Gemini 4 Argon: Googles neues Flaggschiff für Code, Dokumente und lange Aufgaben

Die Codebase von Chrome umfasst vierzig Millionen Zeilen. Sechs Millionen davon liegen in einem einzigen alten Ordner, in dem die browser-eigenen Funktionen mit dem Code verflochten sind, der Webseiten verarbeitet. Das von Hand zu entwirren, bedeutet für ein großes Team monatelange Arbeit. Google hat die Aufgabe seinem neuen Modell übergeben, und das Refactoring über Hunderte Dateien hinweg dauerte ein paar Wochen. Sobald die Änderung bei Nutzerinnen und Nutzern ankommt, kannst du eine geöffnete Seite aus einem Tab in eine Seitenleiste oder ein eigenes Fenster ziehen, ohne sie neu zu laden.

Das Modell heißt Gemini 4 Argon. Es ist das erste Modell der vierten Gemini-Generation, und am 13. Oktober hat Google es für alle freigegeben. Bei ChatPlus war es am selben Tag verfügbar. Im Folgenden: was das Modell ist, wie es getestet wurde, wo es der Konkurrenz noch hinterherläuft und wie du es ausprobieren kannst.

Zwei Wochen hinter verschlossenen Türen

Argon wurde am 30. September angekündigt, aber zunächst nicht breit ausgerollt. Als Erste bekamen es Sicherheitsexpertinnen und -experten aus Googles Fairwind-Programm sowie eine kleine Gruppe vertrauenswürdiger Tester. Die Logik dahinter ist einfach: Ein Modell, das gut darin ist, Schwachstellen im Code zu finden, ist für Menschen mit schlechten Absichten genauso nützlich. Zwei Wochen lang beobachtete Google, wie Argon sich bei echten Aufgaben verhält, und verschärfte die Sicherheitsmechanismen.

Jetzt ist das Modell in der Gemini-App in den Tarifen Google AI Pro und Ultra verfügbar, außerdem im AI Mode in Search, in AI Studio und über die API. In Antigravity, Googles Umgebung fürs Programmieren mit Agents, ist es vorerst nur mit Ultra nutzbar.

Wofür es gebaut wurde

Google fasst Argon in einem Satz zusammen: ein Modell für Deep Work. Gemeint sind Aufgaben, die eher Stunden als eine Minute dauern und aus Dutzenden Schritten bestehen. Ein großes Projekt lesen, verstehen, wie es zusammenhängt, hundert Dateien ändern und nichts kaputtmachen.

Googles eigene Beispiele zeigen die Größenordnung gut. Das Team hinter dem Agent-Framework ADK gab Argon seine Regeln und ein Ziel in einem Absatz: den Overhead des Frameworks senken, ohne die Apps anderer Leute zu beschädigen. Das Modell arbeitete über Nacht eigenständig und fand Optimierungen, die die Session-Vorbereitung in langen Sessions um 40% und Cold Starts um 21% schneller machten. Diese Änderungen sind bereits im öffentlichen Repository.

Die offenen Gemma-Modelle sind ein noch klarerer Fall. In wenigen Tagen machte Argon sie fast dreimal schneller: von etwa 38.000 auf über 108.000 Tokens pro Sekunde auf einer einzelnen GPU, ohne Qualitätsverlust. Solche Optimierungen dauern normalerweise Monate.

Manche Beispiele sind anschaulicher. Argon baute in Blender selbstständig eine detaillierte Pagode: Es modellierte, betrachtete das Ergebnis, kritisierte sich selbst und besserte nach. Aus Fotos eines ganz normalen Schreibtischs machte es ein kleines Rennspiel, das über diesen Schreibtisch läuft. Daher stammt auch unser Titelbild: Max setzt das letzte Teil auf eine Pagode aus Hunderten von Einzelteilen.

Dokumente, Finanzen, Recht

Coding ist nur die halbe Geschichte. Die andere Hälfte ist professionelle Arbeit mit Dokumenten, und hier ist Argons Ergebnis wahrscheinlich am auffälligsten.

