Gemini 4 Argon: Fitur, Tolok Ukur, Harga, dan Akses

OpenAI menghabiskan 29 September 2026 di DevDay untuk merilis GPT-6.1 Sol, model kelas menengah yang dibangun untuk mengatasi masalah biaya GPT-6 Astra. Sehari kemudian, Google mengumumkan Gemini 4 Argon, dan rilisnya ditujukan ke tim keamanan siber sebelum ke pengembang.

Koray Kavukcuoglu, SVP Google DeepMind, memperkenalkan Argon pada 30 September 2026 sebagai model frontier Google untuk pekerjaan berjangka panjang: rekayasa perangkat lunak dunia nyata, pekerjaan pengetahuan di bidang hukum dan keuangan, serta pertahanan siber.

Perubahan rekayasa utama adalah batas token output, yang melonjak menjadi 1 juta token dari 64 ribu. Model ini menetapkan standar baru pada DeepSWE v1.1 di 77,9%, dan pertama kali diluncurkan melalui Program Fairwind ke kelompok pembela siber tepercaya.

Untuk konteks para pesaing, lihat panduan kami tentang GPT-6.1 Sol dan Claude Sonnet 5.5.

Ringkasnya

• Argon adalah model frontier baru Google, dan akan diberikan kepada pembela siber tepercaya melalui Program Fairwind sebelum mencapai API publik.
• Perubahan struktural yang penting adalah panjang output, bukan konteks input: Argon dapat menulis satu lintasan 16x lebih panjang daripada batas 64 ribu sebelumnya.
• Model ini memimpin semua tolok ukur pekerjaan pengetahuan perusahaan yang diterbitkan Google, dan margin pada pekerjaan hukum sangat jauh.
• GPT-6 Astra masih unggul pada tugas sains berbasis terminal dan FrontierSWE v2, dan Claude Opus 5.5 masih menang di Terminal-bench 4.0.
• Harga perkenalan $2 per juta token input menekan Astra 5x, tetapi akan naik dua kali lipat setelah promo berakhir.
• Belum ada yang bisa diganti sekarang. Tidak ada ID model publik, tidak ada listing cloud, dan tidak ada reproduksi pihak ketiga atas skor apa pun.

Apa Itu Gemini 4 Argon?

Gemini 4 Argon adalah model frontier baru Google, diposisikan di puncak keluarga Gemini di atas lini Gemini 3.8 yang dirilis hingga September 2026.

Google menggambarkannya sebagai model yang dibangun untuk mempertahankan penalaran mendalam di seluruh alur kerja yang kompleks dan berjangka panjang, dengan tiga domain sasaran utama: rekayasa perangkat lunak, pekerjaan pengetahuan perusahaan seperti hukum dan keuangan, serta pertahanan keamanan siber.

Perubahan generasional yang paling jelas adalah cara Google memperluas batas token output menjadi 1 juta token, naik dari 64 ribu, yang berarti Argon dapat menghasilkan ratusan ribu token dalam satu lintasan alih-alih harus berhenti dan diberi prompt ulang. 

Fitur Utama Gemini 4 Argon

Fitur Argon diatur untuk tugas yang berjalan berjam-jam, bukan detik, yang tampak pada anggaran output, kerja agen, dan perangkat sibernya. Berikut empat kemampuan yang mengubah apa yang benar-benar dapat Anda bangun.

Tulis 1 juta token dalam satu kali proses

Argon dapat menghasilkan hingga 1 juta token output dalam satu generasi, dibandingkan 64 ribu pada generasi sebelumnya.

Argumen Google adalah bahwa kelonggaran ini mengubah kualitas penalaran, bukan hanya panjangnya: ketika model dapat berpikir dan menghasilkan di ratusan ribu token dalam satu lintasan, ia menyelesaikan masalah yang lebih sulit tanpa jahitan dan kehilangan status dari alur kerja yang dipecah-pecah.

