Gemini 4 Argon

मूल लेख ↗ Hacker News चर्चा ↗

Google के नए Gemini 4 Argon frontier model को तकनीकी प्रशंसा और product frustration के मिश्रण के साथ देखा जा रहा है। शुरुआती उपयोगकर्ता बताते हैं कि Argon तेज़ है, reasoning, लेखन, spatial tasks, और multimodal work (जैसे SVG और image-to-HTML) में मजबूत है, लेकिन बड़े-scale coding agents के लिए अक्सर Claude Opus और OpenAI के सर्वश्रेष्ठ मॉडलों से पीछे रहता है, और reasoning loops तथा hallucinations जैसी कुछ समस्याएँ हैं। कई लोग मॉडल से अधिक Google की fragmented product lineup, confusing rollout, Antigravity में paywalling, और region या plan के हिसाब से inconsistent access की आलोचना कर रहे हैं, यह तर्क देते हुए कि खराब UX और pricing strategy उस चीज़ को सीमित कर रही है जो अन्यथा एक बेहद प्रतिस्पर्धी पेशकश हो सकती थी।

पहुंच और रोलआउट

  • Gemini 4 Argon का उपयोग कौन कर सकता है, इसे लेकर भारी भ्रम है:
    • आधिकारिक कॉपी में “Pro and Ultra” लिखा है, लेकिन Antigravity अक्सर “Ultra only” दिखाता है।
    • कई Pro उपयोगकर्ता (खासकर EU/Workspace/Google One) पहुँच न मिलने, 404s, या “agent execution terminated” त्रुटियों की रिपोर्ट करते हैं।
    • रोलआउट स्पष्ट रूप से बैचों में हो रहा है; कुछ उपयोगकर्ताओं को यह बिना किसी स्पष्टीकरण के घंटों बाद मिलता है।
  • Antigravity बनाम Gemini ऐप बनाम AI Studio बनाम API:
    • रिपोर्ट किया गया पैटर्न: Ultra को हर जगह Argon मिलता है; Pro को Gemini ऐप / वेब में मिलता है, लेकिन Antigravity (coding IDE) में नहीं।
    • OpenRouter/API के माध्यम से, Argon सामान्यतः Google के अपने UIs की तुलना में पहले और अधिक विश्वसनीय रूप से उपलब्ध है।
  • कई उपयोगकर्ताओं ने सब्सक्राइब या अपग्रेड करने की कोशिश की और भुगतान विफलताओं, प्लान टकराव (जैसे Google One बनाम AI Ultra), और भू-प्रतिबंधों का सामना किया।

उत्पाद और UX की परेशानियाँ

  • लॉन्च पेज की भारी, glitchy scroll-slop के लिए आलोचना की गई; खासकर Safari और Firefox पर; मोबाइल अक्सर उपयोग के लायक नहीं होता।
  • Google का AI उत्पाद सतह भ्रमित करने वाली मानी जा रही है: Gemini ऐप, Antigravity, AI Studio, Google One AI, Workspace — सभी में थोड़े अलग मॉडल और सीमाएँ हैं।
  • त्रुटि संदेश और सीमाएँ अस्पष्ट हैं (जैसे generic “terminated due to an error,” प्रति क्वेरी flat usage chunks, Argon के लिए बहुत छोटे Ultra “5-hour” विंडो)।

क्षमताएँ और तुलना

  • कई लोगों को Argon, Gemini 3.x की तुलना में एक साफ़ कदम आगे लगता है, खासकर:
    • गद्य गुणवत्ता और संरचना, लंबे-रूप तर्क, बहुभाषी आउटपुट (German और Indic भाषाएँ नोट की गईं)।
    • स्थानिक तर्क, SVG और UI जनरेशन, और 3D/physics-शैली के कार्य।
  • कोडिंग:
    • मिश्रित प्रतिक्रियाएँ। कुछ कहते हैं कि यह वास्तविक प्रोजेक्ट्स और ऑडिट्स पर Opus 5.5 को टक्कर देता है; अन्य इसे Opus/Astra/Sol से खराब और कभी-कभी Flash 3.8 से भी नीचे पाते हैं।
    • एक व्यवस्थित eval इसे Fable 5 और 5.1 के बीच रखता है, “near frontier” लेकिन शीर्ष agents से थोड़ा पीछे।
  • कई उपयोगकर्ता सूक्ष्म medical/technical explanations के लिए इसकी प्रशंसा करते हैं; अन्य बुनियादी arithmetic में गलतियाँ और instruction-following समस्याएँ रिपोर्ट करते हैं।

