर 95% छूट के साथ, जो परिचयात्मक अवधि के बाद $4/$20 हो जाती है। परिचयात्मक अवधि की समाप्ति तिथि प्रकाशित नहीं की गई। (Google ने 3.8 Flash की परिचयात्मक कीमत के लिए एक तारीख़ प्रकाशित की है — 2026-12-31 — जो उचित अपेक्षा तय करती है, पर Argon के लिए प्रतिबद्धता नहीं है।)

PREDICTION (मध्यम विश्वास)। भुगतान वाला API तथा AI Ultra एक्सेस 2026-09-30 के कुछ हफ़्तों से कुछ महीनों के भीतर खुलेगा। तर्क: कीमत पहले से प्रकाशित है, रोलआउट क्रम पहले से बताया गया है, और Google पर व्यापक रूप से रिलीज़ करने का प्रतिस्पर्धी तथा आंतरिक दबाव है। अगर यह उससे काफ़ी आगे खिसकता है, तो इसे क्षमता के बजाय सेफ़गार्ड के काम का संकेत मानें।

PREDICTION (मध्यम विश्वास)। 1M बनाम 262K का अंतर श्रेणी- या एंडपॉइंट-विशिष्ट के रूप में सुलझेगा, किसी त्रुटि के रूप में नहीं। Artificial Analysis का प्रोवाइडर-लेबल "(1M output)" संकेत देता है कि एक अलग उच्च-आउटपुट श्रेणी मौजूद है। अपेक्षा करें कि सार्वजनिक दस्तावेज़ मानक सीलिंग और विस्तारित सीलिंग में अंतर करेंगे।

PREDICTION (उच्च विश्वास)। प्रतिद्वंद्वियों की आउटपुट सीलिंग बदलेंगी। Google ने ऐसी क्षमता तय की है जिसकी नक़ल विनिर्देश में सस्ती है और सर्विंग इकोनॉमिक्स में महँगी। अपेक्षा करें कि कम से कम एक प्रतिस्पर्धी एक से दो तिमाहियों के भीतर तुलनीय सीलिंग की घोषणा करेगा, और आउटपुट-टोकन कीमत एक मार्केटिंग-योग्य विभेदक बनेगी।

PREDICTION (उच्च विश्वास)। "स्पष्ट आउटपुट कैप सेट करें" कुछ ही हफ़्तों में मानक सलाह बन जाएगा, क्योंकि 1M सीलिंग का दुरुपयोग तुच्छ रूप से महँगा है और वेंडर आपके लिए उसकी निगरानी नहीं करेंगे। इस रिलीज़ पर तृतीय-पक्ष की टिप्पणियाँ पहले से उसी बिंदु पर एकत्र हो रही हैं।

PREDICTION (मध्यम विश्वास)। स्वतंत्र बेंचमार्क का मतभेद बना रहेगा और बढ़ेगा। तीन ऑपरेटर पहले से असहमत हैं कि Argon कहाँ रैंक करता है। अपेक्षा करें कि Argon के स्थिर सार्वजनिक एंडपॉइंट पर प्रकाशित रीज़निंग सेटिंग्स के साथ आने पर मतभेद बढ़ेगा, क्योंकि मौजूदा आंकड़े असंगत परिस्थितियों में अधिकतम प्रयास पर बने थे।

PREDICTION (निम्न-मध्यम विश्वास)। Fairwind 650 संगठनों से आगे बढ़ेगा, और यही विस्तार वह तंत्र है जिससे Argon का गार्डरेल्स-रहित बिल्ड अपना स्वतंत्र सुरक्षा-रिकॉर्ड जमा करेगा। गेट डिज़ाइन से अस्थायी है; देखने लायक दिलचस्प आर्टिफ़ैक्ट मॉडल नहीं, बल्कि वह शासन-व्यवस्था है जिसे Google उसके इर्द-गिर्द चला रहा है।

निगरानी-सूची। (1) Argon के API दस्तावेज़, मॉडल कार्ड तथा मॉडल ID का प्रकाशन। (2) परिचयात्मक कीमत की समाप्ति तिथि। (3) कोई Fairwind सुरक्षा-घटना या प्रवर्तन-प्रकटीकरण। (4) क्या बताई गई फ़्रंट-एंड/कोडिंग कमज़ोरी सार्वजनिक बिल्ड तक बनी रहती है। (5) CWE-bench v1 का कोई अपडेट, जिसे ऑपरेटर ने कठिन कार्यों तथा घूमते हुए हेल्ड-आउट सेट (Held-out Set) के लिए चिह्नित किया है।

जो आंकड़ा हर कोई उद्धृत करेगा — 1 मिलियन आउटपुट टोकन — वही हिस्सा है जिसे हम सबसे कम समझते हैं। Google कहता है 1M, 64K से बढ़ाकर, निकटतम फ्रंटियर प्रतिस्पर्धी का लगभग 8 गुना। जिस एक स्वतंत्र मूल्यांकनकर्ता ने मॉडल वास्तव में चलाया, वह 262k बताता है। Artificial Analysis अपने एकमात्र प्रोवाइडर को "(1M output)" लेबल करता है। किसी ने टोकन दर, टाइमआउट अनुबंध या मॉडल कार्ड प्रकाशित नहीं किया। इसलिए ईमानदार स्थिति एक सीमा है, कोई दावा नहीं।

