Google öffnet Gemini 4 Argon für zahlende Nutzer – mit Einführungspreisen und neuen Sicherheitsangaben

Breitere Veröffentlichung mit messbaren Fortschritten und eingeräumten Risiken

Google stellte Gemini 4 Argon am 13. Oktober 2026 weltweit für Entwickler, Unternehmen und zahlende Privatkunden bereit. Dazu kamen Einführungspreise für die API von 2 US-Dollar pro Million Eingabetoken und 10 US-Dollar pro Million Ausgabetoken sowie ausführliche Angaben zu Softwareentwicklung, wissenschaftlicher Forschung und Robotik. Die Ausweitung erfolgt 13 Tage nach der Vorstellung am 30. September, als der Zugang auf ausgewählte Cybersicherheitsfachleute beschränkt war.

Die Veröffentlichung zeichnet auch ein differenzierteres Sicherheitsbild, als es eine schlichte Erklärung, das Modell habe die Prüfung bestanden, vermitteln würde. Google DeepMind kann nach eigenen Angaben nicht ausschließen, dass Argon kritische Fähigkeitsschwellen bei biologischen Informationen und Cybersicherheit erreicht oder eine separate Schwelle im Zusammenhang mit Verschleierung und dem Bewusstsein für seine Einsatzumgebung überschreitet. Google zufolge senken die eingesetzten Schutzmaßnahmen die verbleibenden Risiken unter diese Schwellen.

In Googles Ankündigung zur Einführung von Argon berichtet das Unternehmen von einem Anstieg der über KI-Agenten-Workflows erstellten Codebeiträge um mehr als 35 Prozent und von fast einem Drittel weniger Rücknahmen von Codeänderungen. Die Beispiele reichen von der Umstrukturierung von Chromium bis zur Entwicklung von Enzymen, die sich anschließend in Labortests als aktiv erwiesen.

Koray Kavukcuoglu, Senior Vice President von Google DeepMind und Chief AI Architect bei Google, beschrieb den Umfang der Veröffentlichung so:

Wir geben Entwicklern, Unternehmen, Wissenschaftlern und Privatkunden Zugang zu unserem neuesten Frontier-Modell.

Im Mittelpunkt steht ein praktischer und nicht ausschließlich auf Dialog ausgerichteter Anspruch: Argon soll komplexe Systeme untersuchen, Änderungen vornehmen und Ergebnisse über längere Aufgaben hinweg testen. Ob daraus ein verlässlicher Nutzen entsteht, hängt von der jeweiligen Arbeitslast, der Zugangsstufe und der menschlichen Prüfung ab, wie auch Googles eigene Beispiele aus der Softwareentwicklung zeigen.

Wer kann Argon nutzen und über welche Produkte?

Abonnenten von Google AI Pro und Ultra können Argon in der Gemini-App und im KI-Modus der Suche nutzen. Für den individuellen Zugang über Google Antigravity, Googles Umgebung für KI-Coding-Agenten, ist Ultra erforderlich. Google nennt den Zugang mit Ultra außerdem in AI Studio, neben einem separaten Entwicklerzugang über die kostenpflichtige Gemini API in AI Studio und Android Studio.

Unternehmen können auf das Modell über Gemini für Unternehmen, die API und Antigravity zugreifen. Diese Unterscheidung ist wichtig: Ein Privatkundenabo und die kostenpflichtige API-Nutzung sind getrennte Zugangswege. Ein Pro-Zugang in der Gemini-App ermöglicht daher nicht automatisch denselben Zugang zu autonomen Coding-Workflows.

Berichten zufolge kostet AI Pro 20 US-Dollar im Monat, Ultra ab 99 US-Dollar im Monat. Pro-Abonnenten können mit Argon über Gemini Canvas Code erzeugen, während Google Gemini 3.1 Pro weiterhin anbietet. Ein Datum für den Zugang zu Argon über niedrigere Antigravity-Abostufen oder für Nutzer der kostenlosen Version wurde nicht genannt.

