Gemini 4 Argon

Überblick

Gemini 4 Argon ist das erste Modell der Gemini-4-Generation von Google DeepMind, vorgestellt am 30. September 2026. Google positioniert es für lange, anspruchsvolle Wissensarbeit – Softwareentwicklung, Recht, Finanzen und vor allem defensive Cybersecurity. Neu ist das Ausgabelimit von bis zu 1M Token in einer einzigen Antwort (Vorgänger Gemini 3.1 Pro Preview: 64K); lange Ausgaben laufen über die „Long Decode Continuation" der Gemini-API, die eine Antwort über mehrere Aufrufe pausiert und fortsetzt.

Argon ist derzeit nicht allgemein verfügbar. Google setzt es intern ein und gibt es zunächst an ausgewählte Cyber-Verteidiger im Fairwind Program. Als Nächstes sollen zahlende API-Kunden und Abonnenten von Google AI Ultra folgen, ein Termin ist nicht genannt. Laut VentureBeat durchläuft das Modell zusätzlich den freiwilligen Pre-Release-Prozess der US-Regierung; Google begründet die Staffelung mit Schutzmaßnahmen gegen Cyber- und CBRN-Missbrauch sowie gegen Prompt Injection.

Argon verarbeitet Text, Bild und Video bei einem Kontext von 1M Token (laut Artificial Analysis und Vals AI) und gibt ausschließlich Text aus. Das Reasoning ist einstellbar; alle veröffentlichten Benchmarks beziehen sich auf die Stufe „high". Parameterzahl, Architektur, Trainingsdaten und Wissensstand legt Google nicht offen.

Use Cases

• Wirtschaftlich relevante Wissensarbeit in Finanzen, Recht, Steuern und Coding – Vals Index 68,9 % (Rang 1, unabhängig gemessen) vor Opus 5.5 (67,0 %), Fable 5.1 (65,8 %) und GPT-6 Astra (63,1 %)
• Finanzanalyse mit Agenten – Vals Finance Agent v2 65,4 %, Rang 1 bei Vals AI
• Auswertung sehr langer Dokumente – GraphWalks BFS 256K–1M 84,2 % laut Google, gegenüber 71,8 % bei GPT-6 Astra
• Verständnis langer Videos – LVBench 91,7 % laut Google (GPT-6 Astra 87,5 %)
• Schwachstellen finden und beheben – CWE-bench v1 68 %, gleichauf mit GPT-6 Astra (Collinear-Leaderboard)
• Workflow-Automatisierung – AutomationBench 51,3 % laut Google (Zapier-Leaderboard), Opus 5.5 42,5 %
• Große Code-Migrationen – Google nennt intern Portierungen von C/C++ nach Rust mit bis zu über 800.000 Zeilen (Fuchsia-Zircon-Kernel); das ist eine Herstellerangabe ohne unabhängige Prüfung

Stärken & Grenzen

Stärken:

• Niedrige Halluzinationsrate. Artificial Analysis misst in AA-Omniscience eine Halluzinationsrate von 15 % – die niedrigste unter allen Modellen mit Intelligence Index ab 45; GPT-6 Astra liegt bei 51 %. Die Kehrseite: Argon beantwortet weniger Fragen korrekt (50 % gegenüber 63 % bei Astra), es verweigert also eher, als zu raten.
• Rang 1 im LMArena-Textboard mit 1525 Elo (vorläufig, ±9, Stand 08.10.2026) vor Claude Opus 5.5 (1507). Im Code-Arena-Board WebDev steht es laut LMArena auf Rang 8.
• Robust gegen indirekte Prompt Injection. Im Gray-Swan-Benchmark gelingt ein Angriff bei 15 Versuchen in 0,7 % der Fälle – Opus 5.5 und Fable 5.1 liegen bei 1,0 %, GPT-6 Astra bei 8,5 %.
• Günstig je Aufgabe. Zum Einführungspreis kostet eine Aufgabe im AA-Index 1,99 $, bei GPT-6 Astra 3,26 $.