मूल्य निर्धारण और उपयोग

  • शुरुआती API कीमत: $2M input / $10M output tokens, 1 दिसंबर के बाद $4/$20M तक दोगुनी; सीधे Opus 5.5, Astra, Sol, DeepSeek, GLM, आदि से तुलना की गई।
  • थ्रेड बार-बार नोट करता है कि “price per token” भ्रामक है:
    • मॉडल verbosity, tool use, और tokens-per-task में बहुत अलग होते हैं, जिससे प्रभावी लागत बदल जाती है।
  • सब्सक्रिप्शन पक्ष:
    • $20 Pro बनाम $99 Ultra बनाम carrier और Google One के माध्यम से bundled/discounted plans।
    • यह निराशा कि Antigravity में Argon केवल $99 Ultra तक सीमित है, जबकि प्रतिस्पर्धी labs अपने बेहतरीन coding models सस्ते प्लानों पर उपलब्ध कराते हैं।

बेंचमार्क और तकनीकी निष्कर्ष

  • मानक समुदाय परीक्षण:
    • SVG “pelican on a bicycle”: Argon के आउटपुट्स अब तक देखे गए सबसे अच्छे में से हैं; कुछ लोग चिंता करते हैं कि यह विशेष benchmark अब overfitted हो गया है।
    • अन्य SVG कार्य (armadillos, UI diagrams) भी मजबूत दिखते हैं; object detection (COCO) पहले के Gemini की तुलना में काफी बेहतर हुआ है।
    • Pac-Man और coding-agent benchmarks: Argon बहुत अच्छा प्रदर्शन करता है, लेकिन स्पष्ट रूप से सर्वोत्तम OpenAI/Anthropic मॉडलों से ऊपर नहीं।
    • German-language benchmark Google के मजबूत non-English प्रदर्शन की पुष्टि करता है; legal-domain स्कोर विशेषीकृत legal models के मुकाबले प्रतिस्पर्धी है।
    • एक उपयोगकर्ता के benchmark में video generation quality केवल सस्ते open Chinese models के समकक्ष आँकी गई।

सुरक्षा, लूप्स और विश्वसनीयता

  • कई रिपोर्टें:
    • अनंत या लंबे reasoning loops, खासकर agentic coding में; इसे अन्य frontier models की तुलना में regression के रूप में उजागर किया गया है।
    • अत्यधिक आक्रामक safety/guardrails, जिसके कारण adversarial या niche-language settings में refusals आते हैं।
    • क्लासिक Gemini समस्याएँ: hallucinated APIs, fabricated standards, स्पष्ट “discuss before changing” निर्देशों को अनदेखा करना।
  • कुछ उपयोगकर्ताओं को Argon “clear in the head” और पिछले Google models की तुलना में कम RL-fried लगता है; अन्य फिर भी strict factual accuracy या long-term consistency वाले किसी भी काम के लिए Gemini पर भरोसा नहीं करते।

मेटा: AI दौड़ और Google की रणनीति

  • इस पर बहस कि प्रगति धीमी हो रही है या नहीं:
    • कुछ का तर्क है कि हालिया अंतर छोटे हैं; अन्य year-on-year छलाँगों (math, coding, simulation) की ओर इशारा करते हैं और कोई slowdown नहीं देखते।
  • Google को इस रूप में देखा जा रहा है:
    • मॉडल स्तर पर अत्यधिक प्रतिस्पर्धी (अब general chat और multilingual के लिए फिर से “on the Pareto frontier”), लेकिन product, rollout, billing, और harness quality में लगातार कमजोर।
    • डेवलपर mindshare को मुख्य रूप से chase करने के बजाय अपने विशाल user base और integration (Search, Android, Workspace) का लाभ उठा रहा है।
  • कई टिप्पणियाँ benchmark-chasing (“pelicanmaxxing”) और Goodhart’s law को लेकर चिंतित हैं, लेकिन अन्य कहते हैं कि कई मजबूत labs के बीच प्रतिस्पर्धी दबाव prices और capability growth के लिए अच्छा है।