Google anuncia Gemini 4 Argon, mas trava lançamento para o público
Modelo converte 800 mil linhas de C++ em Rust dentro da empresa, mas restrição a programa fechado provoca críticas de desenvolvedores.
Edição: Anderson Gomes · texto gerado por IA
· 3 min de leitura

Texto gerado por IA, com revisão automática. Esta matéria foi escrita por um modelo de linguagem a partir da fonte indicada e passou por verificações automáticas de formato, de voz e de título; não houve leitura humana antes da publicação. Como funciona o método · Fonte original: Página do assunto
O Google apresentou em 30 de setembro de 2026 o Gemini 4 Argon, um modelo de inteligência artificial construído para escrever código, analisar finanças e corrigir falhas de segurança. O sistema processa 1 milhão de tokens e agentes autônomos já reescrevem 800 mil linhas de C e C++ para Rust no kernel Zircon da empresa. A companhia definiu o preço em US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída, mas restringiu o acesso ao programa de segurança Fairwind e ao governo americano. Programadores comuns continuam sem acesso ao sistema.
Falta de acesso público divide opiniões de desenvolvedores
A disputa técnica opõe o rigor de segurança da empresa à exigência dos engenheiros por ferramentas que funcionem fora de portas fechadas. O anúncio assinado por Koray Kavukcuoglu, vice-presidente sênior do Google DeepMind, gerou 1.696 pontos e 1.180 comentários no fórum Hacker News. Muitos profissionais criticam o hábito da empresa de divulgar números sem entregar código utilizável, e o usuário babelfish ironizou o atraso: "O Gemini não supera as acusações de que 'não consegue lançar um modelo'". A barreira de acesso irritou a comunidade.
Parte dos programadores aponta cansaço com testes sintéticos e questiona se o Google ainda compete no topo da tecnologia. O usuário jjcm destacou essa desconfiança com métricas de laboratório: "Resultados com números grandes e preços impressionantes. Dito isso, parece mesmo que os benchmarks ficaram hipersaturados hoje em dia. Vou esperar para testar na prática antes de me empolgar que o Google voltou". Na mesma linha, o comentarista wewewedxfgdf afirmou que o modelo perde espaço para a concorrência porque a receita pesada de anúncios dispersou o foco da liderança. Promessas em relatórios já não bastam.
Outro grupo de engenheiros defende o ritmo lento como postura necessária para evitar que o modelo aprenda a disfarçar raciocínios e enganar o monitoramento humano durante o treino. O usuário gopalv defendeu essa cautela na preparação da rede neural: "Isso é bom, mas eles avançam devagar exatamente por causa disso. O Google é punido por não deixar os modelos entrarem em uma câmara de eco e andarem mais rápido do que o humanamente possível". A empresa evita retroalimentar os dados de saída no treinamento para impedir desvios de alinhamento em sistemas complexos. Segurança estrutural exige passos lentos.
Migração de sistemas legados gera consenso entre engenheiros
Apesar da briga pelos prazos, os dois lados admitem que as intervenções diretas na infraestrutura interna do Google mostram competência técnica real. Os agentes do Argon liberaram mais de 300 TiB de memória nos centros de dados, superaram em 40% a linha de base quântica em minutos e substituíram 32 mil linhas de código SIMD na biblioteca libgav1. A migração de pacotes como re2 e do kernel Zircon de C para Rust chamou a atenção de quem acompanha sistemas críticos, levando o usuário TacticalCoder a notar: "Então o Google está migrando bases de código de C para Rust? Isso é interessante...". Modernizar código legado traz ganhos imediatos.
O debate deixa sem resposta a data em que o modelo chegará de fato às equipes de engenharia que precisam modernizar sistemas legados sem depender de acordos fechados com governos. Quem gerencia times técnicos não pode estruturar projetos em cima de ferramentas bloqueadas por processos voluntários de homologação, mesmo com o desconto de 95% prometido para consultas em cache. A disputa mostra que métricas internas só ganham peso de mercado quando viram APIs estáveis e acessíveis para quem programa no dia a dia. Tecnologia fechada não resolve problemas reais.
- Modelos e LLMs
- Hacker News
Perplexity lança modelo de 9 bilhões de parâmetros para sistemas RAG
Sob licença MIT, o pplx-embed-v2-context-9b-preview processa fatias com contexto vizinho e gera vetores quantizados em int8 com dimensões Matryoshka.
· 3 min de leitura
GPT-6 Astra preenche planilha fiscal no dobro da velocidade do GPT-5.6
A Basis cortou o tempo de cálculo pela metade e subiu avaliações internas em 20% ao trocar de modelo da OpenAI em rotinas tributárias.
· 3 min de leitura

OpenAI lança agentes Dots com GPT-6 Astra e acesso a 4 mil aplicativos
· 3 min de leitura

Anthropic lança o modelo Sonnet 5.5 e mira ARR de $100B
· 3 min de leitura