Google DeepMind lanceert Gemini 4 Argon voor complexe codeer-, wetenschaps- en bedrijfstaken

Google DeepMind heeft de wereldwijde beschikbaarheid aangekondigd van Gemini 4 Argon, een frontiermodel dat is ontworpen voor complex, meerstaps werk in programmeren, financiën, juridische dienstverlening, cybersecurity en wetenschap.

Het model is vanaf 13 oktober 2026 beschikbaar voor ontwikkelaars en ondernemingen via de API in AI Studio en het Gemini-platform. Abonnees van Google AI Ultra kunnen het gebruiken in Google Antigravity, terwijl abonnees van Google AI Ultra en Pro er toegang toe hebben in de Gemini-app en AI Mode in Search.

Koray Kavukcuoglu, SVP van Google DeepMind en chief AI architect bij Google, zei dat de release ontwikkelaars, ondernemingen, wetenschappers en consumenten toegang geeft tot het nieuwste frontiermodel van het bedrijf.

Google zei dat Argon is ontworpen voor “deep work” in realistische domeinen. Het bedrijf zei dat het model op benchmarks in meerdere vakgebieden beter presteert dan andere frontiermodellen en de nummer één staat op de Vals Index, die de modelprestaties meet in kritieke economische sectoren waaronder financiën, programmeren, juridisch werk en belastingwerk.

De introductieprijs is $2 per miljoen invoertokens en $10 per miljoen uitvoertokens, met gecachte invoertokens met 95% korting. Nadat de introductieperiode op 30 november 2026 afloopt, geldt een prijs van $4 per 1 miljoen invoertokens en $20 per 1 miljoen uitvoertokens. De prijzen gelden voor het Argon-model dat voor publieke toegang is bedoeld.

Google zei dat teams Argon al gebruiken om grote codebases te herstructureren en te optimaliseren, workflows in juridisch werk, financiën en wetenschap te verbeteren, cybersecuritykwetsbaarheden op te sporen en te dichten, en onderzoek te ondersteunen in kwantumcomputing, kernfusie en levenswetenschappen.

Engineering en softwareontwikkeling

Google zei dat Argon intern is gebruikt op moeilijke engineeringprojecten. In Antigravity hielp het model teams om agentische code-inzendingen met meer dan 35% te verhogen terwijl code-rollbacks met bijna een derde werden verminderd.

Bij Chrome hielp Argon ingenieurs om de kernafhandeling van webpagina's te scheiden van een legacy-map met ongeveer 6 miljoen regels browserfuncties binnen Chromium's codebase van 40 miljoen regels. Door meerdere schone codewijzigingen tegelijk te produceren, hielp het model een architecturale refactor over honderden bestanden in weken in plaats van maanden af te ronden.

Google zei dat het werk bedoeld is om live webpagina's vloeiend tussen tabbladen, zijpanelen en zwevende vensters te laten bewegen zonder opnieuw te, waardoor een hele categorie browsercrashes voor Chrome's miljarden gebruikers wordt geëlimineerd.

Argon werd ook gebruikt door het team achter Google's open-source Agent Development Kit, of ADK, een framework voor bedrijfsagents. Ingenieurs gaven het model hun .agents/skills-reglement en een paragrafenlang doel: framework-overhead elimineren zonder bestaande applicaties te breken.

Tijdens autonoom werkzaam zijn overnacht bracht Argon optimalisaties aan het licht die nu live staan in de google/adk-python-repository. Google zei dat de wijzigingen de voorbereidingstijd van in-memory sessies met 40% verminderden tijdens lange sessies en de snelheid van koude imports met 21% verbeterden. Het bedrijf publiceerde een engineering deep dive die het werk beschrijft.

Onderzoekers gebruikten Argon ook in Antigravity om xTB, of Semiempirical Extended Tight-Binding, te optimaliseren, een open-source kwantumchemiepakket dat wordt gebruikt om 3D-molecuulstructuren te voorspellen en kandidaat-geneesmiddelen en materialen te screenen. Google zei dat xTB tot 2,3 keer sneller werd in het voorspellen van molecuulstructuren en 1,8 keer sneller in conformer-zoekopdrachten. De wijzigingen zijn bijgedragen aan de officiële xTB GitHub-repository.

