Решение граничных задач вместе с экспертами
Исследователи, инженеры и специалисты по безопасности объединяют свои усилия с Argon для продвижения границ науки, математики, робототехники и кибероборони.
Разблокирование научных прорывов
Argon помогает исследователям Google и научному сообществу ускорить путь к открытиям и реальному воздействию.
Ускорение робототехники
Argon автономно преобразует необработанное видео в физически точное моделирование, оценивая глубину и физические границы, а также создавая точный код моделирования, необходимый для репликации реальных окружений.
Масштабирование кибербезопасности ответственным способом
Argon занимает первое место на CWE-Bench (68%) в области исправления уязвимостей, является наиболее устойчивой моделью против косвенных инъекций подсказок и расширяет поддержку сотням дополнительных партнёров Fairwind Program сегодня.
Решение сложных инженерных задач
По всему Google и среди партнёров с ранним доступом Argon быстро становится предпочтительной моделью для инженеров, решающих задачи долгосрочной разработки ПО.
Распутывание кода функций браузера в Chrome
Argon помог команде Chrome отделить основную обработку веб-страниц от ~6 миллионов строк унаследованного кода функций браузера в 40-миллионной кодовой базе Chromium. Подавая несколько чистых изменений кода одновременно, Argon помог команде завершить архитектурный рефакторинг сотен файлов, выполнив месяцы работы за недели. Для миллиардов пользователей Chrome по всему миру это разблокирует возможность для активных веб-страниц плавно перемещаться между вкладками, боковыми панелями и плавающими окнами без перезагрузки, исключив целую категорию сбоев браузера.
Оптимизация открытого пакета квантовой химии
xTB (Semiempirical Extended Tight-Binding) — один из наиболее цитируемых открытых пакетов квантовой химии для молекул. Учёные используют его для прогнозирования трёхмерной формы молекул и для скрининга больших наборов кандидатов лекарств и материалов. Используя Argon в Antigravity, наши исследователи сделали xTB в 2,3 раза быстрее при прогнозировании молекулярных структур и в 1,8 раза быстрее при поиске конформеров. Изменения были внесены в официальный репозиторий xTB на GitHub.
Оптимизация Python кодовой базы в продакшене за часы
Argon в Antigravity помогает команде, стоящей за открытым наборором Agent Development Kit (ADK) Google, фреймворком для корпоративных агентов, продвинуть их инженерию производительности дальше. Команда дала Argon свой файл правил .agents/skills и однопараграфную цель исключить служебные затраты фреймворка без нарушения существующих приложений. Работая автономно всю ночь, Argon выявил оптимизации, теперь работающие в google/adk-python, которые сократили время подготовки сессии в памяти на 40% в долгих сессиях и ускорили холодные импорты на 21%.
Ускорение моделей Gemma в три раза
Используя Argon, мы достигли 2,85-кратного сквозного ускорения вывода на A100 через vLLM (ускорение пропускной способности с ~37 900 до более 108 000 токенов в секунду на Gemma 4 E2B) со 100% соответствием токенов и без потери качества всего за несколько дней, процесс, который обычно занимает месяцы. Посмотрите вышестоящие запросы pull-request (оптимизирующие всё от настройки внимания до спекулятивного декодирования), чтобы увидеть точные изменения.
Миграция унаследованного кода
Argon в Antigravity перенес накопившуюся очередь из 700+ учебных лабораторий Google Skills с жёстко закодированных системных образов и времён выполнения, разбросанных по пяти кодовым репозиториям, поймав 16+ скрытых ошибок тайм-аута и состояния гонки на пути. Работа сэкономила 955 инженерных часов и сократила повторяющиеся проверки очистки с примерно 540 часов в год до единственного 3-часового обновления.
Доставка сложных трёхмерных визуализаций
Argon приносит значительные улучшения в пространственном мышлении, математической точности и визуальном кодировании по сравнению с предыдущими моделями Gemini.
