Google Cloud startet Gemini 4 Argon für lange, mehrstufige Geschäftsaufgaben

Wofür Argon gebaut ist

Michael Gerstenhaber, VP of Product Management für Gemini bei Google Cloud, schrieb, das Unternehmen habe Argon darauf trainiert, mit „Tiefe und Präzision“ zu arbeiten. Ziel sei es, dass das Modell bei langen Aufgaben den Kontext behält und dabei Fachwissen einbringt. Als Einsatzfelder nennt Google komplexe Softwareprojekte, detaillierte Finanz- und Rechtsarbeit sowie Cybersicherheits-Tools wie CodeMender.

Die Veröffentlichung folgt auf das Update von Gemini Enterprise in der Vorwoche, mit dem der Gemini-Agent eingeführt wurde, den Google als universellen Agenten für die Arbeit beschreibt. Argon liefert laut Google die Modellintelligenz darunter.

Laut Google kann Argon lange Dokumente lesen, die Text, Tabellen, Diagramme und Bilder mischen, und daraus ein einziges Ergebnis erstellen, das auf diesen Quellen beruht. Außerdem sei es darauf trainiert, Systemgrenzen zu respektieren, negative Befunde ehrlich zu melden und vor unumkehrbaren Schritten eine Bestätigung einzuholen. Das Unternehmen erklärt, das Modell teile Nutzern mit, wenn es etwas nicht gefunden oder eine Aufgabe nicht abgeschlossen habe.

Benchmarks und Kundenfeedback

Google zufolge führt Argon den Vals Index an, der die wirtschaftlichen Auswirkungen in den Bereichen Finanzen, Programmierung, Recht und Steuern misst. Zudem melde man die Spitzenposition im Legal Agent Benchmark von Harvey für juristische Recherche und Entwurfserstellung. Niko Grupen von Harvey sagte, das Unternehmen habe in seinen Evaluierungen der Rechtsagenten deutliche Verbesserungen gegenüber Gemini 3.1 Pro gesehen, insbesondere bei Corporate M&A, Datenschutz und Cybersicherheit sowie EC/VC.

Nenshad Bardoliwalla von ServiceNow sagte, das Modell habe im frühen Zugang bei NowAI-Bench eine um rund 20 Prozent höhere Aufgabenerfolgsquote erzielt als Gemini 3.8 Flash, mit herausragenden Zuwächsen in den Bereichen HR und Kundenservice. Loredana Crisan von Figma sagte, Argon bewältige komplexe Aufgaben in Figma Make zuverlässig, von 3D-Spielen bis zu aufwendigen Animationen.

Google teilte auch Ergebnisse aus der eigenen Entwicklung mit. Als Argon über Nacht autonom und innerhalb automatisierter Testleitplanken am Open-Source-Projekt Agent Development Kit arbeitete, fand es Optimierungen, die inzwischen in google/adk-python live sind. Laut Google verkürzen sie die Vorbereitungszeit für In-Memory-Sitzungen bei langen Sitzungen um 40 Prozent und beschleunigen Kaltimporte um 21 Prozent. Teams, die Argon in Google Antigravity einsetzen, steigerten die agentischen Code-Einreichungen um mehr als 35 Prozent und senkten die Code-Rollbacks um fast ein Drittel. Das Chrome-Team nutzte das Modell für ein architektonisches Refactoring über Hunderte Dateien in der 40 Millionen Zeilen umfassenden Codebasis von Chromium und schloss damit nach Googles Angaben Arbeit von Monaten in wenigen Wochen ab.

Google ergänzt, dass sein Agent AlphaEvolve Argon für Verbesserungen unter anderem in der Fabrikplanung, in der Logistik, bei der Beschleunigung von Spielcode und beim Chip-Layout nutzt.

Sicherheitsmaßnahmen

Argon verfügt laut Google über Cyber-Schutzmaßnahmen, die offensive Aufgaben wie Pentesting und Exploitation blockieren. Defensive Arbeit bleibt über CodeMender oder das Security-Harness eines Kunden möglich. Google zufolge teilt sich das Modell mit einem Spitzenwert von 68 Prozent bei der Behebung von Sicherheitslücken den ersten Platz im CWE-Bench v1.

Das Unternehmen bezeichnet Argon außerdem als sein bisher widerstandsfähigstes Modell gegen indirekte Prompt-Injections. Es führe den Gray Swan Indirect Prompt Injection Benchmark an und senke die Angriffserfolgsquote über 15 adaptive Versuche auf 0,7 Prozent. Yunus Emre von HubX sagte, das Modell habe in den Evaluierungen des Unternehmens 100 Prozent der Schwachstellen mit höchster Priorität erkannt, bei 0 Prozent erfundener Schwachstellen unter den verifizierten Befunden.

Eine Version ohne Cyber-Leitplanken wird an einen ausgewählten Kreis vertrauenswürdiger Verteidiger ausgegeben. Diese werden über das Fairwind Program geprüft, eine Initiative mit eingeschränktem Zugang für Regierungen, kritische Infrastruktur und Partner aus der Cybersicherheit.

Verfügbarkeit und Preise

Gemini 4 Argon ist in Gemini for business im Web, auf dem Desktop und auf Mobilgeräten verfügbar. Entwickler können es über die API der Gemini-Plattform unter der Modell-ID gemini-4-argon, in Google AI Studio und in Google Antigravity nutzen.

• Einführungspreis bis zum 30. November 2026: 2 US-Dollar pro Million Input-Tokens und 10 US-Dollar pro Million Output-Tokens, wobei zwischengespeicherte Input-Tokens mit 95 Prozent Rabatt berechnet werden.
• Regulärer Preis ab dem 30. November: 4 US-Dollar pro Million Input-Tokens und 20 US-Dollar pro Million Output-Tokens.

Für Unternehmen lautet das Versprechen, mehrstufige Arbeit abzugeben, die bisher Stunden oder Tage dauerte. Für technische Spezifikationen, Token-Limits und Migrationshinweise verweist Google auf die Model Card und den Entwicklerleitfaden. Die Benchmark- und Produktivitätszahlen stammen von Google und seinen Kunden mit frühem Zugang.