Google meldde ook een end-to-end inferentieversnelling van 2,85 keer voor zijn open Gemma-modellen op een A100 via vLLM. De doorvoer voor Gemma 4 E2B steeg van ongeveer 37.900 naar meer dan 108.000 tokens per seconde, met 100% tokenpariteit en geen kwaliteitsverlies. Google zei dat het werk, dat aandachtstuning en speculative decoding omvatte, in enkele dagen werd voltooid in plaats van de gebruikelijke maanden. De bijbehorende upstream vLLM pull requests bevatten de wijzigingen.

3D-visualisatie en interactieve applicaties

Google zei dat Argon ruimtelijk redeneren, wiskundige precisie en visueel programmeren verbetert ten opzichte van eerdere Gemini-modellen. Met slash-commando's zoals /goal, multi-agent-lussen en aangepaste vaardigheden in Antigravity hebben Google-medewerkers het model gebruikt om 3D-visualisaties, high-fidelity games en in de browser gerenderde interactieve animaties te prototypen met behulp van vanilla-code.

In één demonstratie creëerde Argon een gedetailleerde pagode in Blender via multi-agent visuele-kritieklussen. Het model boetseerde autonoom een tempelcomplex van meerdere gebouwen met fotorealistische architectuur, begroeiing en belichting.

In een ander voorbeeld zette Argon foto's van een echt bureau om in een speelbaar miniatuur-racespel. Blender MCP werd gebruikt om het bureau, de kamer en het racecircuit te modelleren en op botsingen te controleren; Nano Banana leverde de texturen; en Three.js verzorgde de fysica, aangepaste shaders en automotorgeluid van Gemini Omni Flash. Google stelde de applicatie beschikbaar via Google AI Studio.

Argon schreef ook Python-scripts om een complex 3D-spel procedureel te boseren, te riggen, te animeren en fysiek gebaseerd te renderen. Vervolgens verbond het project het web in Three.js met GLSL-shaders, verbrijzelingsfysica en een singleplayer-AI. De resulterende applicatie is beschikbaar in Google AI Studio.

Zonder externe libraries en met 100% pure Python creëerde Argon een 3D-raytracing-engine met een aangepaste videotool en audiomixer. Het systeem bouwde en documenteerde een zonovergoten bibliotheek vanaf nul, produceerde, sprak in en monteerde een video met Gemini 3.8 TTS-voice-over en muziek van Lyria 3.5. Google publiceerde de broncode.

In nog een Antigravity-demonstratie begon Argon met één Nano Banana-afbeelding en gebruikte Blender MCP in een autonome lus om cameragrids uit te lijnen, gotische architectuur te boetseren en audio-reactieve belichting te regisseren voor een voltooide 3D-scène.

Zakelijke en professionele workflows

Google zei dat Argon geavanceerd redeneren, visuele perceptie, bredere domeinkennis en sterkere schrijfvaardigheden combineert voor hoogwaardige professionele workflows. Het bedrijf zei dat het model helder communiceert, stijlinstructies consequenter opvolgt dan eerdere Gemini-modellen, directer antwoordt met minder voorzichtig formuleren, onnodige herhaling vermijdt en clichés achterwege laat.

Zakelijke klanten en startups in Google's early-access-programma gebruiken Argon voor multimodale documentbegrip, longitudinale data-analyse en interactieve analysesandboxes met behoud van strikte onderbouwing, aldus Google.

Eén demonstratie omvatte ongeveer 50 GB aan Airborne LiDAR-scans, GIS-kamervectoren, CAD-tekeningen van de Library of Congress en archieven van de National Park Service. Argon synthetiseerde het materiaal om 3D-modellen van Chaco Canyon te reconstrueren en gefragmenteerde archeologische registraties om te zetten in verkennbare digitale erfgoedsites. Het project is beschikbaar via Google AI Studio.

In de Gemini-app kan Argon een ongestructureerde map met projectcontext omzetten in een voorstelpresentatie voor een klant met behulp van een aangepaste vaardigheid. Gemini kan de presentatie vervolgens opstellen en e-mailen terwijl het een geplande workflow creëert voor toekomstige klantverzoeken.

