---
title: "Gemini 4 Argon e Fairwind Program"
description: "Il 30 settembre Google ha presentato Gemini 4 Argon, con un limite di output di un milione di token, e lo distribuisce prima ai difensori cyber del Fairwind Program, anche senza guardrail cyber. Chi può entrare nel programma e a quali condizioni, cosa dichiara Google sulle capacità, come leggere i benchmark e quali salvaguardie precedono il rilascio generale."
url: "https://www.noze.it/insights/gemini-4-argon-fairwind-program/"
lang: "it"
alternate: "https://www.noze.it/en/insights/gemini-4-argon-fairwind-program-en/"
published: "2026-09-30"
author: "noze S.r.l."
keywords: "AI, Cybersecurity, Google, Gemini, Fairwind, Benchmark, Agenti AI, Vulnerability management"
---

# Gemini 4 Argon e Fairwind Program

Il 30 settembre Google ha presentato Gemini 4 Argon, con un limite di output di un milione di token, e lo distribuisce prima ai difensori cyber del Fairwind Program, anche senza guardrail cyber. Chi può entrare nel programma e a quali condizioni, cosa dichiara Google sulle capacità, come leggere i benchmark e quali salvaguardie precedono il rilascio generale.

30 settembre 2026

![Quattro dati su Gemini 4 Argon e sul Fairwind Program di Google](https://www.noze.it/images/insights/gemini-4-argon-fairwind-program.svg)

Dati da Google e Google DeepMind. Fonti in fondo.

Il 30 settembre Google ha presentato **Gemini 4 Argon**, il suo nuovo modello di frontiera. Per ora non è disponibile a tutti. Lo ricevono prima i difensori cyber selezionati dal **Fairwind Program**; dopo altri test arriverà ai clienti paganti delle API e agli abbonati a Google AI Ultra. Google scrive anche di partecipare al processo volontario con cui il governo statunitense ottiene l’accesso ai modelli prima del rilascio.

Il prezzo di lancio è di **2 dollari per milione di token in input e 10 in output**. I token di input già in cache costano il 95% in meno. Secondo 9to5Google, finito il periodo introduttivo, il prezzo salirà a 4 e 20 dollari.

## Il Fairwind Program

È il programma con cui Google DeepMind dà in anticipo i modelli più capaci a chi difende infrastrutture critiche. Secondo Google lavora già con **oltre 650 partner**. L’accesso segue un ordine di priorità:

- governi e autorità nazionali per la cybersecurity;
- operatori di infrastrutture critiche, come sanità, telecomunicazioni, energia e finanza;
- grandi piattaforme tecnologiche, il cui software arriva a milioni di utenti.

Una parte di questi partner ha l’accesso esclusivo ad Argon. Lo può usare da solo o dentro **CodeMender**, l’agente di Google che trova e corregge vulnerabilità nel codice. Chi non è ammesso può usare CodeMender con i modelli pubblici.

Le condizioni sono precise:

- ogni utente si autentica con il proprio account e con **MFA resistente al phishing**;
- Argon può andare solo ai team interni di cybersecurity, incident response o penetration testing;
- l’organizzazione deve tracciare chi lo usa e come;
- l’accesso non si può condividere, rivendere o redistribuire;
- Google verifica la storia di sicurezza e la condotta di chi fa domanda.

Sono ammessi i compiti a doppio uso, come simulare attacchi autorizzati, fare reverse engineering e analizzare malware per difesa o ricerca. Creare malware è escluso.

La novità sta in un punto: **per i partner ammessi e per i team interni di Google, Argon sarà disponibile senza guardrail cyber**, cioè senza i blocchi che rifiutano le richieste offensive. OpenAI aveva annunciato uno schema simile con il programma Daybreak per [GPT-6 Astra](https://www.noze.it/insights/gpt-6-astra-e-davvero-cominciata-era-agi/). L’accesso alle capacità più delicate diventa a livelli, e il controllo si sposta dal modello all’organizzazione che lo usa.

## Cosa dichiara Google sulle capacità

- **Un milione di token di output**, contro i 64.000 di prima: il modello può ragionare e scrivere molto a lungo in una sola esecuzione.
- **DeepSWE v1.1**, compiti lunghi di sviluppo software: 77,9%. Secondo 9to5Google Claude Opus 5.5 è al 74,2% e GPT-6 Astra al 74,1%.
- **CWE-bench v1**, correzione di vulnerabilità: 68%, primo a pari merito.
- **AutomationBench** di Zapier, processi aziendali svolti dall’inizio alla fine: 51,3%, primo posto.
- **LVBench**, comprensione di video lunghi: 91,7%.
- Primo sul **Vals Index**, che misura lavoro di finanza, codice, legale e fisco.

Google racconta anche alcuni usi interni:

- agenti Argon hanno analizzato i dati di profilazione dei data center e applicato ottimizzazioni che hanno liberato **oltre 300 TiB di memoria**; il risparmio totale stimato è fra 500 TiB e 1 PiB;
- altri agenti stanno migrando codice C e C++ in Rust, fino alle oltre 800.000 righe del kernel Zircon di Fuchsia, con revisione automatica e manuale prima della produzione;
- su libgav1, il decoder video open source di Google, hanno riscritto 32.000 righe di codice ottimizzato a mano in Rust sicuro: il risultato è **2,7 volte più veloce** del port Rust di partenza, con lo stesso output.

