Gemini 4 Argon: dlouhé AI úlohy dávají smysl až s kontrolou výsledku

Aktualizace 23. října 2026: Argon proti Opus 5.5 a GPT-6 Astra

Pro výběr modelu je užitečnější rozdělit práci než hledat jednoho vítěze. Následující čtyři testy oddělují dvě sady vývojových úloh, práci agenta v terminálu a firemní automatizace.

Benchmark	Gemini 4 Argon	GPT-6 Astra	Claude Opus 5.5	Claude Fable 5.1
DeepSWE v1.1	77,9 %	74,1 %	74,2 %	67,4 %
FrontierSWE v2	55,0 %	65,5 %	62,3 %	56,3 %
Terminal-Bench 4.0	57,4 %	58,2 %	66,4 %	57,9 %
AutomationBench	51,3 %	41,4 %	42,5 %	31,4 %

Zdroj: říjnová model card Googlu, ověřeno 23. října 2026. Jde o výsledky publikované dodavatelem; tučně je nejvyšší skóre v řádku mezi uvedenými modely. Skóre z různých benchmarků se nesčítají a nejsou procentem spolehlivosti celého firemního procesu.

Co si z toho vzít pro development a agenty

Pro mě je podstatné, že ani dvě vývojové sady nevedou ke stejnému pořadí. Samotná nálepka „nejlepší coding model“ nestačí pro rozhodnutí, komu svěřit migraci knihovny nebo opravu integračního testu. Agent navíc zahrnuje nástroje, instrukce, oprávnění a rozpočet na opakování; výsledek není jen vlastnost modelu.

Nezávislý Vals AI nyní u Argonu uvádí Vibe Code Bench v1.1 91,91 % (2./118), Code Migration v1.1 70,80 % (6./28), Finance Agent v2.1 67,66 % (2./30) a CUA-bench 4,83 % (8./9). Jde o stav žebříčku k 23. říjnu, nikoli trvalé pořadí. Vysoký výsledek při generování aplikace tedy nepřenáším automaticky na migrace ani na klikání v uživatelském rozhraní. Výsledky Vals a tabulku Googlu neslučuji: mohou se lišit verze testu, agentní prostředí a nastavení.

Do vlastního pilotu bych postavil Argon, Opus 5.5 a Astru proti stejné sadě úloh. Pro development například opravu testu a migraci klienta API; pro n8n nebo Make zpracování poptávky, dohledání podkladů a návrh zápisu do CRM. U všech stejné vstupy, dostupné nástroje, časový a finanční limit. Měřil bych dokončené úlohy, cenu včetně opakování a minuty lidských oprav. AutomationBench je podnět k takovému pilotu, ne záruka, že agent správně zaúčtuje vaše faktury. Toto je moje doporučení pro vyhodnocení, nikoli vlastní měření těchto modelů.

Aktualizace 15. října 2026: Argon v aplikaci Gemini

Google 13. října oznámil Argon pro předplatitele Google AI Pro a Ultra v aplikaci Gemini, režim úloh a rozhraní Antigravity v aplikaci pro macOS. Klip Marka Bartoše ze 14. října je nový podnět, nikoli datum vydání modelu.

Pro firmu to otevírá další cestu k pilotu. Přístup v aplikaci ale nepotvrzuje přístup k API, konkrétní limity ani dostupnost všech funkcí na českém firemním účtu. Předplatné bych proto nepovažoval za hotové napojení do n8n nebo Make.

Začal bych dvaceti syntetickými e-maily s poptávkami: připravit přehled požadavků, chybějících údajů a návrh dalšího kroku. Výstup porovnat s ručně označenou sadou a změřit čas kontroly, opomenuté požadavky a chybné návrhy. Případné konektory nejdřív ověřit v odděleném testovacím prostředí; odesílání odpovědí a zápisy do CRM nechat na schválení. Jde o návrh testu, ne o naše měření Argonu.

Níže zůstává původní analýza z 2. října. Tehdejší popis Fairwindu není úplným přehledem dnešního přístupu; uvedené ceny jsou cenami z původního oznámení, nikoli cenou předplatného aplikace.

U nového silného modelu mě zajímá jednoduchá otázka: dokončí práci, kterou dnes agent opakovaně rozpracuje a člověk po něm opravuje? U Gemini 4 Argon bych proto sledoval hlavně dlouhé změny kódu a cenu schváleného výsledku. Pro běžné třídění e-mailů není důvod automaticky měnit celý stack.

Co Google skutečně oznámil

Google představil Argon 30. září 2026: až milion výstupních tokenů a interní migrace C/C++ do Rustu. Oznámená cena za milion vstupních/výstupních tokenů je zpočátku 2/10 USD, později 4/20 USD; cache vstupu má 95% slevu. Jde o tvrzení a podmínky dodavatele, nikoli můj test. Původní oznámení.

Milion výstupních tokenů nezaměňujte s velikostí vstupního kontextu. A vysoký limit berte jako prostor pro obtížnou práci, ne jako doporučenou délku každé odpovědi. Provozní rozpočet musí omezovat konkrétní úlohu.

Přístup není totéž co oznámení

Aktuální Fairwind dává Argon vybraným schváleným partnerům pro kybernetickou obranu, samostatně nebo v CodeMenderu. Přístup nelze přeprodávat; organizace musí omezit a evidovat jeho využívání. Pro běžný firemní pilot tedy nejprve ověřte skutečně přidělený přístup. Samotná přihláška do programu ho nezaručuje.

Pro napojení do n8n nebo vlastního agenta potřebujete potvrzený modelový identifikátor a dokumentaci dostupnou pro váš účet. Před nasazením ověřte aktuální sazby, limity a podmínky zpracování vašich dat.

Pilot bych začal jednou migrací

Vybral bych malý modul, který tým dobře zná. Třeba převod starého klienta interního API, doplnění validace faktur nebo opravu opakovaně padajícího integračního testu. Ještě před spuštěním bych uložil výchozí stav, testovací vstupy a očekávané chování.

Agent dostane samostatnou větev, omezená oprávnění a konkrétní akceptační podmínky. Výstupem má být kontrolovatelný diff, výsledky testů a seznam zbývajících nejistot. Nasazení do produkce zůstane samostatným schváleným krokem.

Stejný úkol bych zadal současnému modelu se stejnými nástroji a limity. Porovnával bych:

kolik úloh prošlo předem připravenými testy,
kolik minut zabralo lidské review a opravy,
celkovou cenu včetně opakování a nástrojů,
zda změna nezhoršila výkon nebo chování mimo hlavní scénář.

To je návrh pilotu, nikoli tvrzení, že jsem Argon takto otestoval. Model může vyhrát veřejný benchmark a přesto se nevyplatit na vašem repozitáři.

Co z toho plyne pro automatizace

U CRM enrichmentu bych nejdřív nechal levnější krok ověřit povinná pole a zdroje. Silnější model bych zvažoval až pro obtížné případy: rozporné dokumenty, složitou rekonstrukci souvislostí nebo návrh opravy workflow. Zápis do CRM musí mít vlastní validaci a ochranu proti opakovanému provedení.

Moje rozhodovací pravidlo: vyšší výkon má cenu, pokud sníží náklady na přijatou práci. Dokud nemáte přístup a vlastní srovnání, připravujte testovací sadu. Produkční proces neměňte podle titulku.

Podnětem byl Marek Bartoš: Gemini 4 Argon, publikovaný 1. října. Tento článek vychází 2. října 2026; datum videa není datem původního oznámení.