Ultimate Gemini Guide: How to Use Gemini 4 Argon (Beginner to Pro)

Я создал это приложение с помощью одного промпта в Gemini 4 Argon, самой мощной ИИ-модели Google. Я покажу, как использовать её за пару долларов, не оформляя дорогую подписку. Мы проведем пять реальных тестов, чтобы понять, стоит ли она своих денег. Начнем с приложения. Я открыл Gemini, выбрал Argon и включил функцию Canvas. Мне нужно приложение для расчета стоимости проектов фрилансеров. Описываешь задачу простыми словами, и Gemini внутри приложения оценивает часы и диапазон цены. Затем можно вручную отредактировать эту оценку. Дизайн, логика и функции ИИ намеренно объединены в одном промпте. Если просить функции по очереди, модель будет «латать» свои же ошибки. Если попросить всё сразу, огрехи проявятся быстро. Когда приложение появляется, я не оцениваю внешний вид в первую очередь . Я запускаю два разных проекта: например, логотип на одной странице и полноценный сайт с формой бронирования. Затем я сравниваю обе оценки. После этого я вручную меняю количество часов и смотрю на итог. Если пересчитывает— значит, под капотом есть реальная логика . Если число не меняется, значит, у вас просто красивая картинка. Я также проверяю менее заметные детали. Сохраняет ли система выбора при первом запуске? И что будет, если отправить пустое описание? Я также сжимаю окно до размера экрана телефона, чтобы проверить , всё ли помещается. Это те места, где сгенерированные приложения чаще всего ломаются. И если что-то сломалось, не нужно начинать сначала. Вставьте сообщение об ошибке обратно в чат и попросите исправить что-то одно. Вы увидите, как я делаю это в каждом последующем тесте. Теперь я пишу дополнение всего в одну строку. Эта кнопка превращает демо в инструмент, ведь теперь приложение создает текст, который реально можно отправить. Проверка всё та же. Меняем оценку и смотрим, меняется ли сообщение вместе с ней. Argon самостоятельно пишет и текст , и код. Весь интерфейс, который вы видите—это код, написанный моделью, вплоть до сохранения проекта. Когда модель создает приложение, вы по сути тестируете, как она пишет и структурирует код, а проверить работу можно только кликая по элементам. Важно понимать тип модели, так как от этого зависит, какие задачи ей можно поручать . Argon—это модель с глубоким рассуждением, поэтому перед ответом она тратит время на «раздумья». Вы платите за это время как ожиданием, так и токенами. Поэтому она плохо подходит для простого переписывания электронных писем . Это отличный вариант для задач, с которыми не справляются обычные модели, например, для поиска ошибки в сотнях строк кода. Другой пример—договор и электронная таблица, которые нужно изучать одновременно. Длинные задачи, где каждый шаг зависит от предыдущего, — еще одна подходящая область. Именно такую работу я буду давать ей на протяжении остальной части видео. Если вы делаете видео с ИИ-аватарами, именно голос часто выдает их искусственность. Эта часть видео спонсирована HeyGen. Большинство ИИ-клонов голоса звучат одинаково, где бы ни находился ваш аватар. Поэтому сцена на оживленной улице всё равно звучит как запись в студии. Голос HeyGen—лучшая в мире голосовая модель, первая, созданная для адаптации к видео. Она клонирует ваш голос, а затем меняет манеру речи, чтобы соответствовать окружению, сохраняя при этом ваше звучание. Она даже дебютировала на первом месте в рейтинге голосовых моделей Artificial Analysis. Я был приятно удивлен тем, насколько хорошо это работает. Вот один и тот же клонированный голос в трех разных местах , произносящий одну непрерывную мысль. Сначала—тихий домашний кабинет поздно ночью. Поздно. В доме тихо. Я сижу за столом, говорю тихо, чтобы никого не разбудить. Затем—пустой склад с сильным эхом. А теперь я стою на пустом складе, где мой голос отражается от каждой стены. Наконец—оживленная железнодорожная платформа. А теперь я на железнодорожной платформе. Поэтому мне приходится говорить громче, перекрывая всё, что происходит вокруг. Вау, это действительно круто. Это всё еще мой голос, и ничего не искажается. Звук остается чистым и профессиональным. Он просто звучит так, будто действительно находится в этой сцене. Вы можете попробовать свой собственный голос на heygen.com. Ссылка находится в описании . Если вам интересно, можете ли вы попробовать Argon, вот как это устроено . В приложении Gemini, в режиме ИИ и поиске, Argon доступен подписчикам Google AI Pro и Ultra. Pro стоит около 20 долларов в месяц, а Ultra—от 100 долларов. Anti-Gravity—это приложение Google для программирования в стиле агентов, и изначально оно было доступно только в Ultra. Теперь оно становится доступно и для подписчиков Pro с отдельным недельным лимитом; Argon, AI Studio, Gemini API, Android Studio и Firebase AI Logic работают на платном уровне API. Идентификатор модели, который вам понадобится, —Gemini for Argon. Если вы уже работаете в одной из них, это ваш путь доступа. Чего вы нигде не найдете, так это бесплатной версии. Вы можете протестировать её без ежемесячной подписки. Используйте API через AI Studio и пополните небольшой баланс, так как оплата идет за токены. Разберем математику на вымышленном примере. Контракт на 20 000 токенов стоит 4 цента за ввод при цене 2 доллара за миллион. 