Google introduceert Gemini 4 Argon, dat concurrenten verslaat op cybersecurity-benchmarks
Belangrijkste punten
- •Gemini 4 Argon behaalde 77,9% op de DeepSWE v1.1 software-engineering-benchmark, vóór Claude Opus 5.5 met 74,2%, GPT-6 Astra met 74,1% en Claude Fable 5.1 met 67,4%, al berekende Google zijn eigen score terwijl de cijfers van concurrenten van externe bronnen kwamen.
- •Op Gray Swans indirecte prompt-injectiebenchmark registreerde Argon een aanvalssuccespercentage van 0,7% en presteerde daarmee beter dan Claude Opus 5.5 en Claude Fable 5.1 met 1,0%, terwijl Grok 4.6 en Kimi K3 meer dan de helft van de tijd werden bedrogen.
- •Google beperkt de initiële toegang tot gecontroleerde securityteams via zijn Fairwind Program, dat meer dan 650 partners telt, waaronder overheden en exploitanten van kritieke infrastructuur, en het model wordt geleverd zonder ingebouwde cyber guardrails onder een gefaseerde uitrol.
- •Argon kan tot 1 miljoen tokens in één antwoord produceren, een ruim zestienvoudige stijging ten opzichte van het vorige plafond van 64.000 tokens, wat ruimte biedt voor langdurig codeer- en kantoorwerk.
- •Een bredere release voor betalende API-klanten en Google AI Ultra-abonnees is gepland, met een introductieprijs van $2 per miljoen invoertokens en $10 per miljoen uitvoertokens, de helft van de uiteindelijke standaardtarieven.

Google onthulde woensdag Gemini 4 Argon en introduceerde daarmee zijn nieuwe frontier-model met benchmarkresultaten die het op cybersecurity-tests boven concurrerende AI-systemen plaatsen. Het model behaalde 77,9% op DeepSWE v1.1 en een aanvalssuccespercentage van 0,7% op Gray Swans prompt-injectiebenchmark, vóór Claude Opus 5.5 en Claude Fable 5.1, die beide op 1,0% uitkwamen.
De lancering volgt een week na de release van Claude Opus 5.5 en een dag na GPT 6.1 Sol, de nieuwste in een reeks snelle frontier-modelreleases van toonaangevende Amerikaanse AI-labs — een tempo dat de lanceringsdag-benchmarktabellen tot het doorlopende scorebord van de sector heeft gemaakt.
Volgens de officiële aankondiging van Google is Argon het meest capabele model van het bedrijf tot nu toe, gebouwd voor codeerwerk, kantoortaken en cyberverdediging.
Sterke software-engineeringscores, met kanttekeningen
DeepSWE v1.1 meet of een AI-model lange, rommelige, realistische software-engineeringtaken kan afronden, met resultaten uitgedrukt als percentage. Argon behaalde 77,9%, vóór Claude Opus 5.5 met 74,2%, GPT-6 Astra met 74,1% en Claude Fable 5.1 met 67,4%. Ter vergelijking: Gemini 3.6 Flash behaalde in juli 49% op dezelfde test.
Het model kan ook tot 1 miljoen tokens in één antwoord schrijven, een stijging van 64.000. Een token is een stuk tekst van ongeveer driekwart woord, waarmee het nieuwe plafond op circa 750.000 woorden komt tegenover eerder ongeveer 48.000 — ruimte die is bedoeld voor het lange codeer- en kantoorwerk waarvoor het model is gebouwd.
Aan deze cijfers kleven kanttekeningen: Google berekende zijn eigen DeepSWE-score, terwijl de cijfers van concurrentmodellen afkomstig waren van een openbaar leaderboard en bedrijfsrapporten. Googles vergelijkingstabel ruimt ook terrein in. Argon leidt op 12 van de 18 benchmarks, staat gelijk op één en verliest er vijf, een mix van codeer wetenschaps- en computerbesturingstests — een combinatie van zelf uitgevoerde en externe methodologieën om rekening mee te houden bij het bekijken van de kopcijfers.
