Gemini 4 Argon: So funktioniert Googles neues Flaggschiff-KI-Modell und was es kann

Google veröffentlichte Gemini 4 Argon am 13. Oktober 2026 weltweit für Entwickler, Unternehmen und Verbraucher gemäss der Ankündigung des Unternehmens auf dem Google-Blog. Das Unternehmen beschreibt es als ein Frontier-Modell, das auf "tiefe Arbeit" ausgerichtet ist – komplexe, mehrstufige Aufgaben in Programmierung, Finanzen, juristischer Arbeit, Cybersicherheit und Wissenschaft – und nicht auf kurze Frage-und-Antwort-Austausche.

Wofür Gemini 4 Argon entwickelt wurde

Laut Googles Launch-Post kombiniert Argon tiefes Denken über mehrstufige Aufgaben mit multimodalem Verständnis von Dokumenten, Bildern und räumlichen Umgebungen sowie die Fähigkeit, als autonomer Softwareagent zu fungieren. Das Modell unterstützt das, was Google ein 1-Million-Token-"einheitliches" Input-Output-Limit nennt, was bedeutet, dass ein einzelner Austausch sehr grosse Mengen an Text, Code oder Daten lesen und generieren kann, ohne den Kontext zu verlieren.

Google berichtet, dass Argon auf dem Vals Index an erster Stelle rangiert, einem Benchmark, der dem Unternehmen zufolge die Leistung bei wirtschaftlich wichtigen Aufgaben wie Finanzen, Programmierung, juristischer Arbeit und Steuererstellung misst. Das Unternehmen verweist auch auf eine Punktzahl von 87% auf dem Embodied Reasoning (ERQA)-Benchmark, der räumliches und physisches Problemlösen testet, und sagt, dass Argon in biowaffen-bezogenen Red-Teaming-Tests eine Vulnerability-Unlock-Rate von unter 1% zeigte.

Programmierung: Von Chromes Codebasis bis GitHub Copilot

Googles Ankündigung nennt mehrere interne und Kundenanwendungsfälle: Ingenieure verwendeten Argon, um einen etwa 6-Million-Zeilen-Ordner mit Legacy-Browser-Features aus Chromiums grösserer, etwa 40-Million-Zeilen-Codebasis zu trennen, und eine Python-Workflow-Optimierungsaufgabe reduzierte die Session-Vorbereitungszeit um 40%. Eine Quantenchemie-Anwendung soll mit Argons Hilfe 2,3-mal schneller gelaufen sein.

Am 13. Oktober 2026 kündigte GitHub an, dass Gemini 4 Argon in GitHub Copilot für Pro+-, Business- und Enterprise-Pläne allgemein verfügbar wurde, selektierbar im Modell-Picker in Visual Studio Code, Visual Studio, der Copilot CLI, JetBrains IDEs, Xcode und Eclipse, laut GitHub Changelog. GitHub sagt, dass Argon in seinen frühen Tests mehr Programmier-Benchmark-Aufgaben gelöst hat als frühere Gemini-Modelle, mit seinen grössten Gewinnen in der Copilot CLI, und dass es seine Arbeit überprüft, indem es Edge Cases testet, bevor es fertig ist. Die Abrechnung für Copilot-Benutzer erfolgt nach nutzungsabhängigen Preisen zu den Listenpreisen des Anbieters.

Robotik und physisches Denken

Ein separater Beitrag im Google Developers Blog konzentriert sich auf Argons Robotik-Anwendungen. Google sagt, das Modell kann echtes Roboter-Kameramaterial, Video aus menschlicher Perspektive oder sogar handgezeichnete Skizzen in physikalisch kalibrierte simulierte Umgebungen umwandeln, ein Prozess, den es "Real2Sim" nennt. In einer Demonstration lenkte Argon einen Boston Dynamics Spot-Quadruped-Roboter, um ein Objekt abzurufen und zu entsorgen, nachdem es die Aufgabe in einer MuJoCo-Physik-Simulation geübt hatte.

Google sagt auch, Argon kann synthetische Trainingsdaten in der Simulation generieren, um andere Roboter-Kontrollmodelle zu verbessern, und berichtet, dass die Erfolgsquote eines Vision-Language-Action-Modells von 56% auf 75% stieg, nachdem es auf mit Argon generierten Daten trainiert wurde. Das Modell ist in Entwickler-Tools als gemini-4-argon identifiziert und ist für Robotik-Arbeiten durch Google AI Studio und Google Antigravity für Google AI Ultra Abonnenten und durch die bezahlte Ebene der Gemini API verfügbar.

Wie es mit konkurrierenden Modellen verglichen wird

Unabhängige Benchmark-Verfolgung veröffentlicht von der AI-Bildungs-Website DataCamp, die Googles veröffentlichte Ergebnisse zusammen mit konkurrierenden Veröffentlichungen zusammenstellte, fand, dass Argon bei Wissensarbeit und Long-Context-Aufgaben führend ist, aber bei einigen reinen Programmier- und Terminal-basierten Benchmarks hinter konkurrierenden Modellen zurückbleibt.

DataCamps Analyse vermerkte auch, dass Argons Standard-API-Preis von $4 pro Million Input-Token und $20 pro Million Output-Token mit Claude Opus 5.5s Preisgestaltung übereinstimmt, während sein Einführungspreis von $2/$10 pro Million Token GPT-6 Astras aufgelistete $10/$50-Rate während des Aktionszeitraums unterbietet.

Preisgestaltung, Verfügbarkeit und warum Google Argon jetzt vorantreibt

Laut Googles eigenem Beitrag läuft die Einführungs-API-Preisgestaltung — $2 pro Million Input-Token und $10 pro Million Output-Token, mit 95% Rabatt auf gecachte Eingaben — bis 30. November 2026, danach steigt sie auf $4 und $20 pro Million Token an. Verbraucher können Argon über die Gemini App und AI Mode in Search erreichen, wenn sie ein AI Pro oder AI Ultra Abonnement haben; die Antigravity-Coding-Umgebung ist auf Ultra-Abonnenten beschränkt, während Wissenschaftler sechs Monate kostenlosen High-Tier-Antigravity-Zugang bekommen und überprüfte Cybersicherheitsfachleute können sich durch Googles Fairwind-Programm bewerben.

Nachrichtenagentur Reuters, in einem Bericht von Investing.com, ordnete den Launch in einen breiteren Kontext ein und sagte, Google rollte Argon aus, da es versuchte, Boden gegen Konkurrenten OpenAI und Anthropic nach Monaten von Verzögerungen und einem Führungswechsel in seinem DeepMind-Forschungslabor zurückzugewinnen. Der Bericht sagte, Google habe zuvor eine geplante Gemini 3.5 Pro-Veröffentlichung storniert, die für Juni geplant war. Im Bericht genannte frühe Kunden sind Deloitte, LexisNexis, Ambience Healthcare und Isomorphic Labs, und Teams, die Argon in Antigravity verwenden, hätten die agentischen Code-Einreichungen um mehr als 35% erhöht und Code-Rollbacks um etwa ein Drittel reduziert.