10 000 токенов ответа, включая процесс мышления, стоят еще 10 центов. Итого около 14 центов за один серьезный запрос. Это лишь примерная оценка, а не расценка; долгое «мышление » обойдется дороже. Тем не менее, это показывает, почему пополнения на 5 долларов хватит на множество реальных тестов. Согласно одному независимому тесту, 1000 коротких ответов чат-бота стоят около 9,50 долларов. Есть два момента, на которые стоит обратить внимание. Минимальное пополнение в США составляет 5 долларов, в других регионах сумма может быть выше. Проверьте свою страницу оплаты и относитесь к API- ключу как к паролю. Храните его в переменной окружения, но никогда—в публичном коде. Любой, у кого он окажется, сможет тратить ваши деньги. Перед тем как идти дальше, проведем еще один тест, который стоит прогнать на любой модели, которой вы доверяете документы. Спросите о пункте, которого вообще нет в контракте. Например, спросите, что сказано в статье 14 о штрафе за просрочку платежа, когда статьи 14 и штрафа не существует. Модель , на которую можно положиться, ответит, что не может найти эту информацию. Модель, на которую нельзя положиться, уверенно напишет абзац о несуществующем штрафе. Затем можно расширить тест. У меня есть пять вопросов, и два из них касаются вещей, которых не существует. Один—о вымышленной структуре, другой—о вымышленном исследовании. Те же пять вопросов я задаю бесплатной модели Gemini и Argon одновременно. Я ищу простой ответ. Признает ли каждая модель , что не узнает вымышленные темы, или начнет придумывать детали, чтобы заполнить пробел? Затем я отправляю обоим второй запрос. Теперь я вижу, насколько уверенность модели соответствует истине. Имейте в виду: это всего пять вопросов, а не полноценное исследование. Что бы ни показал разделенный экран—это лишь быстрый индикатор, а не доказательство. Вам все равно нужно проверять все важное, но этот второй запрос стоит взять на вооружение для повседневной работы с любой моделью. Вместо того чтобы звучать уверенно, модель указывает, где именно нужно искать информацию. Получить доступ —это самая простая часть. Трудности обычно возникают со всем, что окружает модель. Вам нужны промпты, оставляющие место для ответа «я не знаю», и понимание того, когда стоит повысить уровень «мышления». И главное— проверяйте ответ, прежде чем действовать на его основе. Одно видео не привьет эту привычку. Именно поэтому я создал AI Master—свою собственную обучающую платформу. Там вы сможете глубже погрузиться в темы, затронутые в этом видео. Это означает работу с моделями рассуждения и проверку того, что они вам выдают. Вы также получаете курсы, которых нет на этом канале и которые здесь не будут опубликованы. Обучение персонализировано, поэтому оно адаптируется к вашему уровню и реальным целям. Оно не ведет всех по одному и тому же пути. Здесь более 200 уроков и свыше 30 часов материала. Практика встроена, так что вы применяете урок сразу после его завершения. Есть студия , где вы создаете контент с помощью новейших моделей, которые постоянно обновляются. ИИ-чат находится на той же платформе, поэтому вы не платите за кучу отдельных подписок. А контент-агент помогает применять полученные знания к вашему каналу и видео. Если вы решите присоединиться, я бы посоветовал годовой план. Это выгоднее ежемесячной оплаты, плюс вы получаете лимит токенов на весь год для практики. У вас также будет время пройти курсы и применить их на деле. Существует 7-дневная гарантия возврата средств, если окажется, что это не для вас. Более 15 000 студентов уже обучаются там. При работе с документами проверка ответов важнее всего, поэтому это следующий тест. Я снова в приложении Gemini с выбранным Argon и загружаю договор на оказание услуг в формате PDF . Это именно та работа, для которой, по словам Google, создавался Argon: длинные документы с мелким шрифтом. Промпт выполняет две задачи одновременно. Он настраивает модель на мою сторону и делает каждый вывод проверяемым. Дословная цитата—это самая