Natália P. Martins
RedatoraImagine que atribuímos a uma inteligência artificial um problema que não pode ser resolvido com uma única resposta: revisar milhares de linhas de código, identificar quais partes estão tornando um programa lento e propor alterações sem interromper sua funcionalidade.
O desafio reside não apenas em compreender a solicitação, mas também em sustentar um processo de múltiplas etapas e garantir que cada decisão seja consistente com as anteriores. Essa mesma dificuldade surge, embora com requisitos diferentes, ao interpretar relatórios financeiros ou examinar sistemas de computador em busca de vulnerabilidades.
Nessas situações, obter resultados confiáveis é muito menos importante do que responder rapidamente.
Por trás dessa iniciativa está o Gemini 4 Argon, o novo modelo do Google DeepMind com o qual a empresa busca fortalecer suas capacidades para trabalhos especializados. Não se trata exatamente de um lançamento recente: foi anunciado em 30 de setembro, quando seu uso foi inicialmente restrito a especialistas selecionados em cibersegurança por meio do programa Fairwind.
A novidade é que o Google iniciou sua implementação global para desenvolvedores, empresas e assinantes de determinados planos pagos. Com essa mudança, a gigante da tecnologia está focando em quatro grandes áreas de aplicação: programação, finanças, pesquisa científica e cibersegurança.
Uma IA projetada para tarefas complexas
Para lidar com essas tarefas, o Google combinou recursos avançados de raciocínio, análise visual e uso de ferramentas no Argon. Como podemos ver no vídeo, em uma das demonstrações, o modelo usou diversos agentes no Antigravity para construir um complexo de templos no Blender com pagodes, vegetação e iluminação realista, por meio de um processo contínuo de revisão visual.
Além disso, sua API incorpora um limite unificado de até um milhão de tokens, as unidades que utiliza para processar e gerar conteúdo. Essa capacidade é compartilhada entre as informações recebidas, o raciocínio e a saída. Como cada solicitação individual tem limites menores, o Google incorporou um mecanismo de continuação para concluir tarefas maiores.
Há um exemplo que ilustra melhor a extensão dessas capacidades. Em um teste interno com o Agent Development Kit (ADK), um projeto Python com aproximadamente 205.000 linhas de código, o Argon trabalhou por onze horas e propôs seis otimizações.
Após analisá-las, o Google descartou quatro devido a potenciais problemas operacionais ou por oferecerem melhorias de utilidade limitada, mas incorporou as duas restantes.
Essas otimizações reduziram o tempo de preparação para longas sessões em memória em quase 40% e o tempo de importação de pacotes em 21%. A empresa também atribui ao modelo a reorganização de centenas de arquivos no Chromium, o projeto no qual o Chrome é baseado.
No setor financeiro, as aplicações variam desde a geração de demonstrações financeiras plurianuais até a avaliação de empresas com base em documentos submetidos a órgãos reguladores. A Kepler afirma que , durante suas avaliações, o Gemini 4 Argon apresentou resultados semelhantes aos modelos de referência desenvolvidos por seus analistas em mais de 99% dos dados examinados.
Na área de cibersegurança, o Google declara que a Wiz, empresa especializada nesse setor, utilizou o sistema para ajudar a detectar e corrigir uma vulnerabilidade que poderia comprometer informações privadas de pacientes. Vale ressaltar que esses resultados provêm de empresas parceiras e que a pesquisa da Wiz também utiliza outras ferramentas e especialistas humanos.
A pesquisa científica oferece outros exemplos interessantes do que o Google está alcançando com essa tecnologia. No design de enzimas, o sistema ajudou a criar cinco novos projetos de proteínas capazes de facilitar reações químicas específicas. Segundo a empresa, testes laboratoriais subsequentes confirmaram que todas elas exibiram atividade catalítica. O sistema também desempenhou um papel na otimização de uma versão interna do AlphaQubit, seu sistema de correção de erros para computação quântica, quase dobrando o desempenho de inferência de um de seus componentes.
Além das demonstrações do Google, avaliações independentes também nos permitem comparar o Argon com seus concorrentes. No Índice Vals , um ranking que mede o desempenho em tarefas profissionais relacionadas a programação, finanças, direito e tributação, o modelo ocupa o primeiro lugar com 68,90% . No entanto, a Análise Artificial atribui 53 pontos à sua configuração High no índice de capacidades gerais, onde aparece na oitava posição.
A disponibilidade global não significa que qualquer pessoa possa usá-lo gratuitamente. O Google o oferece no aplicativo Gemini e no modo de IA do mecanismo de busca para assinantes do Google AI Pro e Ultra, enquanto os desenvolvedores podem acessá-lo por meio de uma API paga. Para usar o Argon no Antigravity, os usuários individuais precisam de uma assinatura Ultra. A taxa introdutória da API é de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, valores que dobrarão a partir de 1º de dezembro. A questão agora é como ele se comportará fora de testes controlados e sob necessidades profissionais específicas.
Imagens | Google | Vals AI
Texto traduzido e adaptado do portal Xataka Espanha
Ver 0 Comentários