← Alle Artikel

Gemini 4 Argon: neues Modell Google DeepMind

Helles Studio mit schwebendem Kristall und sanftem Netzwerk aus Lichtknoten

Am 30. September 2026 kündigte Google DeepMind Gemini 4 Argon an, ein neues Grenzmodell der Gemini-Familie. Es wird im Rahmen des Fairwind Program-Programms einem kleinen Kreis vertrauenswürdiger Cybersicherheitsexperten zugänglich gemacht, und das Unternehmen verspricht später eine breitere Veröffentlichung: zunächst für Entwickler, Unternehmen und Verbraucher, beginnend mit bezahlten API-Benutzern und Google AI Ultra-Abonnenten.

Schema eines langen mehrstufigen Problems, das das Modell in einem Durchgang löst

Was kann Gemini 4 Argon tun?

In der Ankündigung werden drei Schlüsselbereiche genannt, in denen das Modell starke Ergebnisse zeigt:

  • Programmierung. Das Modell funktioniert mit echten technischen Problemen – vom alltäglichen Debugging bis hin zu umfangreichen Codebasismigrationen. Laut Google hat Argon seine Höchstpunktzahl beim DeepSWE v1.1-Benchmark (77,9 %) aktualisiert, der die Leistung bei langen, mehrstufigen Aufgaben in der realen Entwicklung misst.
  • Unternehmenswissensarbeit. Apropos Recht und Finanzen: Argon ist führend im Vals Index, der die wirtschaftlichen Auswirkungen in diesen Bereichen misst, und weist führende Ergebnisse im Vals Finance Agent v2 (mehrstufige Finanzrecherche) und im Harvey's Legal Agent Benchmark (juristische Recherche und Dokumentenvorbereitung) auf. Auf der AutomationBench von Zapier, die die End-to-End-Ausführung von Geschäftsaufgaben misst, belegte das Modell mit einer Punktzahl von 51,3 % den ersten Platz.
  • Cybersicherheitsschutz. Argon ist darin geschult, Schwachstellen autonom zu finden, zu testen und zu beheben. Im CWE-bench v1 Benchmark, der die Beseitigung von Schwachstellen bewertet, belegt das Modell mit einem Ergebnis von 68 % den ersten Platz. Das Modell wird vertrauenswürdigen Verteidigern und internen Google-Teams ohne „Cyber-Limiter“ zur Verfügung gestellt, um sein volles Schutzpotenzial auszuschöpfen.

Besonders hervorgehoben wird die Arbeit mit visuellen Informationen: Das Modell analysiert professionelle Grafiken, findet Details in langen Videos und bearbeitet eine Reihe von Dokumenten. Beim LVBench-Benchmark, der das Videoverständnis im Langformat misst, erreichte Argon einen Wert von 91,7 %.

Architektur: Was offenbart wird und was nicht

Google DeepMind gibt in der Ankündigung nicht die technische Architektur von Gemini 4 Argon bekannt – weder die Anzahl der Parameter, noch die Struktur der Schichten, noch Trainingsdaten. Das Unternehmen beschreibt das Modell anhand seines Verhaltens: der Fähigkeit, über lange, mehrstufige Arbeitsabläufe hinweg fundierte Überlegungen anzustellen. Daher machen wir keine Angaben zu spezifischen Architekturdetails – diese sind nicht in der offiziellen Quelle enthalten, und wir werden das Design des Modells nicht erfinden.

Ausgabelimit – 1 Million Token

Eine der wichtigsten offiziellen Änderungen besteht darin, dass das Ausgabelimit von zuvor 64.000 auf 1 Million Token erhöht wurde. Wenn ein Modell den Spielraum hat, gründlich nachzudenken und Hunderttausende von Token auf einer einzigen Flugbahn zu generieren, kann es komplexe Probleme in einem Durchgang lösen. Dies ist die angegebene Wette für lange mehrstufige Aufgaben.

Wie Argon bereits in Google verwendet wird

Das Unternehmen stellt konkrete Beispiele für die interne Nutzung bereit:

  • Quantenalgorithmen. Argon hilft Forschern, die Ressourcen (Qubits × Gates) von Routinen zu optimieren. In einem Beispiel übertraf das Modell die veröffentlichte Basislinie innerhalb von Minuten um 40 %.
  • Speichersparend. Agenten auf Argon analysierten die Profilierung der gesamten Serverflotte und führten Speicheroptimierungen durch, wodurch nach der Einführung mehr als 300 TiB frei wurden – mit einer Schätzung von insgesamt 500 TiB bis 1 PiB.
  • Codemigrationen. Argon-Agenten übersetzen Codebasen von C/C++ nach Rust – von Zehntausenden Zeilen in Bibliotheken wie re2 und libgav1 bis hin zu über 800.000 Zeilen des Fuchsia Zircon-Kernels. Für libgav1 ersetzten Agenten 32.000 Zeilen SIMD-Code und erhielten einen sicheren Videodecoder, der mit identischem Video 2,7-mal schneller arbeitet als der Rust-Port.

Sicherheit vor weitreichender Veröffentlichung

Vor dem Massenstart verstärkt Google seine Schutzmechanismen. Das Modell muss gefährliche Anfragen (Cyberbedrohungen sowie chemische, biologische, radiologische und nukleare Szenarien) ablehnen und gleichzeitig legitime wissenschaftliche Ziele wahren. Der Widerstand gegen indirekte Injektionen von Eingabeaufforderungen wird gesondert erklärt: Laut dem IPI-Benchmark von Gray Swan ist Argon führend. Eine andere Richtung besteht darin, Abweichungen von den Absichten des Benutzers zu kontrollieren: Das System überwacht die Argumentations- und Aktionskette des Modells und stoppt bei Bedarf die Ausführung.

Preis und Zugang

Google nennt den Startpreis für die Einführungsphase: 2 US-Dollar für 1 Million Input-Tokens und 10 US-Dollar für 1 Million Output-Tokens, zwischengespeicherte Input-Tokens erhalten einen Rabatt von 95 % auf den Einstiegspreis. Nach dem Ende der Einführungsphase beträgt der Preis 4 US-Dollar für 1 Million Input-Tokens und 20 US-Dollar für 1 Million Output-Tokens. Zum Zeitpunkt der Ankündigung gibt es keinen öffentlichen Zugang: Nur vertrauenswürdige Tester und Verteidiger erhalten das Modell, daher werden Preise für einen zukünftigen kommerziellen Start angegeben.

Gemini 4 Argon auf NeuralSpace

Im Chat und im Bereich "Code" können Sie mit anderen aktuellen Modellen arbeiten.