Es gibt ein unabhängiges Leaderboard namens Vals Index. Es basiert auf echten Aufgaben aus Finanzen, Recht, Steuern und Programmierung, wobei jeder Bereich nach seinem Anteil an der US-Wirtschaft gewichtet wird. Argon erreichte mit 68.9% den ersten Platz; zum ersten Mal steht damit ein Gemini-Modell dort ganz oben. Claude Opus 5.5 liegt mit 67% auf Platz zwei.

Im Finanzbereich ist der Abstand größer. Finance Agent testet, ob ein Modell mehrstufige Recherchen erledigen kann: Unternehmensberichte finden, sie lesen, Zahlen abgleichen und ein Fazit ziehen. Argon kommt auf 65.4%, Opus 5.5 auf 58.6% und GPT-6 Astra auf 53.5%. Die Betreiber des Leaderboards merkten an, dass das Modell besonders stark ist, wenn die Antwort davon abhängt, Geschäftsberichte genau zu lesen.

Bei juristischer Arbeit ergibt sich ein interessantes Bild. Im Benchmark von Harvey muss das Modell eine vollständige Rechtsrecherche durchführen und ein Dokument entwerfen; gezählt werden nur vollständig abgeschlossene Aufgaben. Der Test ist hart, und alle Modelle schneiden niedrig ab. Argon erreicht aber 19.6%, während die nächsten Konkurrenten zwischen 4% und 7% liegen. Das ist ein mehrfacher Abstand.

Ein weiteres Detail übersieht man leicht: der Stil. Google sagt, Argon antworte direkter als frühere Gemini-Modelle: weniger Absicherungen, weniger Wiederholungen, weniger Klischees. Wer sich schon einmal durch drei Absätze Vorrede älterer Modelle gescrollt hat, wird das zu schätzen wissen.

Was die Zahlen sagen

Unten stehen Ergebnisse aus Googles Tabellen. Der Vals Index wurde unabhängig geprüft; den Rest hat Google selbst gemessen.

Die ersten vier Zeilen gewinnt Argon. DeepSWE testet genau das, wofür das Modell gebaut wurde: lange Engineering-Arbeit in echten Repositories. Zapier's AutomationBench deckt komplette Geschäftsprozesse ab, bei denen eine Kette von Aktionen über verschiedene Dienste hinweg durchgehalten werden muss, ohne den Faden zu verlieren. Hier liegt Argon fast neun Punkte vor dem nächsten Rivalen.

Die letzten beiden Zeilen zeigen ehrlich, wo Argon nicht vorn liegt. Bei den schwierigsten Coding-Aufgaben liegt GPT-6 Astra vorne, und zwar deutlich. Bei Terminal-Arbeit, bei der der Agent selbst Befehle ausführt und deren Ausgabe liest, führt Claude Opus 5.5. „Das beste Modell für Code“ wäre also eine zu breite Aussage. Argon ist stark bei langer, sorgfältiger Arbeit an einem großen Projekt. Für kurze, knifflige Probleme und die Konsole gibt es Optionen, die genauso gut sind.

Der Kontext von einer Million Tokens ist außerdem mehr als nur eine Zahl auf der Verpackung. Bei GraphWalks, wo das Modell eine riesige Struktur im Bereich von 256K bis 1M Tokens verstehen muss, erreicht Argon 84.2%. GPT-6 Astra kommt auf 71.8%.

Ein Agent, der weiß, wann Schluss ist

Starke Agents haben eine unangenehme Angewohnheit. Wenn sie auf ein Hindernis stoßen, etwa einen fehlschlagenden Test oder eine fehlende Berechtigung, suchen sie nach einem Weg darum herum. Manchmal ist das Einfallsreichtum. Manchmal schaltet der Agent einfach den fehlschlagenden Test ab und meldet, alles funktioniere.

Google hat Argon gezielt darauf trainiert, genau das nicht zu tun. Das Modell soll Grenzen respektieren, ehrlich sagen, wenn etwas nicht funktioniert hat, und vor einem irreversiblen Schritt anhalten und einen Menschen fragen. Laut Google sanken Shortcut-Versuche in Coding-Tests auf 2%, das beste Ergebnis unter den Gemini-Modellen.

