Gemini 4 Argon теперь доступна для авторазметки в Ultralytics Platform

Разметка данных по-прежнему отнимает больше всего времени в большинстве проектов компьютерного зрения. Авторазметка ускоряет этот процесс: модель создает черновую версию ограничивающих рамок, чтобы команда проверяла и исправляла разметку, а не обводила каждый объект вручную. Но качество черновика зависит от модели, которая его создает.

Сегодня Gemini 4 Argon стала доступна для авторазметки в Ultralytics Platform. В нашем тестировании всех 26 моделей авторазметки с подсказками классов, доступных в Ultralytics Platform, включая GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5 и Claude Fable 5.1, Gemini 4 Argon с большим отрывом показала наивысшую точность.

Что нового: Gemini 4 Argon для авторазметки#

Gemini 4 Argon появилась среди визуально-языковых моделей с подсказками классов в редакторе разметки Ultralytics Platform. На наборе данных для обнаружения объектов с 1–200 классами модель анализирует каждое изображение и возвращает рамки для найденных экземпляров классов из набора данных. Ты проверяешь и сохраняешь их так же, как любые другие предсказания.

Её можно использовать двумя способами:

• По одному изображению: в редакторе разметки переключись в режим Smart, выбери gemini-4-argon в разделе Google в списке моделей и нажми Predict (или нажми P).
• Для всего набора данных: запусти Batch Annotation, выбрав More actions > Batch Annotation на странице набора данных, чтобы разметить все неразмеченные изображения за один запуск.

Gemini 4 Argon дополняет другие варианты авторазметки в Ultralytics Platform: от подсказок точками для SAM 3.1 до собственных дообученных моделей Ultralytics YOLO. Подробнее о том, как Ultralytics Platform использует ИИ для автоматизации разметки.

Как мы сравнивали 26 моделей авторазметки#

Модель, которая находит почти все объекты на обычных фотографиях, может пропускать большинство объектов на медицинском снимке или печатной плате. Поэтому мы проверяли модели не только на обычных фотографиях, а на UL37 — наборе реальных эталонных наборов данных, которые Ultralytics использует для оценки. Мы взяли из него 36 наборов данных для обнаружения объектов. Они охватывают медицинские изображения, аэрофотоснимки и спутниковые снимки, контроль печатных плат, рентгеновские снимки для досмотра, магазинные полки, дорожное движение, спорт, подводные сцены, тепловизионные записи и многое другое.

Мы отправили каждой модели с подсказками классов в Ultralytics Platform 108 размеченных изображений (по три на набор данных), используя тот же код обнаружения, что и редактор разметки, и полный список классов каждого набора данных. Затем мы сравнили полученные рамки с эталонной разметкой по показателю mAP50. Каждый поставщик запускал модель с уровнем рассуждений по умолчанию, а при повторных запусках оценки менялись всего примерно на 0.005 mAP50.

Gemini 4 Argon в сравнении с GPT-6.1 Sol, Claude Opus 5.5 и GPT-6 Astra#

Gemini 4 Argon достигла 0.565 mAP50, значительно опередив GPT-6.1 Sol (0.491), Gemini 3.8 Flash (0.489), Claude Opus 5.5 (0.476) и GPT-6 Astra (0.470). Модель выполнила все запросы, затрачивая в среднем около пяти секунд на изображение.

Её преимущество не связано с тем, что она дольше рассуждает. При уровне рассуждений по умолчанию Gemini 4 Argon использовала в среднем около 150 выходных токенов на изображение — примерно столько же, сколько Claude Opus 5.5, и значительно меньше, чем GPT-6.1 Sol или Gemini 3.8 Flash.

Точность и стоимость: Gemini 4 Argon, Claude Haiku 5.5 и премиальные модели#

Платные модели работают с твоим собственным API-ключом поставщика, поэтому поставщик напрямую выставляет счёт за каждое предсказание. По стартовым тарифам Google, действующим до 30 ноября 2026 года, в нашем тестировании Gemini 4 Argon стоила около $7.60 за 1000 изображений. После этого её цена удвоится и составит около $15 за 1000 изображений при том же объёме использования.

Премиальные модели стоят дороже, но не показывают более высоких результатов. GPT-6 Astra и Claude Fable 5.1 стоят около $47 и $37 за 1000 изображений и набрали 0.470 и 0.372 соответственно. Если стоимость для тебя важнее максимальной точности, самыми точными недорогими моделями стали Claude Haiku 5.5 (0.384 mAP50 при стоимости около $0.35 за 1000 изображений) и Gemini 3.5 Flash-Lite (0.363 при стоимости около $1.36). А если ты не хочешь использовать ключ поставщика, самой точной моделью, размещенной на Ultralytics Platform, оказалась Qwen3.8 27B.

Gemini 4 Argon в 12 реальных областях применения#

Gemini 4 Argon превзошла средний результат всех 26 моделей в 11 из 12 областей и разделила первое место в подводной съемке. Наибольший прирост наблюдался для дорог и дорожного движения (0.59 против 0.17) и аэрофотоснимков (0.65 против 0.30); результат модели на медицинских изображениях вдвое превысил средний (0.57 против 0.28).

Специализированные изображения по-прежнему сложны для всех моделей. Даже Gemini 4 Argon набрала меньше 0.2 mAP50 на промышленных изображениях печатных плат и рентгеновских снимках для досмотра. Считай её рамки черновиком для проверки человеком и проверь несколько предсказаний на собственных изображениях, прежде чем размечать весь набор данных.

Начни работу с Gemini 4 Argon в Ultralytics Platform#

1. Добавь ключ API Google в разделе Settings > API Keys рабочей области, которой принадлежит твой набор данных, или попроси владельца рабочей области добавить ключ (инструкция).
2. Открой набор данных для обнаружения объектов в Ultralytics Platform, переключи редактор разметки в режим Smart и выбери gemini-4-argon в разделе Google.
3. Нажми Predict, чтобы разметить текущее изображение, затем проверь, скорректируй и сохрани рамки.
4. Когда результаты тебя устроят, запусти Batch Annotation, чтобы разметить остальные изображения в наборе данных.

За обработку с помощью Batch Annotation взимается стандартная плата Ultralytics Platform — $1.00 за 1000 изображений; она не включена в сумму, которую Google выставляет за использование твоего ключа API. Перед каждым запуском сохраняется версия набора данных, поэтому ты всегда можешь откатить изменения.

Когда набор данных будет размечен, обучи на нём модель Ultralytics YOLO26 в той же рабочей области (см. документацию по обучению). Сравниваешь инструменты разметки? Ознакомься с нашими руководствами о лучших платформах для разметки изображений и инструментах автоматической разметки и активного обучения. Затем войди в Ultralytics Platform, чтобы попробовать Gemini 4 Argon на собственных данных.