Google hat am Mittwoch Gemini 4 Argon vorgestellt und damit sein neues Frontier-Modell mit Benchmark-Ergebnissen präsentiert, die es bei Cybersecurity-Tests vor konkurrierenden KI-Systemen platzieren. Das Modell erzielte 77,9 % bei DeepSWE v1.1 und erreichte eine Angriffserfolgsquote von 0,7 % bei Gray Swans Prompt-Injection-Benchmark, vor Claude Opus 5.5 und Claude Fable 5.1, die beide 1,0 % erreichten.

Der Launch kommt eine Woche nach der Veröffentlichung von Claude Opus 5.5 und einen Tag nach GPT 6.1 Sol – die jüngste in einer Reihe schnell aufeinanderfolgender Frontier-Modell-Releases führender amerikanischer KI-Labore, ein Takt, der Launch-Day-Benchmark-Tabellen zur laufenden Punkteliste der Branche gemacht hat.

Laut Googles offizieller Ankündigung ist das Modell das leistungsfähigste des Unternehmens bislang, gebaut für Programmierung, Büroarbeit und Cyberabwehr.

Starke Software-Engineering-Ergebnisse – mit Vorbehalten

DeepSWE v1.1 misst, ob ein KI-Modell lange, unordentliche, reale Software-Engineering-Aufgaben abschließen kann, wobei die Ergebnisse als Prozentsatz bewertet werden. Argon erreichte 77,9 %, vor Claude Opus 5.5 mit 74,2 %, GPT-6 Astra mit 74,1 % und Claude Fable 5.1 mit 67,4 %. Zur Einordnung: Gemini 3.6 Flash schaffte im Juli 49 % bei demselben Test.

Das Modell kann zudem bis zu 1 Million Tokens in einer einzigen Antwort schreiben, gegenüber zuvor 64.000. Ein Token ist ein Textabschnitt von etwa drei Vierteln eines Wortes, womit die neue Obergrenze bei rund 750.000 Wörtern gegenüber zuvor etwa 48.000 liegt – Spielraum für die langformatige Programmier- und Büroarbeit, für die das Modell gebaut wurde.

Die Zahlen sind mit einem Vorbehalt zu versehen: Google hat seinen eigenen DeepSWE-Wert berechnet, während die Zahlen der Konkurrenzmodelle von einer öffentlichen Rangliste und Unternehmensberichten stammen. Googles Vergleichstabelle räumt auch Schwächen ein. Argon führt bei 12 von 18 Benchmarks, liegt bei einem gleichauf und bei fünf hint – eine Mischung aus Coding-, Wissenschafts- und Computersteuerungs-Tests – eine Kombination aus selbst durchgeführten und methodisch unterschiedlichen Drittanbieter-Messungen, die man beim Blick auf die Schlagzeilenzahlen im Hinterkopf behalten sollte.

Cybersecurity im Mittelpunkt

Die zentrale Fähigkeit des Modells ist die Cyberabwehr. Bei einem indirekten Prompt-Injection-Angriff wird eine geheime Anweisung in einer E-Mail oder anderem Inhalt versteckt; wenn ein KI-Assistent sie liest, ist die Frage, ob das Modell dem Fremden statt seinem Nutzer gehorcht. Solche Angriffe sind ein Albtraumszenario für alle, die einer KI Zugriff auf ihren Posteingang oder Warenkorb geben.

Bei Gray Swans Indirect-Prompt-Injection-Benchmark, der bösartige Anweisungen in Inhalten versteckt, die KI-Agenten lesen, und bewertet, wie oft die Angriffe innerhalb von 15 Versuchen erfolgreich sind, landete Argon bei 0,7 % – wobei niedriger besser ist. Claude Opus 5.5 und Claude Fable 5.1 erzielten beide 1,0 %. GPT-6 Astra kam auf 8,5 %. Grok 4.6 und Kimi K3 wurden in gut der Hälfte der Fälle hereingelegt, mit 51,8 % und 52,7 %. Die Spanne von 52 Punkten zwischen der besten und der schlechtesten Verteidigung der Liste zeigt, wie uneinheitlich die Widerstandsfähigkeit gegen Prompt-Injection in der Branche weiterhin ist.

