Google hat sein neuestes Flaggschiff-KI-Modell Gemini 4 Argon weltweit verfügbar gemacht und positioniert es als System, das für mehrstufiges Reasoning bei komplexen professionellen Aufgaben entwickelt wurde.

Entwickler und Unternehmen können das Modell über die Gemini API in AI Studio und die Gemini-Plattform nutzen. Google AI Ultra Abonnenten können es außerdem in der agentischen Umgebung Antigravity sowie in der Gemini-App und im AI Mode in der Suche verwenden.

Laut Google belegt Argon den ersten Platz im Vals Index, einem Benchmark, der die Modellleistung in wirtschaftlich kritischen Bereichen wie Finanzen, Programmierung, Recht und Steuerwesen misst. Solche sektorübergreifenden Ranglisten sind für KI-Labore zu einem gängigen Mittel geworden, um zu belegen, dass ihre Modelle für regulierte, dokumentenintensive professionelle Workflows bereit sind.

Die Launch-Preise liegen bei 2 $ pro Million Input-Tokens und 10 $ pro Million Output-Tokens, mit einem Rabatt von 95 % auf gecachte Input-Tokens – ein relevantes Detail für Teams, die dieselben langen Dokumente wiederholt verarbeiten. Nach Ablauf der Einführungsphase am 30. November 2026 verdoppeln sich die Preise auf 4 $ bzw. 20 $ pro Million Tokens, sodass Teams vor dem Preisanstieg ein festes Evaluierungsfenster zu den Launch-Konditionen haben. Über die API unterstützt das Modell ein branchenführendes, einheitliches Input-Output-Kontextfenster von 1 Million Tokens – groß genug, um umfangreiche Codebasen oder Dokumentensammlungen in einem Durchgang zu verarbeiten, statt die Arbeit auf kleinere Häppchen aufzuteilen.

Google teilte zudem frühe interne Ergebnisse mit, die laut dem Unternehmen auf bedeutende Produktivitätsgewinne hinweisen. Der Einsatz von Argon in Antigravity erhöhte die agentischen Code-Einreichungen um mehr als 35 % und reduzierte Code-Rollbacks um fast ein Drittel. Das Chrome-Team nutzte das Modell, um einen Ordner mit rund 6 Millionen Zeilen Legacy-Code innerhalb der 40 Millionen Zeilen umfassenden Chromium-Codebasis zu entwirren, und beschleunigte damit ein Refactoring der Architektur, das andernfalls Monate gedauert hätte. Optimierungen, die zum Open-Source-ADK-Framework beigetragen wurden, senkten die Vorbereitungszeit von In-Memory-Sitzungen um 40 % und verbesserten Cold Imports um 21 %, während Googles Gemma-Modelle auf A100-Hardware einen 2,85-fachen Inferenz-Speedup bei voller Token-Parität erreichten. Da diese Zahlen aus Googles eigenen Engineering-Teams stammen und nicht unabhängig gemessen wurden, zeigen sie, wie Modell unter vom Unternehmen kontrollierten Bedingungen bei großen Codebasen abschnitt.

— Google AI Studio (@GoogleAIStudio) October 13, 2026

Praxis Einsätze in Wissenschaft und Cybersicherheit

Über die Softwareentwicklung hinaus wird Argon in hochriskanten wissenschaftlichen und sicherheitsrelevanten Bereichen eingesetzt – eine Reihe von Deployments, die die Erfolgsbilanz des Modells über Benchmark-Werte hinaus ausweitet. Im Quantencomputing übersetzte das Modell Googles AlphaQubit-Fehlerkorrektur-Decoder in einen einzelnen optimierten Hardware-Kernel und verdoppelte damit nahezu den Inferenz-Durchsatz. Zudem entstand eine formal verifizierte Implementierung der arcsin-Unterroutine, die die Raum-Zeit-Kosten im Vergleich zu einer veröffentlichten Basislinie um mehr als das 100-Fache senkt.

Gemeinsam mit Forschern der University of Maryland nutzte Google Argon, um neue Gegenbeispiele zu Grads Vermutung zu identifizieren – einer Hypothese aus dem Jahr 1967 zur Optimierung magnetischer Felder in Stellaratoren, die für die Fusionsenergieforschung von zentraler Bedeutung ist.

In den Lebenswissenschaften entdeckten Forscher der Gamow Labs mithilfe von Argon eine chromosomale Umstrukturierung bei einem Neugeborenen mit einer seltenen Lungenkrankheit, die Standardsoftware jahrelang übersehen hatte. Googles eigenes Team entwarf derweil binnen Stunden fünf neuartige Serin-Esterase-Enzyme, die alle im Labortest eine bestätigte katalytische Aktivität zeigten.

Auf der Sicherheitsseite setzte Wiz Argon ein, um Schwachstellen in Regierungs- und Healthcare-Infrastruktur zu beheben, darunter ein Datei-Download-Bypass, der administrativen Zugriff auf Patientendaten offenlegte. Google weitet zudem sein Fairwind Program auf hunderte Cybersicherheits-Partner aus und gewährt 10.000 Forschern sechs Monate kostenlosen Zugang zur höchsten Nutzungsstufe von Antigravity – und legt das Modell damit für eine längere, praxisnahe Evaluierung in die Hände externer Organisationen.

Zur Sicherheit berichtet Google, dass externes biologisches Red Teaming weniger als 1 % der getesteten Bio-Unteraufgaben freischalt, dass Umgehungensversuche bei Coding-Benchmarks auf 2 % sanken und dass Argon den Gray Swan Indirect Prompt Injection Benchmark mit einer Angriffserfolgsquote von 0,7 % über 15 adaptive Versuche anführt – eine Angriffsklasse, bei der bösartige Anweisungen in verarbeiteten Inhalten versuchen, das Verhalten eines Modells zu kapern.

Dieser Bericht wurde erstmals von Metaverse Post veröffentlicht.