Google stellt Gemini 4 Argon vor: Spitzenwerte in Enterprise-Benchmarks bei zunächst stark limitiertem Zugang

Technische Architektur: Die Bedeutung des Limits von einer Million Output-Tokens

Neben den reinen Benchmark-Werten nimmt Google mit Gemini 4 Argon eine wesentliche architektonische Anpassung vor: Das maximale Limit für generierte Ausgabetokens (Output-Tokens) wird von bislang 64.000 Tokens in früheren Gemini-Modellen auf branchenführende 1 Million Tokens angehoben [2, 3, 5]. Während in den vergangenen Jahren vor allem die Vergrößerung des Eingabekontextfensters im Mittelpunkt stand, adressiert Google hiermit den Flaschenhals auf der Generierungsseite [2, 3].

Nach Angaben von Google ermöglicht dieser erweiterte Spielraum dem Modell, tiefe Gedankengänge über hunderttausende Tokens hinweg innerhalb einer einzigen Trajektorie aufrechtzuerhalten und komplexe Probleme in einem einzigen Durchgang zu lösen [2, 5]. Aus technischer Sicht ist diese Kapazitätserweiterung vor allem für autonome KI-Agenten in Unternehmen bedeutsam [3]. Bei umfangreichen Code-Migrationen, System-Audits oder der Überprüfung großer Vertragswerke hing der praktische Nutzen bisheriger Modelle oft davon ab, wie lange ein System eine zusammenhängende Arbeitskette selbstständig fortführen konnte, bevor das Ausgabelimit erreicht war und ein manueller Eingriff durch einen menschlichen Bearbeiter erforderlich wurde [3].

Interne Praxiserprobung bei Google: Von Rust-Migrationen bis zur Rechenzentrumsoptimierung

Da unabhängige Praxistests durch Unternehmenskunden aufgrund der limitierten Verfügbarkeit zum Start noch ausstehen, stützt Google seine Leistungsansprüche stark auf interne Anwendungsfälle [1, 2, 3, 5]. Nach Unternehmensaussagen nutzen bereits Tausende Google-Mitarbeiter Gemini 4 Argon im Arbeitsalltag für spezialisierte Programmieraufgaben, tiefgehende Recherchen, Fehlersuche und das Verfassen von Texten [2, 3]. Bei diesen Berichten handelt es sich um Eigenangaben des Anbieters, die jedoch konkrete Einblicke in das angestrebte Einsatzprofil geben [1, 2].

Besonders detailliert beschreibt Google den Einsatz bei der Optimierung von libgav1, dem quelloffenen Google-Videodecoder [2, 3]. Hier übernahmen Argon-Agenten eine bestehende Rust-Portierung und ersetzten 32.000 Zeilen hochgradig optimierten SIMD-Code [2, 3]. Dazu führten die Agenten zahlreiche Runden profilgestützter Experimente durch, analysierten den Output des Compilers und erzeugten speichersicheren Rust-Code, den der Compiler anschließend automatisch vektorisieren konnte [2, 3]. Im Ergebnis läuft der speichersichere Videodecoder laut Google 2,7-mal schneller als die ursprüngliche Rust-Portierung, liefert einen identischen Video-Output und nähert sich damit der Geschwindigkeit von optimiertem C++-Code an [2, 3].

Darüber hinaus führt Google drei weitere interne Großprojekte an, in denen Argon-Agenten produktiv eingesetzt werden [2, 3, 5]:

• Großflächige Code-Migrationen auf Rust: Argon-Agenten übertragen bestehende C- und C++-Codebasen innerhalb von Google in die speichersichere Sprache Rust [2, 3, 5]. Der Umfang reicht von zehntausenden Codezeilen in Kernbibliotheken wie re2 und libgav1 bis hin zu über 800.000 Zeilen für den Zircon-Kernel des Betriebssystems Fuchsia [2, 5]. Angesichts der Kritikalität dieser Systeme durchlaufen die umgeschriebenen Codebestände vor dem Produktiveinsatz strenge automatisierte und manuelle Audits, Emulationstests sowie menschliche Code-Reviews [1, 2].
• Speicheroptimierung in Rechenzentren: Ein Team aus Argon-Agenten analysierte flottenweite Profiling-Telemetriedaten über Googles Rechenzentren hinweg, um Speicherineffizienzen autonom zu identifizieren und Optimierungen anzuwenden [2, 3, 5]. Nach der Implementierung wurden dadurch laut Google bereits über 300 TiB Arbeitsspeicher freigegeben, wobei das geschätzte Gesamteinsparpotenzial auf 500 TiB bis 1 PiB beziffert wird [2, 3].
• Algorithmen für Quantencomputing: In der Forschung unterstützte Argon Wissenschaftler dabei, die Raumzeit-Ressourcen (berechnet aus Qubits mal Gattern) von Subroutinen zu optimieren, die wichtige Anwendungen ausbremsen [2, 3]. In einem konkreten Fall unterbot das Modell den veröffentlichten Referenzwert laut Google innerhalb weniger Minuten um 40 Prozent [2, 3].