Sebagai perbandingan, GPT-6 Astra membatasi output pada 128 ribu token dengan jendela konteks 1,05 juta.

Jika Anda pernah mengalami agen kehilangan arah di tengah refaktor besar karena mencapai batas output dan harus dimulai ulang, inilah kendala yang dihapus.

Tentu saja, catatannya adalah penagihan. Generasi panjang dengan $10 per juta token output akan cepat menumpuk, dan Google belum memublikasikan apakah token penalaran ditagihkan dengan tarif output.

Jalankan migrasi codebase end-to-end

Agen Argon sudah melakukan migrasi codebase C dan C++ ke Rust di dalam Google, menskalakan dari puluhan ribu baris di pustaka inti seperti re2 dan libgav1 hingga 800 ribu+ baris untuk kernel Zircon OS Fuchsia.

Itu jenis pekerjaan yang biasanya menghabiskan beberapa kuartal insinyur, dan Google mengatakan penulisan ulang ini melalui audit otomatis dan manual, pengujian emulasi, dan peninjauan sebelum produksi.

Hasil libgav1 adalah yang paling sering saya rujuk.

Agen Argon mengambil port Rust yang sudah ada dari decoder video open source Google dan mengganti 32 ribu baris kode SIMD yang ditulis tangan dengan menjalankan putaran eksperimen berbasis profil dan mempelajari output kompiler hingga kompiler memvektorisasi Rust aman secara otomatis.

Hasilnya adalah decoder aman memori yang berjalan 2,7x lebih cepat daripada port Rust dengan output video yang identik.

Hasil penerapan internal di Google

Ada dua angka internal yang layak disorot karena paling mendekati hasil dunia nyata dalam seluruh pengumuman.

• Google mengatakan tim agen Argon menganalisis telemetri profiling lintas armada dan secara otonom menerapkan optimasi memori di pusat datanya, membebaskan lebih dari 300 TiB memori setelah digulirkan, dengan perkiraan penghematan total 500 TiB hingga 1 PiB.
• Yang kedua berasal dari riset komputasi kuantum, di mana Argon membantu mengoptimalkan sumber daya ruang-waktu (qubit dikalikan dengan gerbang) dari subrutin yang menjadi hambatan aplikasi. Dalam satu kasus, model ini mengalahkan baseline terpublikasi sebesar 40% hanya dalam hitungan menit.

Keduanya belum diverifikasi secara eksternal, tetapi cukup spesifik untuk dapat diperiksa nanti.

Tangani otomasi finansial, hukum, dan bisnis dengan konteks visual

Argon ditujukan langsung untuk pekerjaan pengetahuan di mana bukti berada di bagan, dokumen resmi, dan video, bukan di prompt teks yang rapi.

Google menyebut analisis bagan profesional, menarik detail dari video panjang, dan mengambil tindakan di serangkaian dokumen sebagai kasus penggunaan utama, dan Argon mencetak 91,7% pada LVBench untuk pemahaman video panjang.

Versi praktisnya, misalnya, adalah tugas riset keuangan multi-langkah di mana model membaca deck, mencocokkan tabel, lalu mengeksekusi ke sistem bisnis.

Argon menempati peringkat pertama pada AutomationBench milik Zapier di 51,3%, yang mengukur eksekusi end-to-end di seluruh fungsi bisnis inti alih-alih jawaban satu putaran.

Temukan dan tambal kerentanan dengan pembatas dinonaktifkan

Ini adalah hal paling tidak biasa dalam rilis ini.

Untuk pembela tepercaya dalam Program Fairwind dan tim internal Google, Google mengirimkan Argon tanpa pembatas siber, sehingga tim tersebut mendapatkan kemampuan ofensif-adjacent penuh dari model untuk pekerjaan defensif: secara otonom menemukan, memvalidasi, dan menambal kerentanan perangkat lunak.

Wiz sudah menjalankan Argon melalui inisiatif Scan for Good, yang memperbaiki eksposur berisiko tinggi di infrastruktur publik secara gratis.

