Im Quellenvergleich
Worin die Quellen übereinstimmen
Google hat am 30. September 2026 das KI-Modell Gemini 4 Argon vorgestellt. Das Modell soll bei Programmierung, Wissensarbeit und Cybersicherheit führend sein. Google setzt es intern bereits ein, unter anderem zur Migration von C/C++-Code zu Rust und zur Speichereinsparung in Rechenzentren. Das Ausgabelimit steigt von 64.000 auf 1 Million Tokens. Im Softwareentwicklungs-Benchmark DeepSWE v1.1 erreicht Gemini 4 Argon laut Google 77,9 Prozent. Eine breite Nutzung ist noch nicht möglich. Zunächst erhalten nur ausgewählte Cyber-Verteidiger im Fairwind-Programm und interne Teams Zugang. Der Einführungspreis liegt bei 2 Dollar pro Million Eingabe-Tokens und 10 Dollar pro Million Ausgabe-Tokens; zwischengespeicherte Eingaben kosten 95 Prozent weniger. Das Kontextfenster umfasst 1 Million Tokens. Eingaben sind Text, Bilder, Video und Sprache, Ausgaben nur Text. Nach der Einführungsphase steigen die Preise auf 4 Dollar pro Million Eingabe-Tokens und 20 Dollar pro Million Ausgabe-Tokens. Die allgemeine Verfügbarkeit soll mit zahlenden API-Kunden und Abonnenten von Google AI Ultra beginnen; einen Termin nennt Google nicht. Das Modell wird zunächst ohne Cybersicherheits-Guardrails bereitgestellt. Google beteiligt sich am freiwilligen Verfahren der US-Regierung. Die US-Regierung erhielt das Modell vor der Veröffentlichung. In Googles eigenen Benchmarks liegt Argon meist vorn.
Aktualisierungen
30.09.2026
22:06Zunächst erhalten nur ausgewählte Cyber-Verteidiger im Fairwind-Programm und interne Teams Zugang.
Der Einführungspreis liegt bei 2 Dollar pro Million Eingabe-Tokens und 10 Dollar pro Million Ausgabe-Tokens; zwischengespeicherte Eingaben kosten 95 Prozent weniger.
Das Kontextfenster umfasst 1 Million Tokens.
Eingaben sind Text, Bilder, Video und Sprache, Ausgaben nur Text.
23:06Nach der Einführungsphase steigen die Preise auf 4 Dollar pro Million Eingabe-Tokens und 20 Dollar pro Million Ausgabe-Tokens.
Die allgemeine Verfügbarkeit soll mit zahlenden API-Kunden und Abonnenten von Google AI Ultra beginnen; einen Termin nennt Google nicht.
Das Modell wird zunächst ohne Cybersicherheits-Guardrails bereitgestellt.
Google beteiligt sich am freiwilligen Verfahren der US-Regierung.
Die US-Regierung erhielt das Modell vor der Veröffentlichung.
In Googles eigenen Benchmarks liegt Argon meist vorn.