Defensive Cybersicherheit: Autonomes Patching und das Fairwind-Programm

Die Entscheidung, Gemini 4 Argon zunächst exklusiv über das Fairwind-Programm auszuliefern, begründet Google mit den weitreichenden Fähigkeiten des Modells in der Cybersicherheit [1, 2, 3]. Argon wurde gezielt darauf trainiert, kritische Software-Schwachstellen autonom aufzuspüren, zu validieren und direkt zu patchen [2, 3]. Um ausgewählten Sicherheitsforschern und den internen Google-Teams die volle Leistungsfähigkeit für defensive Zwecke nutzbar zu machen, stellt Google diesen vertrauenswürdigen Nutzern eine Version von Argon komplett ohne Cyber-Schutzschranken (Guardrails) zur Verfügung [2, 3].

Im internen Vergleich verzeichnet Google deutliche Fortschritte gegenüber dem Vorgängermodell Gemini 3.8 Flash Cyber, das bereits auf dem CWE-bench v0 führend war [2]. Auf Googles internem Schwachstellen-Benchmark deckte Argon Sicherheitslücken über komplexe Codebasen in 20 verschiedenen Programmiersprachen hinweg auf [2]. Zudem übertraf Argon das Modell 3.8 Flash Cyber in einem internen Black-Box-Penetrationstest des Sicherheitsunternehmens Wiz, bei dem Live-Websysteme ohne Zugriff auf den Quellcode untersucht werden müssen, sowohl bei der Erkennung der Angriffsfläche als auch bei der Identifizierung von Lücken und der Erstellung von Proof-of-Concept-Nachweisen [2].

Ein erstes reales Anwendungsbeispiel stammt ebenfalls aus der Partnerschaft mit Wiz im Rahmen der Initiative Scan for Good, die kritische öffentliche Infrastrukturen kostenlos auf Risiken untersucht [2, 3]. Dabei entdeckte Argon laut Google eine kritische Sicherheitslücke in einer weltweit von Krankenhäusern eingesetzten Gesundheitssoftware, über die sensible personenbezogene Daten hätten abfließen können [2, 3, 5]. Google gibt an, dass frühere Frontier-Modelle diese Schwachstelle übersehen hatten, nannte jedoch – wie Ars Technica anmerkt – keine näheren technischen Details zu dem betroffenen System [2, 5].

Sicherheitsarchitektur, Alignment-Kontrolle und Schutz vor Prompt-Injections

Bevor Gemini 4 Argon für den breiten Unternehmenseinsatz freigegeben wird, härtet Google nach eigenen Angaben die Sicherheitsmechanismen des Modells in vier Kernbereichen gemäß seinem Frontier Safety Framework [2, 3]. Hintergrund sind unter anderem branchenweite Bedenken hinsichtlich eines unkontrollierten Modellverhaltens (Misalignment), die laut Ars Technica durch mehrere öffentlichkeitswirksame Hacking-Vorfälle im Sommer 2026 verstärkt wurden [5].