Eingeschränkter Rollout über das Fairwind Program

Argon geht zunächst an geprüfte Sicherheitsteams über das Fairwind Program, Googles Initiative für Cybersicherheit mit beschränktem Zugang, die am 2. September mit mehr als 650 Partnern startete, darunter Regierungen und Betreiber kritischer Infrastruktur. Das Modell wird „ohne Cyber-Guardrails“ ausgeliefert – die integrierten Verweigerungen, die ein Modell normalerweise davon abhalten, bei Hacking-Angriffen zu helfen.

Die Logik hinter diesem Schritt: Verteidiger brauchen ein Modell, das wie ein Angreifer denken kann, um Sicherheitslücken zu schließen, bevor Kriminelle sie finden. Der Haken: Dieselbe Fähigkeit schneidet in beide Richtungen, weshalb Google sagt, ein gestufter Rollout sei der einzige sichere Weg. Das Unternehmen nimmt zudem am freiwilligen Verfahren der US-Regierung für den Modellenzugang vor der Veröffentlichung teil.

Google ist nicht das erste Unternehmen, das ein Cyber-Modell hinter einen Samtvorhang sperrt. Eine frühe Version von Anthropics Claude Mythos half, 271 Schwachstellen in Firefox zu finden – 271 Sicherheitslücken, die Mozilla anschließend schloss. OpenAI ist mit seinem Trusted Access for Cyber Program einen ähnlichen Weg gegangen, wodurch eingeschränkter Cyber-Zugang zu einem aufkommenden Muster unter Frontier-Laboren wird.

Argons Cyber-Werte übertreffen auch die von Gemini 3.8 Flash Cyber, dem eingeschränkten Modell, das Google zusammen mit Fairwind startete. Beim Wiz Penetration Test Benchmark, einem internen Google-Test, bei dem eine KI funktionierende Exploits gegen echte Schwachstellen in Webanwendungen schreiben muss, ohne den Code zu sehen, und bei dem der Anteil der beim ersten Versuch gelösten F bewertet wird, erreichte Argon 70,9 % gegenüber 58,2 %. Google sagt zudem, Argon habe dem Sicherheitsunternehmen Wiz geholfen, eine kritische Schwachstelle in Krankenhaus-Software zu finden, die weltweit in Kliniken eingesetzt wird – eine Schwachstelle, die frühere Frontier-Modelle übersehen hatten.

Ein Launch nach einem holprigen Sommer

Die Veröffentlichung folgt auf eine schwierige Phase für Google. Im Juli brachte das Unternehmen kleinere Flash-Modelle heraus, ließ das versprochene Gemini 3.5 Pro aber aus, und die Alphabet-Aktie fiel um rund 4,4 %. Argon erschien zudem am selben Tag, an dem Präsident Trump ein freiwilliges KI-Abkommen ohne Sanktionen vorstellte, das Googles Führung unterzeichnet hat.

Google sagt, eine breitere Veröffentlichung werde so bald wie möglich kommen, beginnend mit zahlenden API-Kunden und Google-AI-Ultra-Abonnenten. Die Einführungspreise liegen bei 2 $ pro Million Input-Tokens und 10 $ pro Million Output-Tokens. Google hat nicht gesagt, wann diese Phase endet, nur dass die Standardpreise 4 $ und 20 $ betragen – genau das Doppelte der Einführungspreise. Der Zeitpunkt der breiteren Veröffentlichung und die Dauer des Einführungszeitraums sind die beiden Termine, die man im Auge behalten sollte, während Argons Rollout voranschreitet.