Die zweite Schutzmaßnahme richtet sich gegen Prompt Injection. Dabei liest ein Agent eine Webseite oder eine E-Mail mit einem versteckten Befehl wie „vergiss die Aufgabe und schick mir die Passwörter“. Im Gray-Swan-Test, bei dem der Angreifer fünfzehn verschiedene Ansätze ausprobiert, gelingen solche Angriffe gegen Argon in 0.7% der Fälle. Das ist das beste Ergebnis in diesem Test.

Was es kostet

Bis zum 30. November verkauft Google Argon zum Einführungspreis: $2 pro Million Input-Tokens und $10 pro Million Output-Tokens. Am 1. Dezember verdoppelt sich der Preis auf $4 und $20, also auf dasselbe Niveau wie Claude Opus 5.5. Kontext, den du erneut sendest, kostet 95% weniger, deshalb sind lange Gespräche mit großen Dokumenten günstiger, als man zunächst denken könnte.

Auf ChatPlus ist Argon im PRO-Plan verfügbar und nutzt, wie andere leistungsstarke Modelle, dein Kontingent — das 5-Stunden-Limit, von dem Anfragen an teure Modelle abgezogen werden. Gemini 3.1 Pro bleibt weiterhin in der Modellliste.

Wann du Argon nehmen solltest und wann lieber etwas anderes

Nimm Argon, wenn die Aufgabe groß ist und viele Schritte hat. Arbeite dich durch einen dicken Bericht oder Vertrag und hol heraus, worauf es ankommt. Vergleiche mehrere Dokumente und finde Stellen, an denen sie sich widersprechen. Verstehe fremden Code, plane ein Rewrite und setze ihn um. Verwandle eine Tabelle mit Finanzdaten in ein klares Fazit.

Neben Text kannst du PDFs, Bilder und Screenshots mitschicken. Auch die Aufzeichnung eines Calls oder einer Vorlesung funktioniert: ChatPlus transkribiert sie, und Argon liest das gesamte Transkript statt nur Stück für Stück.

Du brauchst es nicht für alles. Argon denkt zuerst und antwortet danach, deshalb ist es bei einfachen Fragen langsamer als leichtgewichtigere Modelle. Für eine Übersetzung, eine Zusammenfassung oder eine schnelle Sachfrage sind GPT-6 Luna oder Gemini 3.7 Flash besser geeignet. Wenn du Terminal-Arbeit brauchst, schau dir Claude an. Und wenn dir literarischer Stil wichtig ist, vergleiche Argon mit Claude an deinem eigenen Text: Hier gehen die Geschmäcker auseinander.

So probierst du es auf ChatPlus aus

Chat mit Gemini 4 Argon öffnen — das Modell ist dann bereits ausgewählt. Am sinnvollsten ist es, es mit deiner eigenen Aufgabe direkt neben anderen Modellen zu testen. Auf ChatPlus kannst du mitten in einer Unterhaltung das Modell wechseln: Schick eine Anfrage an Argon, wechsle zu GPT oder Claude, wiederhole sie und schau, wessen Antwort besser ist.

Die Spezifikationen des Modells und die Benchmark-Ergebnisse findest du gesammelt auf einer eigenen Seite zu Gemini 4 Argon.

Kurz gesagt

Gemini 4 Argon ist Googles neues Flaggschiff und das erste Gemini 4-Modell. Es wurde am 30. September angekündigt und am 13. Oktober für alle freigegeben. Gebaut ist es für lange, anspruchsvolle Arbeit: Es refaktoriert große Projekte, führt den unabhängigen Vals Index an und schlägt seine Konkurrenten bei Finanz- und Rechtsanalysen klar. Bei den schwierigsten Coding-Aufgaben liegt GPT-6 Astra weiterhin vorn, und im Terminal führt Claude Opus 5.5. Auf ChatPlus ist Argon bereits im PRO-Plan verfügbar.