Google demonstreerde ook dat Argon gegevens uit drie open-source repositories combineert tot een medisch leermiddel. Met de tool kunnen gebruikers anatomische lagen terugschillen, klinische metadata bekijken en biomechanica activeren in een 3D-verkenning van het menselijk lichaam.

In de Gemini macOS-app gebruikte Argon Antigravity en Nano Banana om ontwerpiteraties te genereren voor nieuwe bankpoten en vervolgens een 3D-printbaar bestand te maken. Uitgaande van een schets met maten en een foto van de bank, bouwde het model het onderdeel op de juiste maat.

Bij Isomorphic Labs wordt Argon gebruikt om onderzoek naar geneesmiddelenontdekking en -ontwerp te versnellen. Google zei dat het model complexe pdf's en patenten kan synthetiseren om relevante informatie te extraheren, waardoor proces dat doorgaans weken duurt wordt teruggebracht tot enkele uren.

Cybersecurity en wetenschappelijk onderzoek

Onderzoekers, ingenieurs en securityspecialisten gebruiken Argon in cyberverdediging, wetenschap, wiskunde en robotica, aldus Google. Toepassingen omvatten het testen van hypothesen, het auditen van kritieke codebases en formele bewijzen, en het identificeren van zero-daykwetsbaarheden en logische fouten.

Fairwind Program en Wiz

Google zei dat het een uitbreiding begint naar honderden extra partners in het Fairwind Program, dat cybermogelijkheden biedt aan vertrouwde verdedigers.

Wiz gebruikt Argon in zijn “Scan for Good”-initiatief, dat kritieke infrastructuur beschermt ten behoeve van het publiek en gratis. Volgens Google gebruikte Wiz vroege toegang tot Argon in meerdere hoogwaardige gebieden.

In een langlopend cyberweerbaarheidsprogramma met een federale instantie hielp Argon een tekortkoming te identificeren en te verhelpen die gevoelige overheidsgegevens en infrastructuur risicote bloot te stellen. Google zei dat de inspanning hielp voorkomen dat kritieke ontwikkelingsdetails uit de beveiligingssector werden blootgesteld en dat er ongeautoriseerde toegang tot gespecialiseerde modellen ontstond.

Wiz gebruikte Argon ook om kritieke zorginfrastructuur te beschermen. Door complexe kwetsbaarheden te ketenen, hielp het model een openbare bestandsdownload-bypass te ontdekken en snel te verhelpen die een mastersleutel blootstelde en beheerdersrechten verleende. Google zei dat Argon verder ging dan het opsporen van de kwetsbaarheid en hielp honderdduizenden privépatiëntendossiers te beschermen.

Kwantumcomputing

Google-onderzoekers gebruikten Argon om werk aan kwantumfoutcorrectie en algoritmeontwerp te ondersteunen. Om errordecoders te helpen gelijke tred te houden met kwantumhardware in realtime, vertaalde Argon een interne versie van AlphaQubit, Google's machine-learningdecoder voor kwantumfoutcorrectie, naar één geoptimaliseerde hardwarekernel.

Google zei dat de kernel de inferentiedoorvoer bijna verdubbelde, waardoor grotere modellen konden worden ingezet en kon worden geschaald naar grotere kwantumapparaten met behoud van strikte realtime-drempelwaarden.

Argon werd ook gebruikt om de ruimtetijdkosten van kwantumsubroutines te verlagen. Voor arcsin, een bouwsteen in recente kwantumsimulatie-algoritmen, verlaagde een door Argon geschreven en in Lean formeel geverifieerde implementatie de ruimtetijdkosten met meer dan 100 keer ten opzichte van een gepubliceerde kwantum-CORDIC-baseline. Google noemde het werk een stap richting een standaardbibliotheek van geoptimaliseerde kwantumcircuits. Gerelateerd onderzoek is beschikbaar in een arXiv-paper.

Kernfusie

Stellaratoren zijn complexe machines en een belangrijke kandidaat voor schone fusie-energie, maar het optimaliseren van hun driedimensionale magnetische velden is moeilijk. Sinds 1967 hield een hypothese bekend als “Grad's conjecture” in dat het vinden van exacte wiskundige oplossingen voor deze velden onmogelijk was. Recente tegenvoorbeelden, waaronder werk van professor Matt Landreman van de University of Maryland, tartten die aanname.

