Google torna nella competizione dei modelli di frontiera con Gemini 4 Argon, il nuovo modello di punta presentato il 30 settembre 2026, dopo una lunga pausa nella fascia più avanzata della propria offerta. Il lancio segna un passaggio rilevante per Google DeepMind, che negli ultimi mesi aveva lasciato spazio ai concorrenti nella corsa ai modelli più sofisticati, mentre OpenAI e Anthropic consolidavano le rispettive posizioni. Argon arriva con una combinazione che merita attenzione: prestazioni competitive nei benchmark indipendenti, una capacità di generazione fino a un milione di token e un prezzo introduttivo significativamente inferiore a quello di GPT-6 Astra. Non è ancora un prodotto disponibile per il mercato generale, ma il messaggio industriale è abbastanza chiaro: Google vuole tornare a competere non soltanto sulla qualità dei modelli, ma anche sul costo necessario per trasformarli in infrastrutture operative.

Il dato più interessante arriva da Artificial Analysis, che attribuisce a Gemini 4 Argon un punteggio di 53 nell’Intelligence Index, lo stesso risultato ottenuto da GPT-6 Astra nella configurazione di massimo ragionamento. Claude Opus 5.5 mantiene invece un punteggio superiore, pari a 58. Il risultato colloca Argon nella fascia alta della competizione, ma non autorizza a proclamare un nuovo vincitore. Un indice aggregato sintetizza infatti prestazioni differenti, mentre l’utilità concreta di un modello dipende dal tipo di attività, dalla latenza, dalla quantità di ragionamento impiegata e soprattutto dalla capacità di completare un lavoro senza richiedere continue correzioni umane. Artificial Analysis evidenzia inoltre un costo per attività dell’indice pari a circa 1,99 dollari per Argon, contro 3,26 dollari per GPT-6 Astra nella configurazione considerata, grazie anche allo sconto iniziale.

La novità tecnica più evidente riguarda la finestra di generazione: Argon può produrre fino a un milione di token in una singola risposta, rispetto ai 64.000 della generazione precedente. È un incremento considerevole, soprattutto per applicazioni che richiedono l’elaborazione di repository software estesi, documentazione tecnica, contratti complessi o flussi di lavoro agentici articolati. Tuttavia, un milione di token non equivale automaticamente a un milione di token utili. La capacità di mantenere coerenza, verificare le informazioni e completare correttamente un’attività rimane più importante della dimensione nominale della finestra. L’industria tecnologica continua a confondere talvolta la capacità di contenere informazioni con quella di comprenderle. Sono due problemi differenti, come sa bene chiunque abbia mai gestito un progetto software con una documentazione perfettamente ordinata e un’implementazione disastrosa.

Sul fronte economico, Google introduce Argon a 2 dollari per milione di token in ingresso e 10 dollari per milione di token in uscita. Si tratta di prezzi promozionali, destinati a raddoppiare successivamente, rispettivamente a 4 e 20 dollari. La differenza rispetto a GPT-6 Astra, indicato da Artificial Analysis a 10 dollari in ingresso e 50 in uscita, è significativa. Occorre però distinguere il prezzo unitario dal costo effettivo di completamento di un’attività: Argon utilizza mediamente più token in uscita nei test dell’Intelligence Index, circostanza che ridimensiona parte del vantaggio nominale. Il costo per task rimane comunque inferiore nella configurazione promozionale. Per le aziende che stanno passando dalla sperimentazione all’integrazione di agenti AI nei processi produttivi, questa differenza può incidere direttamente sul conto economico. La competizione si sposta progressivamente dalla vendita del modello alla vendita dell’intelligenza computazionale utilizzabile, dove ogni token rappresenta una voce di costo e non soltanto un’unità di progresso tecnologico.