• Schutz vor Missbrauch (Cyber und CBRN): Um zu verhindern, dass Angreifer das Modell für Cyberattacken oder im Bereich chemischer, biologischer, radiologischer und nuklearer Waffen (CBRN) einsetzen, verweigert das reguläre Modell schädliche Anfragen, soll aber legitime wissenschaftliche Dual-Use-Forschung weiterhin zulassen [2, 3]. Google überwacht hierfür unter anderem die internen Aktivierungen des Modells und ließ die Schutzmechanismen durch interne und externe Red-Teams manuell sowie automatisiert prüfen [2].
• Abwehr indirekter Prompt-Injections: Ein zentrales Risiko für Unternehmensagenten sind indirekte Prompt-Injection-Angriffe (IPI), bei denen manipulierte Anweisungen in externen Dokumenten oder Datenquellen das Modellverhalten kapern [2]. Durch automatisiertes Red-Teaming und adversarielles Training erreicht Argon auf dem Indirect Prompt Injection Benchmark von Gray Swan eine Angriffs-Erfolgsrate (Attack Success Rate) von lediglich 0,7 Prozent [2, 3]. Damit schneidet Argon in dieser Darstellung besser ab als Claude Opus 5.5 und Claude Fable 5.1 (jeweils 1,0 Prozent), GPT-6 Astra (8,5 Prozent), GPT-6 Sol (27,0 Prozent), GLM 5.3 (31,5 Prozent) sowie Grok 4.8 (51,8 Prozent) [3].
• Überwachung von Chain-of-Thought und Misalignment: Damit Argon bei der Aufgabenbearbeitung nicht über die Intentionen des Nutzers hinausschießt, überwachen Kontrollsysteme fortlaufend die Gedankenkette (Chain-of-Thought) sowie die Aktionen des Modells und brechen die Ausführung bei Regelverstößen ab [2, 5]. Ein ähnliches Warnsystem nutzte Google bereits während des Trainings [2]. Bemerkenswert ist dabei ein methodisches Detail: Google speiste die Erkenntnisse aus dieser Überwachung bewusst nicht in das Training zurück, um zu verhindern, dass Argon lernt, seine Gedankengänge zur Umgehung der Kontrolle zu verschleiern [2]. Google appelliert in diesem Zusammenhang an die gesamte Branche, diese sogenannte Reasoning-Transparenz zwingend beizubehalten [2, 5].
• Härtung von Agenten-Sandboxes: Gemäß seiner Agent-Control-Roadmap isoliert und versiegelt Google die Sandbox-Umgebungen vollständig, bevor risikoreiche Trainingsläufe oder Evaluierungen gestartet werden [2, 3].

API-Preismodell, Token-Ökonomie und kaufmännische Implikationen für B2B-Anwender

Für kaufmännische und technische Entscheider kombiniert Google die Vorstellung von Gemini 4 Argon mit einer zweistufigen API-Preisgestaltung [1, 2, 3]. Zum Start gilt ein Einführungspreis von 2,00 US-Dollar pro Million Input-Tokens und 10,00 US-Dollar pro Million Output-Tokens [1, 2, 3, 5]. Für zwischengespeicherte Eingabetokens (Cached Input) gewährt Google einen Rabatt von 95 Prozent auf den regulären Input-Preis, was in der Einführungsphase 0,10 US-Dollar pro Million Tokens entspricht [2, 3, 5]. Nach Ablauf dieses Einführungszeitraums steigen die regulären Standardpreise auf das Doppelte: 4,00 US-Dollar pro Million Input-Tokens und 20,00 US-Dollar pro Million Output-Tokens (beziehungsweise rechnerisch 0,20 US-Dollar für Cached Input bei gleichbleibendem Rabattsatz) [1, 2, 3]. Wann dieser Rabattzeitraum endet, hat Google offen gelassen; VentureBeat weist zwar darauf hin, dass Einführungspreise in der Vergangenheit mitunter dauerhaft beibehalten wurden, für eine solide Budgetplanung sollten Sie jedoch die regulären Standardtarife zugrunde legen [1, 3].