Der Einführung ging eine kurze Phase eingeschränkter Tests voraus, auf die eine breitere Bereitstellung folgte:

• 30. September 2026: Google stellte Argon zunächst vor und gewährte zugelassenen Cybersicherheitsfachleuten Zugang.
• 12. Oktober 2026: Meta kündigte Muse Wonder Full an, ein weiteres konkurrierendes Frontier-Modell.
• 13. Oktober 2026: Google begann mit der weltweiten Bereitstellung von Argon für berechtigte Abonnenten, Entwickler und Unternehmen.
• 1. Dezember 2026: Berichten zufolge beginnt an diesem Tag nach der Einführungsphase die reguläre API-Bepreisung.

Was die Einführungspreise tatsächlich abdecken

Googles Ankündigung bestätigt Preise von 2 US-Dollar pro Million Eingabetoken und 10 US-Dollar pro Million Ausgabetoken. Für zwischengespeicherte Eingabetoken gibt es 95 Prozent Rabatt. Token sind die Einheiten, die ein Modell verarbeitet, häufig Wörter oder Wortteile. Durch Zwischenspeicherung können bereits verarbeitete Eingaben zu einem niedrigeren Preis erneut verwendet werden.

Zu diesen Preisen würden eine Million gewöhnliche Eingabetoken und eine Million Ausgabetoken zusammen 12 US-Dollar kosten. Mit einem Rabatt von 95 Prozent auf den Einführungspreis für Eingaben kosten berechtigte zwischengespeicherte Eingaben 0,10 US-Dollar pro Million Token. Dabei handelt es sich um nutzungsabhängige Preise, nicht um den Preis eines Gemini-Abos.

Berichten zufolge endet die Einführungsphase am 30. November; ab dem 1. Dezember verdoppeln sich die Preise auf 4 US-Dollar pro Million Eingabetoken und 20 US-Dollar pro Million Ausgabetoken. Dasselbe Beispiel würde dann 24 US-Dollar kosten. In Googles Ankündigung zur Einführung werden weder diese Frist noch die späteren Preise genannt. Die offizielle Mitteilung bestätigt daher die Einführungspreise, nicht aber deren Ablaufdatum.

Berichten zufolge liegen die Einführungspreise außerdem bei rund einem Fünftel der Preise bestimmter Konkurrenzmodelle. Daraus lässt sich nicht ableiten, was die Erledigung einer Aufgabe kostet: Verschiedene Systeme können unterschiedlich viele Token verbrauchen, Wiederholungsversuche benötigen oder unterschiedlich viel Zeit für die Verarbeitung aufwenden. Auch die Dauer des Rabatts auf zwischengespeicherte Eingaben wird in der offiziellen Ankündigung nicht genannt.

Das Python-Experiment zeigt, warum eine Prüfung weiterhin wichtig ist

Eines der aufschlussreichsten Beispiele betrifft Googles Agent Development Kit (ADK), ein Framework zur Entwicklung von KI-Agenten für Unternehmen. Das Python-Repository umfasst rund 205.000 Zeilen in knapp 800 Quelldateien und wird durch fast 17.000 Unit-Tests abgesichert. Argon sollte den Aufwand des Frameworks verringern, ohne die öffentliche Schnittstelle oder die von Anwendungen an ihre Modelle gesendeten Inhalte zu verändern.

Ein erster, etwa zweistündiger Durchlauf fand tatsächliche Engpässe, verursachte aber auch Probleme. Dazu zählten eine subtile Änderung an einem öffentlichen JSON-Schema und übersehene Testfälle. Anschließend stellte das Team Richtlinien für das Repository bereit und wies Argon an, einen nicht zusammengeführten Pull Request mit Leistungskennzahlen vorzubereiten.

Der folgende unbeaufsichtigte Durchlauf dauerte 11 Stunden. Argon las 12 Richtliniendateien, schlug sechs Optimierungen vor und führte 16.892 Unit-Tests aus. Menschliche Prüfer akzeptierten zwei Vorschläge und lehnten vier ab. Sie verwiesen unter anderem auf Risiken durch veraltete zwischengespeicherte Daten, die Abhängigkeit von internen Bibliotheksdetails, eine schlechtere Lesbarkeit und Verbesserungen, die sich auf künstliche Benchmarks beschränkten.