Построение подробной модели пагоды
Argon построил высокодетализированную модель пагоды, используя циклы многоагентной визуальной критики в Antigravity. Модель автономно создала комплекс многозданий храма с фотореалистичной архитектурой, растительностью и освещением в Blender.
Превращение фотографий стола в интерактивную гоночную игру
Argon превратил фотографии реального стола в воспроизводимую миниатюрную гоночную игру, используя многоагентный цикл в Antigravity. Объекты стола, комната и гоночная трасса были смоделированы и проверены на столкновения с использованием Blender MCP, текстурированы с помощью Nano Banana и подключены к физике, пользовательским шейдерам и звуку двигателя автомобиля от Gemini Omni Flash в Three.js.
Создание сложной трёхмерной игры с нуля
Argon в Antigravity написал скрипты Python для процедурной лепки, оснащения, анимации и PBR-запечения сложной трёхмерной игры, используя циклы многоагентной визуальной критики, затем подключил её для веб-доступа в Three.js с GLSL шейдерами, физикой разрушения и односторонним ИИ.
Создание трёхмерного ray-трейсинг движка на чистом Python
Не используя никаких внешних библиотек и 100% чистый Python, Argon написал собственный трёхмерный ray-трейсинг движок с пользовательским видеоинструментом и микшером аудио для построения и документирования залитой солнцем библиотеки с нуля, создавая, озвучивая и собирая это видео с озвучкой Gemini 3.8 TTS и музыкой Lyria 3.5.
Создание сцены в Blender из одного изображения
Начиная с одного изображения Nano Banana в Antigravity, Argon управляет Blender MCP в автономном цикле, выравнивая сетки камер, лепя готическую архитектуру и организуя светочувствительное освещение для создания завершённой трёхмерной сцены.
Трансформация критических бизнес и профессиональных рабочих процессов
Argon объединяет граничное рассуждение, глубокое визуальное восприятие, расширенные знания предметной области и более мощные возможности письма в юридической сфере, финансах, науке и кодировании для обработки высокостав профессиональных рабочих процессов.
В компании Isomorphic Labs команда использует Argon как партнёра для ускорения рабочих процессов исследования и разработки открытий лекарств. Argon способен быстро синтезировать сложные PDF-документы и патенты для извлечения соответствующей информации, сократив процесс, который обычно занимает недели, до нескольких часов.
Отзыв из Ambience Healthcare
«На более чем 200 сложных синтетических продольных диаграммах Gemini 4 достигла наивысшей точности отзыва и специфичности кода ICD-10 среди оцененных нами моделей, создавая краткие списки проблем без внешних справок. Это сочетание медицинских знаний и понимания долгого контекста обещает помочь рабочим процессам, проверённым врачами. Мы сейчас проверяем это на реальных записях пациентов и в восторге от возможности попробовать это более широко.»
Брендан Фортунер, SVP Technology, Ambience Healthcare
Отзыв из Amplitude
«Argon хорошо разбирается в том, что люди на самом деле имеют в виду. Клиенты собирают бесконечные сигналы, которые они не знают, что с ними делать. Argon последовательно получал топовые оценки в наших эвалюциях за создание диаграмм, которые помогают визуализировать решения для клиентов. Он также означающе настойчив в поиске тех видов ответов «иголка в стоге сена», которые ценны для клиентов.»
Кёртис Лиу, CTO, Amplitude
Отзыв из Axiom Bio
«Gemini 4 представляет скачок в том, что ИИ может совершить в реальной науке. Мы видели, как он рассуждает о сложных экспериментальных данных, от клеточной визуализации до масс-спектрометрии, и делает тонкие находки, которые традиционно требуют экспертного учёного для определения. На нашем Scientific Agent Benchmark Gemini 4 находился на граnice по большинству задач, включая самую сложную: ранжирование клинического риска между двумя лекарствами.»
Алекс Кабрера, Founding Engineer, Axiom Bio