Grenzen:

• Nicht nutzbar. Eine öffentliche Modell-ID gibt es nicht; Testaufrufe über die Gemini-API liefen nach dem Launch ins Leere.
• Agentisches Coding hinter Anthropic und OpenAI. Terminal-Bench 4.0 liegt bei 57,4 % (Google), 57,1 % (Artificial Analysis) und 57,58 % (Vals AI) – die drei Messungen stimmen also überein, Opus 5.5 erreicht laut Anthropic aber 66,4 %. Bei FrontierSWE v2 (55,0 % gegenüber 65,5 %) und Terminal-Bench-Science 0.1 (57,6 % gegenüber 68,1 %) führt GPT-6 Astra, bei PostTrainBench Opus 5.5 (49,3 % gegenüber 45,3 %).
• Schwache Computernutzung. Im CUA-bench von Vals AI erreicht Argon 4,83 % und Rang 7 von 8.
• Hoher Tokenverbrauch. Für den AA-Index erzeugt Argon 110M Output-Token (Median vergleichbarer Reasoning-Modelle: 82M), rund 62K je Aufgabe gegenüber 27K bei GPT-6 Astra. Nach Ende der Einführungsphase verdoppeln sich die Kosten je Aufgabe auf 3,98 $.
• Breite Intelligenz nicht an der Spitze. Im AA Intelligence Index (v4.3.2) liegt Argon mit 53 gleichauf mit GPT-6 Astra und Fable 5.1, aber hinter Opus 5.5 (58) und Sonnet 5.5 (56).
• Herstellerprotokolle teils abweichend. DeepSWE v1.1 (77,9 %) rechnet Google mit eigenem mini-swe-Harness; Terminal-Bench-Science 0.1 (57,6 %) läuft mit sechsfachem Verifier-Timeout – Vals AI misst ohne diese Anpassung 44,29 %. Harvey's Legal Agent Benchmark stellt Google mit 19,6 % gegenüber 5,4 % (Astra) als Spitzenwert dar; bei Vals AI reicht der Wert für Rang 5 von 76.

Einordnung

Es liegt noch kein eigener Test vor – das Modell ist für uns derzeit nicht zugänglich. Die Einordnung stützt sich auf Googles Angaben und die unabhängigen Messungen von Vals AI, Artificial Analysis und LMArena.

Nach diesen Zahlen ist Argon dort vorn, wo es um faktentreue Analyse geht: Finanz- und Rechtsaufgaben, lange Dokumente, Recherche. Die niedrige Halluzinationsrate ist für Einsätze mit Haftungsrisiko das eigentliche Argument – wichtiger als der Platz im Ranking. Für agentisches Coding im Terminal bleiben Claude Opus 5.5 und GPT-6 Astra die stärkere Wahl.

Planen Sie Argon noch nicht ein. Weder Verfügbarkeitstermin noch Ende des Einführungspreises sind bekannt, und eine Bereitstellung in EU-Regionen ist nicht angekündigt.

Gut zu wissen

• Lizenz: proprietär, keine offenen Gewichte; Zugang derzeit nur über das Fairwind Program
• API-Preise zur Einführung: 2,00 $ / 1M Input, 10,00 $ / 1M Output, 0,10 $ / 1M Cache-Input; danach 4,00 $ / 20,00 $ (Dauer der Einführungsphase nicht genannt)
• Kontext 1M Token (Artificial Analysis, Vals AI); Ausgabe laut Google bis 1M Token, Vals AI testet mit maximal 262.144 Ausgabe-Token
• Eine Model Card hat Google zum Launch nicht veröffentlicht; stattdessen gibt es ein Dokument zur Evaluationsmethodik. Die Vergleichswerte darin stammen aus Herstellerangaben und Leaderboards, jeweils mit maximaler Reasoning-Stufe
• Die Score-Tabelle führt nur den LMArena-Wert (vorläufig). Googles Benchmark-Set enthält weder GPQA Diamond noch MMLU-Pro, SWE-bench Verified oder MMMU; Terminal-Bench liegt nur in Version 4.0 vor, der Katalog-Schlüssel meint v2.1; die Einzelwerte der AA-Indexkomponenten sind nicht als Text abrufbar
• Weitere Werte ohne Eintrag in der Score-Tabelle – Google: Vibe Code Bench v1.1 91,9 %, Agents' Last Exam 39,5 % (Opus 5.5 38,2 %), LABBench2 88,8 %, Chartography ohne Tools 71,6 %, GraphWalks BFS bis 128K 99,7 %, DeepSWE v1.1 77,9 %; Vals AI: Code Migration 68,17 %, CyberBench v1.1 77,86 %, LegalBench 88,30 %, IOI 100 %, SRE Bench 44,27 %, Tax Agent Bench 44,56 %; Artificial Analysis: AutomationBench-AA 77,5 %, AA-Omniscience 42
• Artificial Analysis rechnet mit Intelligence Index v4.3.2; Indexwerte nur innerhalb derselben Version vergleichen
• Nicht verwechseln mit Gemini 3.8 Flash Cyber, Googles bisherigem Cyber-Spezialmodell und Vergleichsmodell in der Ankündigung