Die angenommenen Änderungen filterten den Gesprächsverlauf vor dem Kopieren und verzögerten das Laden umfangreicher Pakete bis zu dem Zeitpunkt, an dem sie benötigt wurden. Die endgültige Änderung betraf 22 Dateien und ergänzte 17 Testfunktionen. Google zufolge sank die Vorbereitungszeit für lange, im Speicher gehaltene Sitzungen um rund 40 Prozent; Paketimporte beim Kaltstart verbesserten sich um 21 Prozent.

Bei einer separaten Messung eines Durchlaufs mit 158 Nachrichten sank die Zeit von 65,6 auf 56,1 Sekunden, also um rund 14,5 Prozent. Das ist kein Widerspruch: Eine Verbesserung um 40 Prozent bei einer Komponente macht nicht den gesamten Arbeitsablauf um 40 Prozent schneller. Das Experiment zeigt auch, dass das Bestehen der öffentlichen Testsuite allein nicht ausreichte. Eine vorgeschlagene Änderung an den Importen bestand zwar alle 16.892 öffentlichen Tests, scheiterte aber zunächst an 25 internen Testzielen und musste überarbeitet werden.

Von Chromium bis zu schnelleren Gemma-Inferenzen

Argon habe dabei geholfen, die Kernverarbeitung von Webseiten von einem älteren Ordner mit Browserfunktionen zu trennen, der rund sechs Millionen Zeilen innerhalb der 40 Millionen Zeilen umfassenden Chromium-Codebasis enthält, so Google. Der Ordner macht etwa 15 Prozent der gesamten Codebasis aus. Die Umstrukturierung erstreckte sich über Hunderte von Dateien und verkürzte nach Angaben von Google monatelange Arbeit auf wenige Wochen.

Dadurch sollen aktive Webseiten ohne erneutes Laden zwischen Tabs, Seitenleisten und schwebenden Fenstern verschoben werden können; zugleich soll eine bestimmte Kategorie von Abstürzen wegfallen. Dabei handelt es sich um erwartete Folgen der Architekturarbeit, nicht um einen Beleg dafür, dass alle Nutzer bereits über diese Funktionen verfügen.

Für Gemma 4 E2B meldet Google auf einer Nvidia A100 eine 2,85-fache Inferenzgeschwindigkeit mit vLLM, einer Software zur Bereitstellung von Sprachmodellen. Der Durchsatz stieg von rund 37.900 auf mehr als 108.000 Token pro Sekunde. Die erzeugten Token waren identisch, ein Qualitätsverlust wurde nicht gemeldet. Das Ergebnis bezieht sich auf ein bestimmtes Modell und eine bestimmte Hardware und lässt sich nicht auf die gesamte Gemma-Familie übertragen.

Weitere intern erzielte Ergebnisse betreffen laut Berichten überflüssiges Rendern von Emojis in YouTube-Kommentaren und Fehler aus dem Jahr 2018 im Drohnen-Physiksimulator des Lieferdienstes Wing von Alphabet. Bei der Zahl für YouTube unterscheiden sich die Berichte: Einer nennt eine Verringerung der Serverlast um 45 Prozent, ein anderer eine Halbierung des benötigten Rechenaufwands. Ohne weitere Angaben sollten diese Messwerte nicht gleichgesetzt werden.

Bei einer weiteren Untersuchung wurden Berichten zufolge 134 ältere Softwarefehler geprüft; 97 davon wurden in weniger als drei Stunden als veraltet oder doppelt identifiziert. Zusammengenommen sprechen diese Beispiele für Argon als Werkzeug für Wartung und Fehleruntersuchung. Die Ergebnisse bleiben jedoch Unternehmensangaben und wurden nicht unabhängig reproduziert.

Die Spitzenposition bei Benchmarks hängt von der Aufgabe ab

Der im Oktober veröffentlichte Argon-Modellsteckbrief von Google DeepMind weist für den Vals Index einen Wert von 68,9 Prozent aus, verglichen mit 63,1 Prozent für GPT-6 Astra und 67,0 Prozent für Claude Opus 5.5. Bei diesem Maß für professionelle Aufgaben in Bereichen wie Finanzen, Recht, Programmierung und Steuern liegt Argon vorn.