Google zei dat een team dat met Landreman werkte nu een bredere klasse van tegenvoorbeelden van Grad's conjecture heeft geïdentificeerd. De nieuwe oplossingen bieden benchmarks voor de fusiegemeenschap om hun stellarator-simulatiecodes mee te testen, die waardevolle tools zijn voor toekomstige ontwerpen.

Onderzoek naar zeldzame ziekten

Onderzoekers bij Gamow Labs gebruikten Argon om geanonimiseerde genomen te analyseren van pasgeborenen met zeldzame ontwikkelingsstoornissen van de longen. In één geval identificeerde het model een chromosoomherschikking die standaardsoftware jarenlang had gemist en legde uit waarom deze onopgemerkt was gebleven.

Op privé-evaluaties van Gamow Labs, gebaseerd op echte klinische en laboratoriumgegevens, behaalde Argon 57% op RareBench voor hulp bij de diagnose van zeldzame ziekten en 52,2% op LabBench voor redeneren in het natte laboratorium. Google zei dat de resultaten snellere diagnose kunnen ondersteunen voor gezinnen die worden geconfronteerd met zeldzame aandoeningen. Aanvullende informatie is beschikbaar bij Gamow Labs en op zijn benchmarks-pagina.

Enzymontwerp

Het ontwerpen van enzymen met precieze reactiviteit vereist vaak maanden van modeltuning en kandidatenscreening. Serine-esterasen, die esterbindingen in gerichte moleculen knippen, worden gebruikt in recycling en bij de vervaardiging van farmaceutica, biobrandstoffen en wasmiddelen.

Google-wetenschappers werkten met Argon aan het ontwerp van serine-esterasen gericht op 4MU-acetaat, een referentiemolecuul dat oplicht onder ultraviolet licht zodra zijn esterbindingen zijn verbroken. In enkele uren verzamelde Argon relevante gegevens, voerde modeltuning uit en identificeerde verschillende op biochemie gebaseerde filters, wat resulteerde in een uiteindelijke set van vijf nieuwe ontwerpen.

Daaropvolgende laboratoriumtests bevestigden robuuste katalytische activiteit bij de ontwerpen. Google zei dat het werk het potentieel aantoont voor snellere enzymengineering in biomanufacturing, groene chemie en geneesmiddelenontwikkeling.

Google biedt 10.000 wetenschappers gratis toegang tot het hoogste gebruiksniveau van Google Antigravity voor zes maanden. Onderzoekers worden doorlopend ingeschaald, onder voorbehoud van geschiktheid, capaciteit en selectie. Inschrijvingen zijn geopend.

Robotica

Google zei dat Argon visueel-semantisch redeneren, fysiek begrip en autonome codegeneratie combineert om nieuwe workflows in de roboticastack te ondersteunen. Op de Embodied Reasoning-benchmark, of ERQA, die het vermogen van een model test om fysieke en ruimtelijke problemen in 3D-omgevingen te begrijpen en op te lossen, behaalde Argon een score van 87%. Google zei dat dit hoger was dan de scores van andere frontiermodellen bij puur redeneren. De ERQA-benchmark is openbaar beschikbaar.

In een interne test leerde Argon een out-of-distribution fysieke vaardigheid door naar een ruwe video te kijken van iemand die cornhole speelde. Het model bracht de ruimtelijke coördinaten van de omgeving in kaart, berekende de vereiste lichaamsbrede gewrichtsbewegingen en bouwde autonoom de simulatiecode.

Nadat het systeem was overgezet naar Apptronik's Apollo-humanoïde, wierp de robot zeven keer achtereen succesvol in een praktijktest. noemde het proces een “Video-to-Sim-to-Real”-pijplijn en zei dat het weken van handmatige simulatiemodellering comprimeert tot enkele uren door gewone video's om te zetten in een schaalbare trainingsomgeving voor robotica. Apptronik is het bedrijf achter de Apollo-humanoïde. Google gaf aanvullende details op zijn developersblog.