Cybersecurity staat centraal
De kopcapaciteit van het model is cyberverdediging. Bij een indirecte prompt-injectieaanval wordt een geheime instructie verborgen in een e-mail of andere inhoud; wanneer een AI-assistent die leest, is de test of het model de vreemde gehoorzaamt in plaats van zijn gebruiker. Dergelijke aanvallen zijn een nachtmerriescenario voor iedereen die een AI toegang geeft tot zijn inbox of winkelwagen.
Op Gray Swans Indirect Prompt Injection-benchmark, die kwaadaardige instructies verbergt in content die AI-agenten lezen en meet hoe vaak de aanvallen slagen binnen 15 pogingen, scoorde Argon 0,7% — en lager is beter. Claude Opus 5.5 en Claude Fable 5.1 kwamen beide uit op 1,0%. GPT-6 Astra behaalde 8,5%. Grok 4.6 en Kimi K3 werden iets vaker dan de helft van de tijd bedrogen, met 51,8% en 52,7%. De spreiding van 52 punten tussen de beste en slechtste verdediging op de lijst laat zien hoe ongelijk de weerstand tegen prompt-injectie nog is in de sector.
Beperkte uitrol via het Fairwind Program
Argon gaat eerst naar gecontroleerde securityteams via het Fairwind Program, Googles cyberverdedigingsinitiatief met beperkte toegang, dat op 2 september van start ging met meer dan 650 partners, waaronder overheden en exploitanten van kritieke infrastructuur. Het model wordt geleverd "zonder cyber guardrails" — de ingebouwde weigeringen die een model normaal gesproken stoppen bij hulp met hacking.
De logica achter deze stap is dat verdedigers een model nodig hebben dat als een aanvaller kan denken om gaten te dichten voordat criminelen ze vinden. Hetaddertje is dat dezelfde vaardigheid in beide richtingen werkt, en Google zegt dat een gefaseerde uitrol de enige veilige weg is. Het bedrijf neemt ook deel aan het vrijwillige traject van de Amerikaanse overheid voor toegang tot vóór-release-modellen.
Google is niet de eerste die een cybermodel achter een touwtje houdt. Een vroege versie van Anthropic's Claude Mythos hielp 271 kwetsbaarheden in Firefox te vinden — 271 beveiligingslekken die Mozilla vervolgens dichtte. OpenAI heeft een vergelijkbare route bewandeld met zijn Trusted Access for Cyber-programma, waarmee beperkte cyber-toegang een opkomend patroon is onder frontier-labs.
Argons cyberscores springen ook over die van Gemini 3.8 Flash Cyber, het beperkte model dat Google samen met Fairwind lanceerde. Op de Wiz Penetration Test Benchmark, een interne Google-test die een AI vraagt werkende exploits te schrijven tegen echte webapplicatiefouten zonder de code te zien en het aandeel bij de eerste poging opgeloste gevallen meet, behaalde Argon 70,9% tegenover 58,2%. Google zegt ook dat Argon securitybedrijf Wiz hielp een kritieke fout te vinden in zorg die wereldwijd door ziekenhuizen wordt gebruikt — een fout die eerdere frontier-modellen hadden gemist.
Een lancering na een zware zomer
De release volgt op een moeilijke periode voor Google. In juli bracht het bedrijf kleinere Flash-modellen uit maar liet de beloofde Gemini 3.5 Pro achterwege, en de aandelen van Alphabet daalden ongeveer 4,4%. Argon verscheen ook op dezelfde dag dat president Trump een vrijwillig AI-akkoord zonder sancties onthulde dat door het management van Google is ondertekend.
Google zegt dat een bredere release zo snel mogelijk zal komen, te beginnen met betalende API-klanten en Google AI Ultra-abonnees. De introductieprijs is $2 per miljoen invoertokens en $10 per miljoen uitvoertokens. Google heeft niet gezegd wanneer die periode eindigt, alleen dat de standaardtarieven $4 en $20 zijn — precies het dubbele van de introductietarieven. Het moment van de bredere release en de duur van het introductietijdvak zijn de twee data om in de gaten te houden nu Argons uitrol zich ontvouwt.