Zu den aufgeführten Ergebnissen im Bereich Programmierung zählen 77,9 Prozent bei DeepSWE v1.1 und 91,9 Prozent bei Vibe Code Bench. Bei CWE-bench v1, einer Cybersicherheitsprüfung, erreicht Argon 68,0 Prozent und liegt damit gleichauf mit GPT-6 Astra, statt das Modell zu übertreffen.

Dieselbe offizielle Tabelle zeigt, dass die Konkurrenz bei anderen Prüfungen vorn liegt. Bei FrontierSWE v2 erreicht Argon 55,0 Prozent, gegenüber 65,5 Prozent für Astra. Bei Terminal-bench 4.0 liegt Argon mit 57,4 Prozent hinter Opus 5.5 mit 66,4 Prozent. Allgemeine Überlegenheitsbehauptungen für Programmierung und Wissenschaft müssen daher eingeschränkt werden.

Berichtete Ergebnisse im Artificial Analysis Intelligence Index weisen für Argon 53 Punkte aus. Damit liegt es gleichauf mit GPT-6 Astra und Claude Fable 5.1, aber unter Claude Opus 5.5 mit 58 Punkten sowie Muse Wonder Full und Claude Sonnet 5.5 mit jeweils 56 Punkten. Diese Werte messen eine andere Mischung von Fähigkeiten als der Vals Index und lassen sich nicht direkt mit dessen Prozentwerten vergleichen.

Sam Witteveen, CEO und Mitgründer der Unternehmensberatung Red Dragon AI für künstliche Intelligenz, lobte Argon, widersprach aber der Einschätzung, es sei das beste verfügbare Modell. Seine Bewertung passt zum gemischten Bild der Benchmarks: Eine starke Leistung bei professionellen Aufgaben belegt keine Spitzenposition bei allen Arten von Aufgaben.

Wissenschaftliche Ergebnisse reichen von Quanten-Code bis zu Enzymtests

Argon habe den Inferenzdurchsatz einer internen Version von AlphaQubit, einem System für maschinelles Lernen zur Entschlüsselung von Quantenfehlern, nahezu verdoppelt, berichtet Google. Außerdem habe eine mit Lean formal verifizierte Argon-Implementierung einer Arcussinus-Unterfunktion die Raumzeitkosten gegenüber einer veröffentlichten Quanten-CORDIC-Baseline um mehr als den Faktor 100 gesenkt. Die Raumzeitkosten umfassen sowohl die Rechenressourcen, die eine Quantenberechnung benötigt, als auch ihre Dauer.

In der Fusionsforschung arbeitete Google mit Matt Landreman, Professor an der University of Maryland, daran, eine breitere Klasse von Gegenbeispielen zu Grads Vermutung zu identifizieren, einer Hypothese aus dem Jahr 1967 über exakte Lösungen für Magnetfelder. Die daraus hervorgegangenen Lösungen liefern Vergleichswerte, mit denen sich Simulationssoftware für Stellaratoren testen lässt. Das ist ein mathematischer und simulativer Beitrag, kein Nachweis kommerziell nutzbarer Fusionsenergie.

Google berichtet zudem, Änderungen am quantenchemischen Paket xTB hätten die Vorhersage molekularer Strukturen um bis zu das 2,3-Fache und die Suche nach alternativen Molekülformen um das 1,8-Fache beschleunigt. Die Änderungen wurden in das offizielle Repository des Pakets eingebracht.

In der Biologie nutzte Gamow Labs Argon, um anonymisierte Genome von Neugeborenen mit seltenen Entwicklungsstörungen der Lunge zu analysieren. Google beschreibt einen Fall, in dem Argon eine chromosomale Umlagerung identifizierte, die jahrelang übersehen worden war. Bei internen Prüfungen erreichte das Modell 57 Prozent bei der Unterstützung der Diagnose seltener Erkrankungen und 52,2 Prozent beim biowissenschaftlichen Schlussfolgern. Diese Prüfungen dienen der Forschung und belegen nicht, dass Argon eigenständig Patienten diagnostizieren kann.

Die Wissenschaftler von Google nutzten Argon außerdem, um fünf neue Serinesterase-Designs zu erzeugen, also Enzyme, die Esterbindungen spalten. Nachfolgende Labortests bestätigten eine katalytische Aktivität. Unabhängig davon nahm Google Bewerbungen von 10.000 Wissenschaftlern an, die sechs Monate lang kostenlos die höchste Nutzungsstufe von Antigravity erhalten sollen. Die Aufnahme erfolgt laufend und hängt von Teilnahmebedingungen, Auswahl und verfügbaren Plätzen ab.