Im aktuellen Marktvergleich des Herbstes 2026 positioniert sich Google damit preislich äußerst aggressiv gegen die Spitzenmodelle der Konkurrenz [3]: Während der Einführungsphase (2 US-Dollar Input / 10 US-Dollar Output) kostet Argon exakt ein Fünftel von OpenAIs GPT-6 Astra im Standardmodus (10 US-Dollar Input / 50 US-Dollar Output; im Fast-Modus sogar 20 US-Dollar / 100 US-Dollar) sowie die Hälfte von Anthropics Claude Opus 5.5 (4 US-Dollar Input / 20 US-Dollar Output; im Fast-Modus 8 US-Dollar / 40 US-Dollar) [3]. Der Einführungspreis von Argon liegt damit auf demselben Niveau wie die Mittelklasse-Modelle GPT-6 Sol von OpenAI und Claude Sonnet 5.5 von Anthropic (jeweils 2 US-Dollar / 10 US-Dollar) [3]. Nach dem Ende der Einführungsphase zieht Argon preislich exakt mit dem Basistarif von Claude Opus 5.5 (4 US-Dollar / 20 US-Dollar) gleich – auch beim Cached Input von 0,20 US-Dollar pro Million Tokens, wobei Anthropic zusätzlich 5,00 US-Dollar für Cache-Schreibvorgänge berechnet –, bleibt aber weiterhin deutlich günstiger als GPT-6 Astra sowie Anthropics Modelle Claude Fable 5.1 und Claude Mythos 5.1 (jeweils 10 US-Dollar / 50 US-Dollar) [3]. Deutlich günstigere Alternativen im Markt bleiben hingegen kleinere Modelle wie Googles eigenes Gemini 3.8 Flash (0,75 US-Dollar / 3,75 US-Dollar bis zum 31. Dezember 2026, danach 1,50 US-Dollar / 7,50 US-Dollar ab 1. Januar 2027), OpenAIs GPT-6 Luna (0,10 US-Dollar / 0,50 US-Dollar) oder DeepSeek-V4-Pro (0,66 US-Dollar / 1,98 US-Dollar außerhalb der Spitzenzeiten) [3].

Eine analytische Betrachtung der reinen Token-Preise greift für den produktiven B2B-Einsatz jedoch zu kurz, da Modelle mit tiefem Reasoning und einem Ausgabelimit von bis zu einer Million Tokens pro Anfrage erheblich mehr Output-Tokens generieren können [1, 2]. Dies belegt die Kostenkalkulation von Artificial Analysis: Für das Absolvieren einer Aufgabe im Intelligence Index schätzt Artificial Analysis die effektiven Kosten von Gemini 4 Argon während der Einführungsphase auf 1,99 US-Dollar, verglichen mit 3,26 US-Dollar für GPT-6 Astra [1]. Legt man hingegen Argons regulären Standardtarif nach der Einführungsphase zugrunde, steigen die geschätzten Kosten pro Aufgabe auf 3,98 US-Dollar – womit Argon im effektiven Aufgabenpreis teurer wäre als GPT-6 Astra trotz dessen vielfach höheren Token-Listenpreises [1].

Sobald Ihr Entwicklungsteam Zugriff auf die API erhält, empfiehlt sich daher eine strukturierte Evaluierung anhand Ihrer realen Arbeitslasten [1, 3]. Prüfen Sie in eigenen Pilotprojekten nicht nur die Abschlussquote bei Programmier- oder Dokumentenaufgaben, sondern erfassen Sie präzise den tatsächlichen Token-Verbrauch pro erfolgreichem Ergebnis unter Standardpreisen, die Laufzeit der Agenten sowie den verbleibenden Aufwand für menschliche Qualitätskontrollen und Sicherheitsaudits [1, 3]. Zudem müssen vor einem produktiven Wechsel die konkreten Rahmenbedingungen zu Rate-Limits, Data-Governance und der Integration in Vertex AI, Google Cloud sowie Google Workspace geklärt sein [3].

Quellen

1. [1] Google unveils Gemini 4 Argon with strong scores and limited access | The Rundown AI — https://www.therundown.ai/news/google-gemini-4-argon-benchmarks-limited-rollout (abgerufen am 2026-10-14)
2. [2] Introducing Gemini 4 Argon — https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon (abgerufen am 2026-10-14)
3. [3] Google unveils Gemini 4 Argon, retaking benchmark lead over OpenAI and Anthropic — but in limited release | VentureBeat — https://venturebeat.com/technology/google-unveils-gemini-4-argon-retaking-benchmark-lead-over-openai-and-anthropic-but-in-limited-release (abgerufen am 2026-10-14)
4. [5] Google announces Gemini 4 Argon AI model, but you can't use it yet - Ars Technica — https://arstechnica.com/google/2026/09/google-announces-gemini-4-argon-ai-model-but-you-cant-use-it-yet (abgerufen am 2026-10-14)