Dalam demonstrasi awal, Argon menemukan kerentanan parah yang mengekspos informasi pribadi sensitif di perangkat lunak layanan kesehatan yang digunakan rumah sakit di seluruh dunia, yang menurut Google terlewat oleh model frontier sebelumnya.

Selain itu, Google mengatakan Argon adalah modelnya yang paling tangguh terhadap penyuntikan prompt tidak langsung dan memimpin tolok ukur IPI milik Gray Swan, dan bahwa monitor rantai pemikiran dan aksi menghentikan eksekusi ketika model menyimpang dari maksud pengguna.

Google juga mencatat pihaknya sengaja tidak memasukkan temuan pemantauan ke dalam pelatihan agar penalaran Argon tidak dibentuk untuk menghindari monitor, sebuah detail yang saya harap lebih banyak lab publikasikan.

Bagaimana Kinerja Gemini 4 Argon pada Tolok Ukur?

Argon memimpin 13 dari 19 tolok ukur yang diterbitkan Google melawan GPT-6 Astra, Claude Fable 5.1, dan Claude Opus 5.5, dan kemenangan berkelompok pada pekerjaan pengetahuan, konteks panjang, dan remediasi kerentanan.

Kekalahan berkelompok pada sains yang didorong terminal dan salah satu dari dua suite rekayasa perangkat lunak, yang merupakan pola lebih menarik daripada sapuan bersih.

Pekerjaan pengetahuan perusahaan

Ini adalah area terkuat Argon dan alasan Google membingkai peluncuran di sekitar hukum dan keuangan.

Pada Vals Index, yang memberi bobot pada keuangan, pengkodean, hukum, dan pajak sesuai kontribusi PDB AS, Argon mencetak 68,9% melawan 67,0% untuk Claude Opus 5.5, 65,8% untuk Claude Fable 5.1, dan 63,1% untuk GPT-6 Astra.

Kesenjangan melebar pada evaluasi agen khusus domain.

Argon mencapai 65,4% pada Vals Finance Agent v2 (riset keuangan multi-langkah) versus 58,9% untuk Fable 5.1 dan 53,5% untuk Astra, dan 51,3% pada AutomationBench versus 42,5% untuk Opus 5.5 dan 31,4% untuk Fable 5.1.

Tolok ukur Harvey's Legal Agent adalah pengecualian.

Argon mencetak 19,6% melawan 6,7% untuk Fable 5.1, 5,4% untuk Astra, dan 3,8% untuk Opus 5.5. Semua model gagal pada sebagian besar tolok ukur ini, jadi bacalah sebagai sinyal relatif pada riset dan perancangan dokumen hukum, bukan model yang akan Anda percayakan menyusun kontrak tanpa pengawasan.

Koding agentik

Argon meraih DeepSWE v1.1 di 77,9%, di depan Claude Opus 5.5 di 74,2%, GPT-6 Astra di 74,1%, dan Claude Fable 5.1 di 67,4%.

DeepSWE mengukur rekayasa perangkat lunak berjangka panjang terhadap repositori nyata, sehingga memberi keuntungan pada model yang dapat memegang rencana di banyak suntingan alih-alih menghasilkan satu diff yang bagus.

Hasil itu terbaca berbeda setelah dihitung biayanya.

Dalam liputan kami tentang GPT-6.1 Sol, kami mencatat Sol menyamai Astra pada DeepSWE v1.1 dengan biaya sekitar seperlima dari Astra, di $2 input dan $10 output per juta token.

Tarif perkenalan Argon persis sama $2/$10, dan mengalahkan skor DeepSWE Astra sebesar 3,8 poin.

Vibe Code Bench juga dimenangkan Argon di 91,9% melawan 90,3% untuk kedua model Claude dan 89,6% untuk Astra, meskipun selisih 1,6 poin di antara empat model frontier mendekati derau.