важная часть . Краткий пересказ может звучать убедительно, но быть выдумкой. Цитата либо есть в документе, либо её нет, и это можно выяснить за пару секунд текстовым поиском. Чтобы проверить, я поискал две цитаты в PDF-файле. Если обе совпадают дословно, я больше доверяю остальному списку. Если хотя бы одна нет , весь ответ становится лишь черновиком . Затем я спрашиваю, с какой страницы была взята каждая цитата. Важно также позволить модели признать, что пункт договора неясен. В контрактах полно расплывчатых формулировок вроде « разумные правки» или «оплата после одобрения». Расплывчатый пункт сам по себе является риском. Я предпочту, чтобы модель пометила его как неясный, чем просто истолковала в мою пользу. Затем следует уточняющий запрос, и он создает само письмо. Поскольку контракт уже есть в переписке, ничего не нужно загружать заново. Вот где модель рассуждения окупает свою стоимость. Выявление рискованного пункта—это одна задача. Превратить это в формулировку, которую клиент действительно примет, —уже совсем другая. Модели приходится одновременно удерживать в памяти исходный пункт договора, риски и тон документа. Google заявляет, что Argon занимает первое место в индексе Vales, который оценивает работу моделей с профессиональными материалами в области финансов, права, налогов и программирования. Это результат, опубликованный Google и выгодный самому Google. Воспринимайте это как повод протестировать Argon на своих документах, а не как гарантию того , что он прочтет их верно. И для ясности : это не является юридической консультацией. Это лишь быстрый способ найти пункты, которые стоит обсудить с настоящим юристом. Контракт—это один из типов длинных входных данных. Полнометражное видео—другой. Я загружаю одно из своих видео с этого канала и спрашиваю Argon о том, о чем обычно спрашиваю редактора. Я хочу знать, в каких местах зрители, скорее всего, уйдут, какими должны быть главы, и получить список того, что стоит вырезать . Затем я провожу настоящую проверку. Я открываю YouTube Studio и загружаю график удержания аудитории для этого же видео. Затем я сравниваю его со списком от Argon. Модель не видит мою аналитику , так как она только смотрит видео. Это делает тест честным. Если отмеченные ею моменты совпадают с реальными спадами на графике, значит, она воспринимает темп примерно так же, как и зрители. Если нет , относитесь к списку на удаление просто как к еще одному мнению. Главы можно вставить сразу, предварительно быстро просмотрев временные метки. С переписанным вступлением все иначе, ведь это дело вкуса, а не фактов. Используйте его как отправную точку и скажите все своими словами. За каждым ответом до этого стояла определенная настройка. У Argon есть три уровня мышления: низкий, средний и высокий. Средний используется по умолчанию. Представьте низкий уровень как быстрый вопрос коллеге в коридоре. Высокий—это просьба присесть и тщательно во всем разобраться. Более высокий уровень означает больше скрытых размышлений перед ответом, поэтому вы ждете дольше и тратите больше токенов. Эти «токены размышления» оплачиваются как исходящие. Самый простой способ выбрать уровень—провести небольшой эксперимент, и материал для него у нас уже есть. Я запускаю промпт по контракту из начала видео сначала на низком, а потом на высоком уровне, а затем сравниваю два списка из пяти пунктов. Если на высоком уровне нашлось то, что пропустил низкий, значит, такие документы требуют высокого уровня. Если списки идентичны, среднего уровня вполне достаточно, и вы экономите время и токены. Вот один практический совет прямо из документации Google. Если хотите получать ответы дешевле, снижайте уровень мышления, а не ограничивайте длину ответа. Ограниченный ответ может прерваться на полуслове, но вы все равно платите за уже проделанные вычисления. Я загружаю CSV-файл с доходами и расходами за полгода—именно тот файл, который обычно есть у фрилансера или владельца небольшого канала. Рекламные обещания Google меркнут перед такой задачей, как чтение таблиц и анализ данных в динамике . Я запросил даты, чтобы план можно было реально проверить. Больше всего меня здесь интересует фраза «покажи свои расчеты». График выглядит убедительно вне зависимости от того, верны ли стоящие за ним цифры, поэтому я хочу видеть саму математику для проверки. И я действительно проверяю её в двух местах . Первая проверка—это общая сумма. Я выбираю один месяц, скажем, общие расходы за март, и сам складываю их. Затем я сравниваю результат с числом модели. Вторая проверка—это один график . Я выбираю один столбец или точку и ищу это значение в исходных данных. Два совпадения