Robotik-Demonstrationen gehen über einen Wurftrick hinaus

Bei Embodied Reasoning, einem Benchmark zum Verständnis physischer und räumlicher Probleme, erreichte Argon 87 Prozent. In einer internen Demonstration sah das Modell ein Video einer Person beim Cornhole-Spiel, erfasste die Umgebung, berechnete Gelenkbewegungen und erzeugte Simulationscode. Die Übertragung dieser Arbeit auf den humanoiden Roboter Apollo von Apptronik führte laut Google in einem physischen Versuch zu sieben erfolgreichen Würfen hintereinander.

Weitere berichtete Demonstrationen zeigen den Roboter Spot von Boston Dynamics, der einen Trittabfalleimer nutzte, um Dosen zu entsorgen, sowie einen Roboterarm, der einen umgefallenen Becher aufrichtete und eine Serviette hineinlegte. Außerdem steuerte Argon Videosimulationen anhand wiederholter visueller Rückmeldungen. Diese Beispiele verbinden Schlussfolgerungen mit kalibrierten Beobachtungen, vorgegebenen Bewegungsbefehlen und Überprüfungsschritten. Sie zeigen keine uneingeschränkte Autonomie von Robotern.

Zur Robotikarbeit gehört auch, Simulationen anhand von Aufnahmen der Roboterkameras, Videos von Menschen und Skizzen nachzubilden. Dabei kommt es nicht nur auf eine visuelle Ähnlichkeit an, sondern auch auf die Übereinstimmung der Kontaktkräfte: Eine Simulation, die lediglich überzeugend aussieht, kann trotzdem Bewegungen vermitteln, die an realer Hardware scheitern.

In einem berichteten Experiment stieg die Erfolgsquote bei physischen Aufgaben durch mit Simulationsdaten erzieltes Training von 56 auf 75 Prozent, ein Zuwachs um 19 Prozentpunkte. Die Bearbeitungszeit sank von 35 auf 24 Sekunden, also um rund 31 Prozent. Die Ergebnisse stützen eine begrenztere Aussage über verbessertes Training und die Ausführung von Aufgaben, nicht den Nachweis allgemeiner physischer Intelligenz.

Sicherheitsangaben machen die Einführungserzählung komplexer

Laut Modellsteckbrief kann Google nicht ausschließen, dass Argon kritische Fähigkeitsschwellen bei Risiken im Zusammenhang mit biologischen Informationen und Cybersicherheit erreicht. Dabei geht es um die Frage, ob ein Modell ohne angemessene Schutzmaßnahmen die Fähigkeit, schweren Schaden anzurichten, deutlich erhöhen könnte. Google zufolge hat das Unternehmen Sicherheitskonzepte und Schutzmaßnahmen entwickelt, die das verbleibende Risiko unter diese Schwellen senken.

Argon bestand außerdem 14 von 15 Prüfungen zu Verschleierung und Situationsbewusstsein. „Bestanden“ bedeutet hier, dass die entsprechenden Fähigkeitsprüfungen erfolgreich abgeschlossen wurden, nicht, dass das Modell eine Sicherheitsfreigabe erhalten hat. Google kann daher eine Schwelle, die ohne zusätzliche Schutzmaßnahmen die menschliche Kontrolle untergraben könnte, nicht ausschließen.

In der Ankündigung zur Einführung werden mehrere Schutzmechanismen beschrieben: Training, das die Einhaltung von Grenzen und die Bestätigung durch Menschen vor unumkehrbaren Schritten fördern soll, Überwachung zum Blockieren nicht autorisierter Umgehungsversuche sowie Schutz vor schädlichen Anweisungen, die in Webseiten, E-Mails oder Code versteckt sind. Bei 15 adaptiven Versuchen auf dem Benchmark für indirekte Prompt-Injection-Angriffe von Gray Swan meldet Google eine Erfolgsquote der Angriffe von 0,7 Prozent.