Anche i risultati sulle allucinazioni meritano una lettura meno superficiale. Secondo i dati riportati da Artificial Analysis, Argon registra una percentuale del 15% nella metrica AA-Omniscience, contro il 51% attribuito a GPT-6 Astra. Non si tratta però di una misura universale della probabilità che il modello inventi informazioni in qualsiasi contesto. È un risultato relativo a uno specifico protocollo di valutazione, con condizioni e definizioni proprie. La distinzione è essenziale perché il mercato tende a trasformare qualsiasi miglioramento misurabile in una promessa generale di affidabilità. Un modello che sbaglia meno in un benchmark non è necessariamente un modello che può essere lasciato operare autonomamente in un ambiente aziendale, soprattutto quando gestisce transazioni, dati personali o decisioni finanziariamente rilevanti.

La programmazione offre un quadro meno uniforme. Argon ottiene risultati competitivi in alcune valutazioni di software engineering, ma rimane dietro ai concorrenti in prove che richiedono interazione con terminali, ambienti operativi e attività di sviluppo più vicine al lavoro quotidiano. Artificial Analysis riporta, per esempio, un risultato del 57% in Terminal-Bench 4.0, contro il 59% di GPT-6 Astra nella configurazione massima. Anche le valutazioni pubblicate da Google mostrano differenze tra benchmark, con Argon competitivo in DeepSWE ma meno convincente in FrontierSWE. È una distinzione che interessa direttamente CTO e responsabili tecnologici: generare codice, comprendere un repository e portare autonomamente una modifica in produzione sono attività differenti. La Silicon Valley ama presentare la prima come se implicasse automaticamente le altre due. I sistemi aziendali, meno inclini all’entusiasmo da presentazione, continuano invece a chiedere test, integrazione, sicurezza e responsabilità operative.

La distribuzione iniziale racconta un’altra parte della strategia. Google ha scelto di rendere Argon disponibile inizialmente a un gruppo ristretto di esperti e organizzazioni impegnate nella sicurezza informatica, nell’ambito di un approccio progressivo all’accesso ai modelli avanzati. La disponibilità successiva riguarderà i clienti API a pagamento e gli abbonati a Google AI Ultra, ma senza una data pubblica precisa. La scelta riflette una crescente attenzione ai rischi associati ai modelli capaci di svolgere attività informatiche complesse, ma introduce anche una questione commerciale: un modello può essere tecnicamente competitivo senza essere immediatamente accessibile a chi dovrebbe adottarlo. Per le imprese, la disponibilità effettiva, le condizioni contrattuali e le garanzie di sicurezza contano quanto i risultati pubblicati.

Rimane infine il problema dei benchmark. Bloomberg ha riportato dubbi attribuiti ad alcuni dipendenti Google sulla corrispondenza tra i risultati delle valutazioni e le prestazioni ottenute in attività di sviluppo reali, in particolare nella costruzione dell’interfaccia grafica di applicazioni e siti web. Il fenomeno viene descritto con il termine benchmaxxing, utilizzato per indicare l’ottimizzazione dei modelli rispetto alle prove di valutazione, senza un miglioramento necessariamente proporzionale nell’utilizzo quotidiano. Google ha contestato questa interpretazione. La questione non riguarda soltanto Argon: quando un benchmark diventa un obiettivo industriale, aumenta il rischio che le aziende ottimizzino ciò che viene misurato anziché ciò che conta davvero. È una vecchia lezione della gestione aziendale, riscoperta periodicamente dall’industria dell’intelligenza artificiale con nomi nuovi e presentazioni molto più costose.

Le scommesse di Polymarket, che attribuiscono a Google una probabilità dell’83% di avere il modello di punta entro la fine di ottobre, aggiungono un elemento di curiosità finanziaria, ma non costituiscono una valutazione scientifica delle capacità di Argon. Il mercato delle previsioni misura le aspettative dei partecipanti, non la qualità verificata di un sistema. La distanza tra benchmark, disponibilità commerciale e prestazioni reali rimane quindi il terreno sul quale Google dovrà dimostrare il valore del nuovo modello. Gemini 4 Argon rappresenta un rientro competitivo significativo, sostenuto da una finestra di generazione eccezionale e da una politica di prezzo aggressiva. Ma il milione di token non risolve il problema della fiducia, così come un benchmark elevato non garantisce un agente affidabile. Per Google, la partita comincia adesso, quando il modello dovrà smettere di impressionare i valutatori e iniziare a lavorare per i clienti.