लेकिन आंकड़ा कहानी नहीं है। कहानी यह है कि Google ने अपना सबसे मज़बूत मॉडल रिलीज़ किया और फिर उसे बेचने से इनकार कर दिया।

हर पिछला फ्रंटियर लॉन्च लगभग स्थिर पहुँच के मुक़ाबले क्षमता में वृद्धि था। इसने जनरेशन सीलिंग को परिमाण के क्रम में बढ़ाया और फ़्लैगशिप की उपलब्धता को उसके अपने विशेषीकृत साइबर डेरिवेटिव की चार हफ़्ते पहले की उपलब्धता से भी सँकरा कर दिया। Argon सबसे पहले अनुबंध के तहत, गार्डरेल्स के बिना, ~650 जाँचे गए डिफेंडर्स को गया, और अगली श्रेणी — भुगतान करने वाले ग्राहक — बिना तारीख़ के छोड़ दी गई। Google एक साथ क्षमता-गेटिंग व्यवस्था चला रहा है और उससे असामान्य रूप से उच्च-निष्ठा वाला निजी मूल्यांकन वातावरण भी प्राप्त कर रहा है।

और बेंचमार्क की कहानी "Google जीतता है" से ज़्यादा दिलचस्प है। तीन स्वतंत्र ऑपरेटरों ने Google के प्रमुख दावे दोहराए: CWE-bench v1 पर 68% के साथ पहला स्थान साझा (Collinear), Vals Index पर 68.90% के साथ #1 (Vals), AutomationBench पर 51.29% के साथ #1 (Zapier)। चौथे — Artificial Analysis — ने Argon को अपने कम्पोज़िट इंडेक्स पर 53 पर रखा, GPT-6 Astra के बराबर और Claude Opus 5.5 से पीछे। Vals Argon को Harvey के Legal Agent Benchmark पर केवल 74 में से पाँचवाँ रैंक करता है, जिसे Google ने "अग्रणी" बताया था। Google ने जिन पंक्तियों में वह आगे है, उनमें से कई स्वयं गणना कीं। Bloomberg ने वास्तविक दुनिया की कोडिंग पर आंतरिक संदेह की रिपोर्ट की और फ़्रंट-एंड डिज़ाइन को कमज़ोरी बताया; Google इसका खंडन करता है।

आगे ले जाने योग्य तीन सबक़।

1. पहुँच का डिज़ाइन अब मॉडल रिलीज़ का प्रथम-श्रेणी का हिस्सा है। इसका मूल्यांकन करने वाले को केवल यह नहीं पूछना चाहिए कि "यह कितना अच्छा है," बल्कि यह भी कि "इस तक कौन पहुँच सकता है, किन नियंत्रणों के तहत, और कब।"
2. बड़ी आउटपुट सीलिंग अवरोध को हटाती नहीं, खिसका देती है। Google के अपने 800K-लाइन वाले माइग्रेशन को "कठोर स्वचालित और मैनुअल ऑडिटिंग, एमुलेशन टेस्टिंग तथा समीक्षा" चाहिए थी। असली टेस्ट सूट के बिना दस लाख टोकन की क्षमता दस लाख टोकन का वह डिफ़ है जिसे कोई जाँच नहीं सकता। और एक पूरी तरह भरी प्रतिक्रिया की कीमत परिचयात्मक कीमत पर $10, सूची पर $20 है — इनपुट से पहले, थिंकिंग टोकन से पहले, और Argon वर्बोज़ है।
3. "पहले स्थान पर बराबरी" और "पहला" अलग-अलग दावे हैं। जिस एक बेंचमार्क पर Google का साइबर-ढाँचा टिका है, वहाँ Argon 68% पर तीन मॉडलों के साथ बराबरी करता है — $6.63 प्रति रोलआउट पर, बोर्ड पर सबसे महँगा, $0.79 लागत वाले मॉडल पर एक अंक की बढ़त के लिए। ज़्यादातर डिफेंडर्स के लिए यह क़रीबी मुक़ाबला नहीं है।

वास्तव में नई क्षमता सीलिंग नहीं है। वह पैमाने पर सिंगल-पास काम है — एक माइग्रेशन, एक ऑडिट, एक दस्तावेज़-सेट जो दर्जनों कॉल्स से जोड़कर बनाने के बजाय एक ही ट्रैजेक्टरी में पूरा हो जाता है। यह वास्तविक है, यह आर्किटेक्चरल रूप से अलग है, और इसकी योजना बनाना इसके लायक है। बस योजना 262K–1M की सीमा, बिना समाप्ति तिथि वाली कीमत, और उस एक्सेस गेट के आधार पर बनाएँ जो अभी खुला नहीं है।