Konteks panjang dan pemahaman multimodal

Kesenjangan konteks panjang adalah yang terlebar di seluruh tabel.

Pada GraphWalks BFS F1 di rentang 256 ribu hingga 1 juta token, Argon mencetak 84,2% melawan 71,8% untuk Astra, 66,8% untuk Opus 5.5, dan 65,0% untuk Fable 5.1.

Hingga 128 ribu, semuanya tinggi, tetapi Argon tetap memimpin di 99,7%.

GraphWalks meminta model menelusuri graf yang dijelaskan dalam prompt, sehingga kinerjanya menurun tajam ketika pengambilan di jendela yang sangat panjang menjadi tidak andal.

Keunggulan 12,4 poin atas Astra di ujung 1 juta adalah margin yang menentukan apakah Anda bisa memasukkan satu repositori penuh atau seluruh set deposisi dalam satu panggilan.

Pada pekerjaan multimodal, Argon memimpin LVBench di 91,7% (melawan 87,5% untuk Astra dan 79,7% untuk Fable 5.1) dan Chartography di 71,6%, sedikit di atas 71,0% milik Astra.

Untuk skala pada yang kedua, liputan Claude Sonnet 5.5 kami mencatat 61,6% pada Chartography untuk Sonnet 5.5 dan 64,4% untuk Opus 5.5.

Remediasi keamanan siber

Pada CWE-bench v1, yang mengevaluasi apakah model dapat memperbaiki kerentanan keamanan nyata, Argon seri dengan GPT-6 Astra untuk posisi pertama di 68%, dengan Opus 5.5 di 67% dan Fable 5.1 di 58%.

Seri adalah hasil yang wajar di sini, dan Google membangun argumennya pada sisi penemuan.

Dibandingkan 3.8 Flash Cyber, Google melaporkan bahwa Argon menemukan eksposur di codebase yang mencakup 20 bahasa pemrograman pada tolok ukur kerentanan internalnya, dan mengalahkan 3.8 Flash Cyber pada tolok ukur pengujian penetrasi black-box milik Wiz dalam pemetaan permukaan serangan, menemukan kerentanan, dan menghasilkan bukti purwarupa.

Black-box berarti tanpa akses kode sumber, yang lebih mendekati cara penyerang eksternal melihat sistem web langsung.

Di mana Argon tertinggal

Google memublikasikan kekalahannya, dan itu patut diapresiasi.

Ada empat yang menurut saya layak disorot:

• FrontierSWE v2: Argon 55,0% melawan 65,5% milik GPT-6 Astra dan 62,3% milik Opus 5.5, defisit 10,5 poin pada suite SWE yang lebih sulit.
• Terminal-bench 4.0: Argon 57,4% melawan Opus 5.5 di 66,4%. Pengujian Claude Sonnet 5.5 kami menempatkan Sonnet kelas menengah di 70,6% pada tolok ukur yang sama, sehingga Argon tertinggal dari model yang harganya jauh di bawahnya pada kerja agen berbasis terminal.
• Terminal-Bench Science 0.1: Argon 57,6% melawan 68,1% milik Astra, gap 10,5 poin pada tugas ilmiah yang dieksekusi melalui shell.
• PostTrainBench dan OSWorld-2.0: Argon mencetak 45,3% pada rekayasa ML melawan 49,3% milik Opus 5.5, dan 69,2% pada subset offline OSWorld-2.0 melawan 72,6% milik Astra.

Argon tetap kuat pada sains dan matematika di tempat lain, dengan 88,8% pada LABBench 2 melawan 85,4% untuk Astra dan 68,6% untuk Fable 5.1, serta 76,0% pada RiemannBench melawan 72,0% untuk Astra.

Pola yang saya lihat di sini adalah Argon lebih baik sebagai perencana dan pembaca, sementara Astra dan Opus 5.5 masih lebih baik dalam mengoperasikan terminal.

Berikut set lengkap yang diterbitkan, agar Anda dapat menemukan beban kerja Anda di dalamnya.