не доказывают правильность всего анализа, но они значительно повышают доверие к нему. Если число не сходится, я просто спрашиваю модель, откуда оно взялось. Часто это бывает неверно прочитанный столбец или дважды учтенная строка. Одна точная корректировка исправляет всё, и это гораздо быстрее, чем начинать сначала. Я не зря оставил фразу про «собственное мнение». Шесть месяцев—это короткий промежуток времени. Один затратный месяц —это еще не тренд. Я хочу, чтобы модель сказала мне об этом, а не строила стратегию на одном случайном всплеске. Я запросил даты, чтобы план можно было реально проверить. В следующем месяце вы загружаете новые цифры в тот же чат и видите, дали ли изменения какой-то результат. Вы, вероятно, уже видели эти громкие цифры в заголовках. Google заявляет, что Argon набирает 77,9%в Deep SWE v 1.1, который проверяет выполнение длительных реальных инженерных задач. Google называет это новым отраслевым стандартом. Он также занимает первое место в индексе Vowels и лидирует в тесте Grey Swan на инъекцию промптов. Там атаки срабатывали лишь в 0,7% случаев из 15 адаптивных попыток. Это те цифры, которые Google решила выделить. Независимые рейтинги выглядят гораздо скромнее. Artificial Analysis ставит Argon ниже Claude Opus 5.5 и Sonnet 5.5 . В предыдущем индексе Argon был на одном уровне с Fable. Первые рецензенты отмечают, что Claude Opus всё ещё впереди в задачах по кодингу в терминале . В такой работе Argon примерно на равных с Fable. Рецензенты также говорят , что Opus и некоторые конкуренты создают более привлекательные игры, хотя игровые механики Argon зачастую выглядят более проработанными. В этих графиках разрыв в один-два балла—это практически ничья. Ситуация может измениться уже после следующего обновления. Бенчмарки показывают, какие модели стоит пробовать для вашей работы. Они подскажут, какая модель правильно прочтет ваш контракт. Эта часть зависит от проверок, которые мы проводили. Для последнего теста я оставляю решения за моделью. Один и тот же промпт отправляется Argon, Canvas и Claude Opus 5.5, и в этот раз я не описываю правила. Каждая модель должна придумать небольшую игру и сбалансировать её. Затем она должна объяснить правила на стартовом экране. Я играю в обе версии и обращаю внимание на три вещи. Сначала я проверяю, сходятся ли цифры. Если я беру заказ по определенной цене, увеличивается ли мой доход на эту сумму и совпадает ли итоговый отчет за седьмой день с тем, что произошло на самом деле? Во-вторых, я ищу стратегию, которая ломает игру, например, принимая все дешевые заказы или бесконечно повышая цены без каких- либо негативных последствий. В-третьих, я тестирую её на экране телефона, потому что игра, в которой нельзя нажимать кнопки, не закончена. Этот второй промпт —то, где мышление проверяется по- настоящему. Модель должна разыграть свою игру в уме и найти слабое место. Затем она должна изменить правила, не сломав те части, которые уже работают. После этого я снова играю, чтобы проверить, действительно ли закрыта лазейка и сходятся ли ежедневные отчеты. Та версия , которая выдержит это испытание, и побеждает в этом раунде. Это более полезное сравнение, чем то, чья игра выглядит красивее при первой загрузке. Вот как я разделил бы работу. Повседневные задачи вроде переписывания письма или краткого изложения статьи— для бесплатной модели Gemini. Она быстрее и ничего вам не стоит. Argon подходит для тяжелых задач, таких как длинные документы, юридическая работа и данные, которые нужно проанализировать и проверить. Более масштабные проекты, где много компонентов должны сочетаться друг с другом, тоже лучше делать в ней. Для программирования в терминале эксперты по -прежнему отдают предпочтение Claude Sonnet и Opus, так что я бы смотрел в их сторону. В Argon я бы начинал со среднего уровня настроек. Если ответ верный, но поверхностный, переключитесь на высокий уровень и запустите снова. Если средний уровень уже дает то же, что и высокий, оставайтесь на нем и экономьте время и токены. А если вы хотите попробовать через API, время имеет значение. Вводная цена в 2 доллара за миллион входных токенов и 10 за миллион выходных действует до 30 ноября . С 1 декабря она удваивается до 4 и 20 . Так что если вы планируете протестировать её дешево, этот месяц— самое время. Минимального платежа в 5 долларов через API должно хватить на множество запусков, подобных тем, что в этом видео. Argon стоит своих денег только в том случае, если вы перепроверяете его работу. Если вы хотите правильно сформировать эту привычку, AI Master предложит вам курсы и практику в одном месте. Увидимся в следующем видео.