Gemini 4 Argon: nieuw model Google DeepMind

Op 30 september 2026 kondigde Google DeepMind Gemini 4 Argon aan, een nieuw grensmodel van de Gemini-familie. Het wordt via het Fairwind Program-programma uitgerold naar een kleine kring van vertrouwde cyberbeveiligingsprofessionals, en het bedrijf belooft later een bredere release: eerst voor ontwikkelaars, bedrijven en consumenten, te beginnen met betaalde API-gebruikers en Google AI Ultra-abonnees.

Wat kan Gemini 4 Argon doen?

De aankondiging noemt drie belangrijke gebieden waarop het model sterke resultaten laat zien:

• Programmering. Het model werkt met echte technische problemen - van alledaagse foutopsporing tot grote codebase-migraties. Google zegt dat Argon zijn topscore op de DeepSWE v1.1-benchmark (77,9%) heeft bijgewerkt, die de prestaties meet bij lange, uit meerdere stappen bestaande taken in de echte wereld.
• Bedrijfskenniswerk. Over juridisch en financieel gesproken: Argon is toonaangevend in de Vals Index, die de economische impact op deze gebieden meet, en toont toonaangevende resultaten in Vals Finance Agent v2 (financieel onderzoek in meerdere stappen) en Harvey's Legal Agent Benchmark (juridisch onderzoek en documentvoorbereiding). Op Zapier's AutomationBench, die de end-to-end uitvoering van zakelijke taken meet, stond het model op de eerste plaats met een score van 51,3%.
• Bescherming tegen cyberveiligheid. Argon is getraind om zelfstandig kwetsbaarheden te vinden, testen en patchen. In de CWE-bench v1 benchmark, die de eliminatie van kwetsbaarheden evalueert, deelt het model de eerste plaats met een resultaat van 68%. Het model wordt gegeven aan vertrouwde verdedigers en interne Google-teams zonder “cyberbegrenzers” om het volledige beschermingspotentieel te benutten.

Er wordt vooral nadruk gelegd op het werken met visuele informatie: het model ontleedt professionele grafieken, vindt details in lange video's en handelt op een reeks documenten. Op de LVBench-benchmark, die het begrip van lange video's meet, behaalde Argon een score van 91,7%.

Architectuur: wat wordt onthuld en wat niet

Google DeepMind in de aankondiging onthult niet de technische architectuur van Gemini 4 Argon - noch het aantal parameters, noch de structuur van lagen, noch trainingsgegevens. Het bedrijf beschrijft het model aan de hand van zijn gedrag: het vermogen om diep te redeneren tijdens lange, uit meerdere stappen bestaande workflows. Daarom geven we geen specifieke architectonische details - ze staan ​​niet in de officiële bron en we zullen het ontwerp van het model niet verzinnen.

Uitvoerlimiet - 1 miljoen tokens

Een van de belangrijkste officiële wijzigingen is dat de uitvoerlimiet is uitgebreid naar 1 miljoen tokens, tegenover de vorige 64 duizend. Wanneer een model de ruimte heeft om diep na te denken en honderdduizenden tokens in één traject te genereren, pakt het in één keer complexe problemen aan. Dit is de aangegeven weddenschap voor lange taken met meerdere stappen.

Hoe Argon al binnen Google wordt gebruikt

Het bedrijf geeft specifieke voorbeelden van intern gebruik:

• Kwantumalgoritmen. Argon helpt onderzoekers de bronnen (qubits × poorten) van routines te optimaliseren. In één voorbeeld presteerde het model binnen enkele minuten 40% beter dan de gepubliceerde basislijn.
• Geheugenbesparing. Agents op Argon analyseerden de profilering van het gehele serverpark en voerden geheugenoptimalisaties door, waardoor na de implementatie meer dan 300 TiB vrijkwam - met een schatting van 500 TiB tot 1 PiB in totaal.
• Codemigraties. Argon-agenten vertalen codebases van C/C++ naar Rust - van tienduizenden regels in bibliotheken zoals re2 en libgav1 tot meer dan 800 duizend regels van de Fuchsia Zircon-kernel. Voor libgav1 hebben agenten 32.000 regels SIMD-code vervangen en een beveiligde videodecoder verkregen die 2,7 keer sneller werkt dan de Rust-poort met identieke video.

Veiligheid vóór brede release

Vóór de massalancering versterkt Google zijn beschermingsmechanismen. Het model moet gevaarlijke verzoeken (cyberdreigingen, maar ook chemische, biologische, radiologische en nucleaire scenario's) afwijzen, terwijl legitieme wetenschappelijke doelstellingen behouden blijven. De weerstand tegen indirecte injecties van prompts wordt afzonderlijk verklaard: volgens de Gray Swan IPI-benchmark is Argon de leider. Een andere richting is het beheersen van afwijkingen van de bedoelingen van de gebruiker: het systeem bewaakt de keten van redeneringen en acties van het model en stopt indien nodig de uitvoering.

Prijs en toegang

Google noemt de startprijs voor de introductieperiode: $2 voor 1 miljoen inputtokens en $10 voor 1 miljoen outputtokens. In de cache opgeslagen inputtokens krijgen een korting van 95% op de instapprijs. Na het einde van de introductieperiode bedraagt ​​de prijs $4 voor 1 miljoen inputtokens en $20 voor 1 miljoen outputtokens. Er is geen publieke toegang op het moment van de aankondiging: alleen vertrouwde testers en verdedigers ontvangen het model, dus er worden prijzen gegeven voor een toekomstige commerciële lancering.

Gemini 4 Argon op NeuralSpace

Ondertussen kunt u in de chat en de sectie "Code" met andere huidige modellen werken.