Apa yang Dilakukan Google tentang Keamanan sebelum Rilis Luas

Google menahan Argon dari rilis umum sambil memperkuat empat area pengaman, dan empatnya disebutkan dalam pengumuman. Ini penting bagi siapa pun yang berencana menerapkan agen dengan akses alat.

• Penyalahgunaan: Argon menolak permintaan siber dan CBRN sambil mempertahankan riset ilmiah penggunaan ganda, sesuai Frontier Safety Framework Google, dengan red team internal dan eksternal menjalankan serangan manual dan otomatis. Google juga memantau aktivasi internal model untuk mendeteksi penyalahgunaan.
• Penyuntikan prompt tidak langsung: Google melaporkan Argon memimpin tolok ukur IPI milik Gray Swan setelah red teaming otomatis dan pelatihan adversarial.
• Ketidakselarasan: Monitor mengawasi rantai pemikiran dan tindakan serta menghentikan eksekusi ketika Argon melampaui maksud pengguna, dan Google mengatakan temuan itu tidak dimasukkan ke pelatihan agar model tidak belajar menghindarinya.
• Pengerasan sistem: Lingkungan sandbox diisolasi dan disegel sebelum pelatihan atau evaluasi berisiko tinggi, mengikuti peta jalan kontrol agen Google.

Harga Gemini 4 Argon

Argon diluncurkan dengan tarif perkenalan $2 per juta token input dan $10 per juta token output, dengan token input yang di-cache dihargai diskon 95% dari tarif input. Setelah periode perkenalan, tarif naik menjadi $4 per juta input dan $20 per juta output. Google belum memublikasikan apakah token penalaran ditagihkan dengan tarif output.

Dibandingkan pesaing, harga perkenalan ini agresif, dan harga standar tidak. Pada $2/$10, Argon menyamai tarif GPT-6.1 Sol secara persis sambil menekan $10/$50 milik GPT-6 Astra sebesar 5x. Pada $4/$20 pasca promo, model ini mendarat pada tarif yang sama yang kami dokumentasikan untuk Claude Opus 5.5 dalam tutorial API Opus 5.5.

Satu sudut biaya lagi: harga per token mentah menyembunyikan biaya sebuah tugas. Dalam liputan GPT-6.1 Sol, kami mencatat $23,80 per tugas Terminal-Bench Science 0.1 untuk GPT-6 Astra melawan $5,47 untuk Sol, jadi model yang menang di tolok ukur masih bisa kalah di tagihan. Google belum memublikasikan biaya per tugas untuk Argon, yang merupakan angka yang saya butuhkan sebelum mengalokasikan armada agen kepadanya.

Google belum memublikasikan lamanya periode perkenalan, jadi anggarkan tarif $4/$20 untuk apa pun yang melampaui masa uji coba.

Tagihan kira-kira (harga per token) × (token yang digunakan), dan sebuah model bisa murah pada yang pertama dan mahal pada yang kedua. Jadi, jejak penalaran atau pemikiran yang panjang dan jawaban yang bertele-tele bisa mahal. Selain itu, dengan alur kerja agentik, ada penggunaan multi-langkah, yang berarti setiap langkah mengirim ulang konteks yang makin besar, dan biaya input menumpuk. Itulah mengapa sebagian orang lebih skeptis tentang biayanya:

Juga patut dicatat dari sisi persaingan: penempatan Anthropic pada September 2026 untuk Claude Opus 5.5 adalah kinerja sebanding dengan Fable 5.1 dengan biaya operasi sekitar 40% lebih rendah daripada Opus 5, sehingga tekanan yang dihadapi Argon pada tarif standar $4/$20 akan datang dari model yang lebih murah, bukan yang lebih baik.