Worin sie sich unterscheidenZugang zum Modell·Preise für die API·Benchmark-Ergebnisse+4 weitere
Zugang zum ModellZugriff erhalten zunächst ausgewählte Cyber-Verteidiger über das Fairwind-Programm sowie interne Teams.- Auch Google-Ingenieure setzen das Modell bereits intensiv ein.1
- Mehrere Tausend Google-Mitarbeiter nutzen das Modell zum Programmieren und Recherchieren.2
Preise für die APIDer Einführungspreis liegt bei 2 Dollar pro Million Eingabe-Tokens und 10 Dollar pro Million Ausgabe-Tokens.- Preise für die API stehen noch nicht fest.1
Benchmark-ErgebnisseIm Softwareentwicklungs-Benchmark DeepSWE v1.1 erreicht Gemini 4 Argon 77,9 Prozent.- Im Benchmark DeepSWE v1.1 liegt Gemini 4 Argon mit 77,9 Prozent über GPT-6 Astra, Fable 5.1 und Opus 5.5.1
- Im Artificial Analysis Intelligence Index erreicht Argon auf Stufe „High“ 53 Punkte, gleichauf mit GPT-6 Astra (max) und Claude Fable 5.1.3
- Claude Opus 5.5 führt im Artificial Analysis Intelligence Index mit 58 Punkten, Claude Sonnet 5.5 folgt mit 56 Punkten.3
- Eine Index-Aufgabe kostet zum Aktionspreis 1,99 US-Dollar, nach Rabatt 3,98 US-Dollar.3
- Argon verbraucht im Schnitt 62.000 Output-Token pro Aufgabe, GPT-6 Astra nur 27.000.3
- Bei agentischen Aufgaben erreicht Argon in AutomationBench-AA 77,5 Prozent und damit Platz eins.3
- Auf Terminal Bench 4 erreicht Argon 57 Prozent und bleibt damit hinter mehreren Konkurrenten.3
- Die Halluzinationsrate von Argon liegt bei 15 Prozent, die Genauigkeit bei 50 Prozent.3
- In DeepSWE v1.1 erreicht Argon 77,9 Prozent gegenüber 73,7 Prozent von 3.8 Flash.2
- In AutomationBench erreicht Argon 51,3 Prozent.2
- In CWE-bench v1 erreicht Argon 68 Prozent.2
Interne NutzungGoogle setzt Argon intern ein, unter anderem zur Migration von C/C++-Code zu Rust und zur Speichereinsparung in Rechenzentren.- Argon half mit „fleet-wide telemetry data“, in den Rechenzentren 300 TiB Speicher zu sparen.1
- Argon-Agenten migrierten C/C++-Codebasen zu Rust, darunter Tausende Zeilen in den Bibliotheken re2 und libgav1 sowie über 800.000 Zeilen im Zircon-Kernel des Fuchsia OS.1
- Bei der Optimierung von Quantenalgorithmen drückte das Modell den Ressourcenbedarf eines Unterprogramms (Qubits × Gatter) binnen Minuten um 40 Prozent unter den veröffentlichten Referenzwert.4
- In Rechenzentren fanden Argon-Agenten Speicheroptimierungen, die nach dem Rollout über 300 TByte Arbeitsspeicher freisetzen sollen; Google schätzt die Einsparung auf 500 TByte bis 1 PByte.4
- Beim Video-Decoder libgav1 ersetzten die Agenten 32.000 Zeilen SIMD-Code durch sicheren Rust-Code; das Ergebnis sei ein speichersicherer Decoder mit identischer Videoausgabe, der 2,7-mal schneller läuft als die bisherige Rust-Portierung.4
Schutzmaßnahmen vor breiter Freigabe- Vor der breiten Freigabe will Google Schutzmaßnahmen gegen Missbrauch, Prompt-Injection, Fehlausrichtung und Systemangriffe stärken.5
Einordnung des Modells- Gemini 4 Argon liegt auf dem Niveau von OpenAIs GPT-6 Astra, bleibt in Gesamtwertungen aber hinter Anthropics Claude Opus 5.5.3
- Es ist das erste Frontier-Modell von Google seit mehr als sieben Monaten; das zuvor angekündigte Gemini 3.5 wurde ausgelassen.3
- Das im Mai vorgestellte „Gemini 3.5 Pro“ kam nicht zur allgemeinen Verfügbarkeit, danach erschienen Flash-Modelle ab Version 3.6.2
- Den Namen „Argon“ erklärt Google nicht, ebenso wenig das Verhältnis zum bisherigen „Pro“.2
Funktionen des ModellsDas Ausgabelimit steigt von 64.000 auf 1 Million Tokens.- Neu ist die Funktion „Long Decode Continuation“ zur Fortsetzung langer Antworten über Folgeanfragen.3