Veiligheid en beveiliging

Google zei dat veiligheid en beveiliging fundamenteel zijn voor zijn modelontwikkelingsproces. Omdat Argon zeer capabel is, werkte het bedrijf met derden samen om bepaalde mogelijkheden en waarborgen te meten. Google omschreef Gemini 4 Argon als het meest uitgebreide veiligheids- en beveiligingspakket tot op heden.

Onder Google's Frontier Safety Framework evalueerde het bedrijf Argon's mogelijkheden op verschillende gebieden en zette het een meerlaags verdedigingssysteem in dat jailbreakresistentie, monitoring en handhaving combineert. Google zei dat externe biologische redteams minder dan 1% van de geteste biologische subtaken konden ontgrendelen.

Voor gevaarlijke verzoeken, waaronder het genereren van exploitcode en hulp bij gevaarlijke biologische materialen, zei Google dat Argon aanzienlijk minder geneigd was te voldoen dan eerdere modellen. Op een adversorial testset die ontworpen was om het model te belasten, daalden overtredingen met bijna een factor twee ten opzichte van eerdere Gemini-modellen.

Google trainde Argon ook om systeemgrenzen te respecteren, negatieve bevindingen eerlijk te rapporteren en te pauzeren voor menselijke bevestiging voordat het onomkeerbare acties onderneemt. Op codeerbenchmarks waar modellen geen aanleiding hadden zich in te houden, daalden shortcut-pogingen naar 2%, wat Google omschreef als zijn beste resultaat vergeleken met eerdere Gemini-modellen.

Als extra verdedigingslaag bouwde Google een geautomatiseerde misalignment-monitor die de stapsgewijze redenering en acties van een agent leest om onbedoelde workarounds in realtime te identificeren en te blokkeren. De monitor werd gebruikt in interne implementaties, capabiliteitsevaluaties en reinforcement-learning-trainingen. Google zei dat het verminderde om de gedachten van het model te bestraffen tijdens training, zodat de redenering transparant en controleerbaar blijft.

Argon werd ook getest tegen prompt-injectie. Agents die webpagina's bekijken, e-mails lezen of code inspecteren, kunnen verborgen kwaadaardige instructies tegenkomen die zijn ontworpen om hun taak te kapen. Door adversorial training en geautomatiseerd red teaming leidt Argon de Gray Swan Indirect Prompt Injection-benchmark, met een aanvalssucces gereduceerd tot 0,7% over 15 adaptieve pogingen.

Meer informatie is beschikbaar in de Gemini 4 Argon Model Card.

Beschikbaarheid en toegang

Argon ondersteunt een industrieleidend unified invoer-uitvoerlimiet van 1 miljoen tokens via de Gemini API. Google zei dat ontwikkelaars en ondernemingen de documentatie over het nieuwe vervolgprotocol moeten raadplegen en hun systemen passend moeten configureren. Documentatie is beschikbaar voor long decoding en Gemini 4 Argon op Google's enterprise-platform.

Google's wereldwijde uitrol omvat de volgende toegangsopties:

• Ontwikkelaars: Bouw met de betaalde Gemini API-laag in AI Studio en Android Studio. Abonnees van Google AI Ultra kunnen Argon ook proberen in Google Antigravity en AI Studio.
• Ondernemingen: Gebruik Argon in Gemini for business, via de API en in Google Antigravity.
• Alledaagse gebruikers: Abonnees van Google AI Ultra en Pro kunnen Argon gebruiken in de Gemini-app en AI Mode in Search.
• Wetenschappers en onderzoekers: Vraag zes maanden gratis toegang aan tot het hoogste gebruiksniveau van Google Antigravity, onder voorbehoud van geschiktheid, capaciteit en selectie.
• Cybersecurityverdedigers: Meld je aan voor het Fairwind Program voor doorlopende toegang tot Argon zonder cyber-guardrails.

Google zei dat Gemini 4 Argon de eerste release in de Gemini 4-familie is en dat er aanvullende modellen zullen volgen.

Het bedrijf wees erop dat de meningen in de blog die van de externe partij zijn en niet de mening van Google vertegenwoordigen. De oorspronkelijke aankondiging werd gepubliceerd door Google DeepMind.