Ketersediaan Gemini 4 Argon

Ketersediaan adalah kendala nyata. Argon diluncurkan ke kelompok pembela siber tepercaya melalui Program Fairwind, dan Google mengatakan pihaknya terlibat dalam proses sukarela pemerintah AS untuk akses model pra-rilis sambil memperluas secara bertahap. Akses umum datang kemudian, dimulai dengan pelanggan API berbayar dan pelanggan Google AI Ultra. Tidak ada tier gratis, tidak ada tautan daftar tunggu, dan tidak ada batasan tarif yang dipublikasikan dalam pengumuman.

Satu hal yang perlu diperhatikan: halaman harga AI publik Google terakhir diperbarui 24 September 2026, dan tarif yang terlihat di sana ($0,75 input dan $3,75 output per juta, promosi hingga 31 Desember 2026, naik menjadi $1,50/$7,50 pada 1 Januari 2027) milik tier Gemini 3.8 Flash, bukan Argon.

Bagaimana Cara Mendapatkan Akses ke Gemini 4 Argon?

Untuk saat ini hampir tidak bisa. Google belum memublikasikan ID model API untuk Gemini 4 Argon, dan saya tidak akan menebaknya dari nama pemasaran. Akses saat ini berjalan melalui kelompok pembela siber tepercaya Program Fairwind dan tim internal Google.

Per 30 September 2026, Argon belum terdaftar di katalog OpenRouter atau models.dev, dan tidak muncul di dokumentasi model Google Vertex AI, Gemini CLI, Cursor, atau GitHub Copilot. Halaman model Azure AI Foundry dan AWS Bedrock tidak dapat dikonfirmasi keduanya. Ketika nanti tersedia bagi pelanggan API berbayar, bentuk pemanggilannya akan standar Gemini:

from google import genai

client = genai.Client()
# Model ID for Gemini 4 Argon is not published as of September 30, 2026.
response = client.models.generate_content(
    model="<argon-model-id>",
    contents="Audit this module for memory-safety issues and propose a patch.",
)
print(response.text)Didukung oleh

Jika Anda ingin menyiapkan infrastruktur sementara, tutorial API Claude Opus 5.5 kami membahas membangun agen penyelidik dengan alat baca-saja dan pemanggilan alat terprogram, dan pola yang sama dapat dibawa lintas vendor dengan mengganti ID model.

Apa Kata Orang tentang Gemini 4 Argon

Hampir tidak ada orang di luar kelompok Fairwind yang telah menggunakan Argon, jadi sebagian besar reaksi adalah kesan pertama dari pengumuman, bukan pengujian langsung. Beginilah percakapan berkembang, dari umum ke spesifik.

Gambaran besar / kesan pertama: orang-orang terkesan. 

Kesan pertama tidak bisa dipisahkan dari hasil tolok ukur. Performa pada Vals Index serta hasil di bidang hukum dan keuangan mendapatkan perhatian terbanyak, dengan catatan bintang bahwa semuanya adalah evaluasi milik Google sendiri.

Namun satu reaksi menangkap inti rilis ini. Argon dibangun untuk pekerjaan yang berjalan berjam-jam, seperti menulis ulang kernel dalam Rust, dan itu bisa berdampak nyata pada masa depan pekerjaan. 

Pemikiran Akhir

Google bertaruh bahwa putaran kompetisi frontier berikutnya dimenangkan pada pekerjaan pengetahuan perusahaan dan pertahanan siber, bukan pada kualitas chat, dan angka Vals Index, AutomationBench, dan GraphWalks milik Argon mendukung taruhan itu.

Namun demikian, belum ada satu pun skor yang direproduksi oleh pihak di luar kelompok Fairwind.

Saat terbuka untuk pengguna reguler, saya akan memilih Argon untuk pekerjaan dokumen dan repositori berkonteks panjang dan tetap menggunakan Claude Opus 5.5 atau GPT-6 Astra untuk loop agen berbasis terminal, di mana Argon tertinggal 9 hingga 10 poin.

Jika Anda ingin membangun alur kerja agentik yang dituju model-model ini, mulailah dengan skill track AI Fundamentals kami.