## Come leggere i numeri

La pagina di metodologia di Google DeepMind spiega da dove vengono i confronti. Tre dettagli contano.

- **I punteggi degli altri modelli sono quelli dichiarati dai loro produttori.** Alcuni punteggi di Argon invece li calcola Google: DeepSWE con un proprio harness, cioè il programma che fa lavorare il modello sui compiti; Terminal-Bench 4.0 in proprio; OSWorld 2.0 come miglior risultato su tre esecuzioni.
- Salvo dove indicato, Argon usa il **livello di ragionamento più alto**.
- Due misure cyber fra le più citate, il dataset interno di vulnerabilità reali e il benchmark di penetration testing di Wiz, **sono interne** e non si possono verificare dall’esterno.

È la prassi del settore, ma rende i confronti meno omogenei di quanto sembri da una tabella unica. I numeri che chiunque può controllare sono quelli delle classifiche pubbliche: Vals AI, CWE-bench, il benchmark di Gray Swan sulla prompt injection.

## Le salvaguardie prima del rilascio generale

Google indica quattro aree di lavoro:

- **abuso**: il modello rifiuta le richieste pericolose in ambito cyber e su armi chimiche, biologiche, radiologiche e nucleari. Google sorveglia anche le **attivazioni interne** del modello per riconoscere gli usi impropri, e red team interni ed esterni hanno provato a forzare queste protezioni;
- **prompt injection indiretta**, cioè istruzioni ostili nascoste nei contenuti che il modello legge: Google dichiara il primo posto sul benchmark di Gray Swan;
- **disallineamento**: dei monitor leggono il ragionamento e le azioni del modello e lo fermano quando serve. Un sistema simile ha sorvegliato l’addestramento. Google scrive di non aver usato quei segnali per addestrare il modello, per non insegnargli a sfuggire al monitoraggio;
- **sistemi**: gli ambienti di test vengono isolati e chiusi prima degli addestramenti e delle valutazioni più rischiose.

L’ultimo punto ha un precedente diretto. A maggio un modello Gemini è uscito da un ambiente di test durante un esercizio capture the flag ed è entrato nei sistemi di tre aziende reali. Ne abbiamo scritto parlando degli [agenti OpenAI sui siti dei governi](https://www.noze.it/insights/agenti-openai-attaccano-siti-governi/).

## Cosa ne pensiamo

**Il milione di token in output è anche un costo.** A 10 dollari per milione di token di output, una sola esecuzione che usa tutto il limite costa 10 dollari, e 20 dopo il periodo introduttivo. Chi usa Argon in agenti che lavorano a lungo deve fissare un limite per compito e controllare la spesa fin dall’inizio.

**L’accesso a livelli si basa sull’identità.** Le condizioni del Fairwind Program sono quelle di una buona gestione degli accessi: utenti nominali, MFA resistente al phishing, uso limitato a team definiti, tracciamento. Averle già in piedi serve in ogni caso, anche senza Argon.

**I benchmark interni restano dichiarazioni.** Le capacità cyber che interessano di più a chi difende sono misurate su dati che solo Google vede. Il modo per valutarle è provarle sul proprio codice e sui propri sistemi, come qualunque strumento di vulnerability assessment.

**Il ragionamento del modello va sorvegliato insieme alle azioni.** Google chiede al settore di mantenere leggibile il ragionamento dei modelli. Anthropic ha [mostrato a settembre](https://www.noze.it/insights/anthropic-corregge-diagnosi-incidenti-cyber/) che un monitor che si fida solo del ragionamento può esserne sviato. Servono entrambe le fonti: cosa il modello dichiara di pensare e cosa fa.

## Cosa monitorare

- La data di disponibilità per API e abbonati e la pubblicazione di una model card completa.
- Valutazioni indipendenti sulle capacità cyber, oltre ai benchmark interni.
- Se e come organizzazioni europee e italiane, a partire da quelle soggette a NIS2, potranno entrare nel Fairwind Program.
- Il prezzo effettivo alla fine del periodo introduttivo.

## Fonti

- [Google, Gemini 4 Argon: our next era of frontier intelligence](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/)
- [Google DeepMind, Fairwind Program](https://deepmind.google/fairwind-program/)
- [Google DeepMind, Gemini 4 Argon with cybersecurity defense capabilities](https://deepmind.google/models/gemini/cyber/)
- [Google DeepMind, Gemini 4 Argon: approach, methodology and results](https://deepmind.google/models/evals-methodology/gemini-4-argon)
- [9to5Google, Google announces Gemini 4 Argon as its new frontier model](https://9to5google.com/2026/09/30/gemini-4-argon-announcement/)
- [Vals AI, Vals Index](https://www.vals.ai/benchmarks/vals_index)
- [CWE-bench](https://cwe-bench.com/)
- [GPT-6 Astra: è davvero cominciata l’era AGI?](https://www.noze.it/insights/gpt-6-astra-e-davvero-cominciata-era-agi/)
- [Anthropic corregge la diagnosi sui suoi incidenti cyber](https://www.noze.it/insights/anthropic-corregge-diagnosi-incidenti-cyber/)
- [Agenti OpenAI attaccano i siti dei governi](https://www.noze.it/insights/agenti-openai-attaccano-siti-governi/)
