‏Gemini 4 Argon در کدنویسی و ساخت بازی چطوره؟

Gemini 4 Argon مدل پرچمدار جدید گوگله که بعد از Gemini 3 و 3.1 Pro اومده. این مقاله نتیجهٔ تست‌های عملی چند سازندهٔ مستقل رو تو کدنویسی و بازی‌سازی جمع کرده. مدل یه context window یک میلیون توکنی داره و یه پروتکل continuation که کمک می‌کنه کارهای طولانی ایجنتی بدون گم کردن وضعیت ادامه پیدا کنن.

تو بازی‌سازی، یه نفر یه بازی tower-defense ایزومتریک کامل با Godot و asset‌های Blender ساخت که همه‌ش رو Argon هدایت کرده بود. ولی مقایسه‌های مستقیم یه الگوی ثابت نشون می‌ده: Argon قابلیت و گیم‌پلی بیشتری می‌سازه ولی ظاهرش زمخت‌تره. مثلاً تو یه بازی شبیه Paperboy، نسخهٔ Opus تمیزتر بود ولی نسخهٔ Argon نشونه‌گیری با موس، رمپ و تعامل بیشتری داشت. یه شبیه‌سازی Rube Goldberg تو Three.js هم کار می‌کرد ولی clipping داشت، یعنی اجسام از توی هم رد می‌شدن.

تو مقایسه با Muse Wonder متا که برای کار سه‌بعدی آموزش خاصی ندیده، Argon تو Three.js، Blender و Unreal Engine بهتر بود. ولی به گفتهٔ تسترها هیچ‌کدوم به کیفیت بصری Opus و Astra نمی‌رسیدن.

چند سازنده بدون هماهنگی با هم از یه کلمه استفاده کردن: «عجیب». Ethan Mollick گفته کار با Argon نشون می‌ده چقدر مدل‌های دیگه احتمالاً از Claude و GPT تقطیر (distill) شدن، یعنی رفتار اونا رو یاد گرفتن. نتیجه‌ش اینه که ترفندهای پرامپت‌نویسی Claude و GPT روش خوب جواب نمی‌ده. در عوض با یه پرامپت ساده مثل «یه کلون Fall Guys بساز» حدود ۳۰ دقیقه خودش کار می‌کنه و یه نتیجهٔ قابل بازی می‌ده.

تو بنچمارک‌ها Argon نزدیک صدره ولی کمتر پیش میاد اول باشه: ۷۷.۹ درصد تو یه eval شبیه SWE-bench (پشت Muse Wonder با ۷۹)، اول تو Vibe Code Bench با ۹۱.۹، و ۵۷ درصد تو Terminal Bench در برابر ۶۶.۴ برای Opus 5.5. تو OSWorld حدود ۶۹ گرفته که نزدیک ۷۱.۴ مدل GPT هست. بزرگ‌ترین جهش تو بنچمارک‌های اسنادی Box بود: از ۷۱ درصد Gemini 3.1 Pro به ۸۵ درصد. یه تستر هم تو حدود ۲۰ دقیقه یه کلون Excel با فرمول و SUM تو مرورگر ساخت.

جمع‌بندی مقاله اینه که Argon برای کدنویسی ایجنتی، کارهای طولانی و نمونه‌سازی سریع گزینهٔ جدیه. پیشنهاد بعضی تسترها ترکیب مدل‌هاست: Opus یا Astra برای لایهٔ گرافیک و سه‌بعدی، و Argon برای منطق، UI و بک‌اند.

نکات کلیدی:

• Argon تو Vibe Code Bench با ۹۱.۹ درصد اوله ولی تو Terminal Bench با ۵۷ درصد پشت Opus 5.5 با ۶۶.۴ هست
• تو بنچمارک اسنادی Box از ۷۱ به ۸۵ درصد رسیده، یعنی ۱۴ امتیاز بالاتر از Gemini 3.1 Pro
• تو گرافیک سه‌بعدی از Muse Wonder بهتر ولی از Opus و Astra ضعیف‌تره
• با پرامپت‌های ساده حدود ۳۰ دقیقه مستقل کار می‌کنه و بازی قابل اجرا می‌سازه
• پرامپت‌نویسی براش با Claude و GPT فرق داره و یه دورهٔ یادگیری لازمه