A avaliação de segurança do Gemini 4 Argon não encontrou aceleração estatisticamente significativa de ponta a ponta na pesquisa e desenvolvimento em inteligência artificial (IA), segundo reportagem publicada pelo The Next Web em 17 de outubro de 2026. O resultado ajuda a separar a colaboração entre pesquisadores e modelos da aceleração mensurada do processo de pesquisa: Sergey Brin descreveu a primeira, enquanto a avaliação abordou a segunda. The Next Web resumiu o relatório do Google DeepMind, o Gemini 4 Argon Safety and Security Report.

O que a avaliação do Argon mede

Autoaperfeiçoamento recursivo, ou RSI, é um ciclo em que sistemas de IA ajudam a desenvolver versões seguintes e essas versões podem contribuir para novas melhorias. Para avaliar o avanço nessa direção, a análise do Argon distingue assistência de IA de aceleração substancial da pesquisa e de automação completa de uma equipe.

Uma síntese da avaliação afirma que o Argon não alcança ML R&D acceleration level 1, definido como aceleração substancial do progresso em IA além das taxas históricas, nem ML R&D automation level 1, que corresponde à automação completa de uma equipe de pesquisa do Google. Esses critérios ajudam a dar sentido à conclusão geral: o modelo pode participar do trabalho de IA, sem que isso signifique que a pesquisa como um todo esteja avançando mais rápido por causa dessa participação. Os nomes e a avaliação constam no material do Google DeepMind.

O The Next Web também relatou que o Argon resolveu cerca de metade dos desafios de um teste interno de tarefas de pesquisa em IA. Para automação completa, a avaliação exigiria um resultado próximo da pontuação máxima. O teste trata da capacidade em tarefas específicas; a conclusão sobre aceleração de ponta a ponta considera o processo de pesquisa e desenvolvimento como um todo.

O que Sergey Brin disse sobre pesquisadores e modelos

Em uma mesa-redonda sobre o Gemini 4 Argon, cuja data não foi especificada, Sergey Brin disse que pesquisadores e modelos trabalham juntos para desenvolver a próxima versão dos modelos. Ele também caracterizou a atuação do Google como uma entrada gradual em um ciclo de autoaperfeiçoamento recursivo, de acordo com o relato do The Next Web.

Essa descrição fala de colaboração no desenvolvimento. A conclusão estatística do relatório, por sua vez, trata de aceleração mensurável da pesquisa de ponta a ponta. As duas afirmações se referem a aspectos diferentes do processo.

Vihan Jain, co-líder de RSI e de IA para ciência do Gemini no Google DeepMind, descreveu o uso do Argon no pós-treinamento como um sinal de que o ciclo de RSI ganhava força. É a interpretação de Jain sobre o papel do modelo:

Onde as pessoas continuam conduzindo o trabalho

A reportagem do The Next Web afirma que mais de 75% do código de produção do Google DeepMind era escrito por IA, mas que as alterações ainda passavam por revisão humana antes do envio. A mesma cobertura relata que cerca de 88% dos pedidos de alteração de código ainda exigiam orientação humana repetida ou código escrito por pessoas.

Pesquisadores também continuavam responsáveis por escolher direções de pesquisa, planejar experimentos e diagnosticar problemas de treinamento. A assistência na escrita de código, portanto, aparece ao lado de decisões e verificações humanas que fazem parte do desenvolvimento.

A avaliação também comparou um índice interno do Gemini, construído com 92 benchmarks. A taxa mensal passou de 0,091 ponto antes de 1º de abril de 2026 para 0,118 ponto depois dessa data, mas o relatório considerou a diferença estatisticamente insignificante. Segundo o The Next Web, o Google atribuiu a posição do Argon acima da tendência a investimento adicional e mais computação de treinamento.

A cobertura anterior da NeoTeo sobre as críticas ao desempenho do Gemini 4 Argon tratou de outra questão; este artigo aborda o que a avaliação de segurança diz sobre a participação da IA no desenvolvimento de modelos.