Weitere berichtete Sicherheitsergebnisse umfassen einen Rückgang nicht autorisierter Abkürzungsversuche auf 2 Prozent bei Programmierprüfungen und weniger als ein Prozent der getesteten Teilaufgaben, die bei externen adversarialen Tests im Bereich Biologie freigeschaltet wurden. Solche Werte beschreiben bestimmte Tests und sind keine Garantie gegen Missbrauch. Der Modellsteckbrief verzeichnet außerdem eine Verschlechterung um 1,57 Prozentpunkte bei einer automatisierten Sicherheitsmessung für Texte gegenüber Gemini 3.1 Pro. Google zufolge lag der Unterschied innerhalb der Konfidenzintervalle; bei einer manuellen Prüfung habe sich herausgestellt, dass es sich meist um falsch positive Ergebnisse oder nicht schwerwiegende Probleme handelte.

Google weitet sein Fairwind-Programm auf Hunderte weitere zugelassene Cybersicherheitspartner aus. Im Rahmen des Programms erhalten sie Zugang ohne Cyber-Schutzmechanismen. In der Ankündigung beschreibt Google, wie Wiz Argon zur Bewältigung von Risiken bei staatlicher Infrastruktur und Gesundheitssystemen einsetzt, darunter eine Schwachstellenkette, durch die ein Generalschlüssel und Administratorzugriff offengelegt werden könnten.

Berichten zufolge nahm Google am freiwilligen Prüfverfahren des Weißen Hauses teil. Das Verfahren ist jedoch nicht öffentlich einsehbar. Die Teilnahme sollte nicht als öffentliche staatliche Zertifizierung der Sicherheit von Argon dargestellt werden.

Was Käufer noch prüfen müssen

Argon verarbeitet Text, Bilder, Audio und Video und gibt Text aus. Der Modellsteckbrief nennt ein gemeinsames Kontextfenster für Ein- und Ausgaben von bis zu einer Million Token. Das ist eine gemeinsame Kapazität und keine Zusage von einer Million Eingabetoken plus einer weiteren Million Ausgabetoken. Berichten zufolge wurde die Grenze für ununterbrochene Antworten nicht klargestellt.

Der Wissensstand reicht bis März 2026 zurück; Google warnt, dass das Wissen in einigen Bereichen älter sein kann. Das Modell kann falsche Informationen erfinden und langsam antworten oder Zeitüberschreitungen verursachen. Diese Einschränkungen sind für die von Google anvisierte Arbeit in Recht, Finanzen, Wissenschaft und Technik relevant.

Die Einführung liefert ungewöhnlich konkrete Beispiele für Leistungsgewinne. Zugleich zeigt das stärkste Beispiel aus der Softwareentwicklung, dass ein selektiver Einsatz nötig ist: Die Verantwortlichen lehnten vier von sechs vorgeschlagenen Optimierungen ab. Käufer können Argon nun mit ihren eigenen Systemen testen. Die Preise nach November, ein breiterer Zugang über Abos und die Wirksamkeit der Schutzmaßnahmen außerhalb kontrollierter Prüfungen müssen jedoch weiter beobachtet werden.

Wichtige Punkte

• Google begann am 13. Oktober 2026 mit der breiteren Bereitstellung von Argon für berechtigte Abonnenten, Entwickler und Unternehmen.
• Die Einführungspreise für die API betragen 2 US-Dollar pro Million Eingabetoken und 10 US-Dollar pro Million Ausgabetoken.
• Berichten zufolge verdoppeln sich die regulären Preise am 1. Dezember; in der offiziellen Ankündigung zur Einführung wird diese Frist nicht genannt.
• Argon liegt beim Vals Index vorn, schneidet bei mehreren anderen Prüfungen aber schlechter ab als Konkurrenzmodelle.
• Bei einem 11-stündigen Python-Optimierungslauf akzeptierten menschliche Prüfer zwei von sechs Vorschlägen.
• Google berichtet von Fortschritten in Wissenschaft und Robotik, darunter fünf im Labor getestete Enzymdesigns und eine bessere Leistung bei physischen Aufgaben.
• Google räumt mögliche Schwellen bei Fähigkeiten im Zusammenhang mit Biologie, Cybersicherheit und menschlicher Kontrolle ein und erklärt, Schutzmaßnahmen senkten die verbleibenden Risiken.