Kurz gesagt
- Das Ausgabelimit von Gemini 4 Argon wurde von 64.000 Token auf 1 Million Token angehoben.
- Zu Beginn erhalten ausgewählte Cybersicherheitsexperten im Rahmen des Fairwind-Programms Zugang zum Modell.
- Der Einführungspreis für die API beträgt 2 US-Dollar pro Million Input-Token und 10 US-Dollar pro Million Output-Token.
- Das Modell akzeptiert Text-, Bild-, Video- und Audioeingaben, gibt jedoch ausschließlich Text aus.
Google hat am 30. September 2026 sein neues Flaggschiff-KI-Modell Gemini 4 Argon angekündigt. Das Modell ist auf logisches Denken bei langen, mehrstufigen Aufgaben ausgelegt und wird zunächst ausgewählten Cybersicherheitsexperten des Fairwind-Programms sowie internen Teams von Google zugänglich gemacht. Wann Entwickler, Unternehmen und Privatnutzer breiteren Zugang erhalten, wurde noch nicht bekannt gegeben.
Neue Grenze für längere Antworten
Google zufolge kann Argon in einer einzelnen Antwort bis zu 1 Million Output-Token erzeugen. Die bisherige Obergrenze lag bei 64.000 Token. Auch das Kontextfenster für Eingaben wird mit 1 Million Token angegeben. Das Modell kann Text-, Bild-, Video- und Audioeingaben verarbeiten, gibt jedoch ausschließlich Text aus.
Die neue Funktion „Long Decode Continuation“, die abgeschnittene Antworten verhindern soll, wird in die Gemini API integriert. Sie setzt lange Generierungen mit Folgeanfragen fort und soll so das Risiko verringern, dass Antworten wegen einer Zeitüberschreitung abgebrochen werden. Googles Ansatz ermöglicht es, umfangreiche Aufgaben länger innerhalb eines einzigen Workflows fortzuführen.
Zugang und API-Preise
Google will das Modell schrittweise bereitstellen. Die erste Gruppe besteht aus ausgewählten Experten für Cyberabwehr im Rahmen von Fairwind. In dieser Phase soll frühes Nutzerfeedback gesammelt werden, um die Sicherheitsvorkehrungen des Modells zu verbessern. In der nächsten Phase soll der Zugang zunächst für zahlende API-Kunden und Google-AI-Ultra-Abonnenten geöffnet und anschließend ausgeweitet werden. Einen verbindlichen Termin für die allgemeine Verfügbarkeit nannte Google nicht.
Der angekündigte API-Einführungspreis beträgt 2 US-Dollar pro Million Input-Token und 10 US-Dollar pro Million Output-Token. Nach Ende des Einführungszeitraums sollen die Preise auf 4 beziehungsweise 20 US-Dollar steigen. Für zwischengespeicherte Eingaben nennt Google einen Rabatt von 95 Prozent. Für Entwickler ist es daher wichtig, nicht nur den Listenpreis des Modells, sondern auch den Verbrauch an Output-Token bei langen Aufgaben im Blick zu behalten.
Was sagen die Benchmarks?
Laut einer von The Decoder zitierten Bewertung von Artificial Analysis erreichte Argon auf der höchsten Reasoning-Stufe „High“ im Intelligence Index 53 Punkte. Damit liegt das Modell auf dem gleichen Niveau wie GPT-6 Astra und Claude Fable 5.1 und einen Punkt über GPT-6.1 Sol. Dabei handelt es sich um Ergebnisse unabhängiger Bewertungen; die Leistung im praktischen Einsatz kann je nach Aufgabe und verwendeter Software variieren.
In derselben Bewertung erzielte das Modell im Test AutomationBench-AA 77,5 Prozent. Für Terminal Bench 4 wurde ein Ergebnis von 57 Prozent gemeldet. In der Berechnung der Kosten pro Aufgabe von Artificial Analysis kostet ein Test zu den Einführungspreisen 1,99 US-Dollar, zu den regulären Preisen 3,98 US-Dollar. Außerdem wird angegeben, dass Argon im Durchschnitt 62.000 Output-Token pro Aufgabe verbraucht, während GPT-6 Astra 27.000 Token nutzt. Ein niedriger Tokenpreis bedeutet daher nicht zwingend niedrigere Gesamtkosten bei jeder Aufgabe.
Workflows für Architektur und Visualisierung
Für Architekturbüros, Innenarchitekten und Visualisierungsteams könnten das lange Kontextfenster und die Unterstützung mehrerer Eingabeformate die Möglichkeit bieten, Materialien mit vielen Texten, Bildern oder Videos innerhalb eines Workflows auszuwerten. So könnte man beispielsweise Analysen zu Projektdokumenten oder visuellen Referenzen anfordern. In den Quellen finden sich jedoch keine speziellen Tests zu Workflows in der Architektur.
Die entscheidende Einschränkung: Argon erzeugt weder Bilder noch 3D-Inhalte, sondern gibt ausschließlich Text aus. Es ist daher nicht zu erwarten, dass es Render- oder Modellierungssoftware direkt ersetzt. Bei langen Aufgaben kann der Tokenverbrauch die Kosten beeinflussen. Außerdem ist der Zugang derzeit noch eingeschränkt, sodass Teams das Modell nicht sofort in bestehende Produktionsabläufe integrieren können. Auch zu den Hardwareanforderungen liegen keine Angaben vor.
Quellen
1 QuelleQuelltexte werden nicht neu veröffentlicht; kurze Zitate sind gekennzeichnet, der Rest ist eigene Zusammenfassung und Einordnung.
Argons langes Kontextfenster und die Unterstützung mehrerer Eingabeformate sind für Teams interessant, die Projektdokumente gemeinsam mit visuellen Referenzen auswerten möchten. Das bedeutet jedoch nicht, dass das Modell nachweislich Ergebnisse für Architektur oder Visualisierung liefert. Da es zudem keine visuellen Inhalte erzeugt, ist es keine Alternative zu Rendering- und 3D-Produktionswerkzeugen.
Für Büros in der Türkei werden der Zeitplan für den Zugang und die tatsächlichen Nutzungskosten entscheidend sein. Die Einführungspreise wirken zwar attraktiv, doch der Tokenverbrauch pro Aufgabe kann die Gesamtkosten verändern. Bevor der allgemeine Zugang freigeschaltet wird, sollten API-Bedingungen, Lizenzumfang und Kompatibilität mit bestehenden Workflows geklärt werden. Da keine Hardwareanforderungen bekannt gegeben wurden, sollte außerdem nicht von einer lokalen Installation ausgegangen werden.
Häufige Fragen
Wann wird Gemini 4 Argon allgemein verfügbar sein?
Google hat keinen konkreten Termin genannt. Der Zugang soll schrittweise ausgeweitet werden.
Wie viel kostet die Gemini-4-Argon-API?
Der Einführungspreis beträgt 2 US-Dollar pro Million Input-Token und 10 US-Dollar pro Million Output-Token. Die späteren regulären Preise wurden mit 4 beziehungsweise 20 US-Dollar angegeben.
Kann Gemini 4 Argon Bilder oder 3D-Inhalte erzeugen?
Das Modell akzeptiert Bild-, Video- und die weiteren genannten Eingabeformate, gibt jedoch ausschließlich Text aus.
