Gemini 4 Argon: funzionalità, benchmark, prezzi e accesso

OpenAI ha trascorso il 29 settembre 2026 al DevDay lanciando GPT-6.1 Sol, un modello di fascia media pensato per risolvere il problema dei costi di GPT-6 Astra. Un giorno dopo, Google ha annunciato Gemini 4 Argon, con una release destinata prima ai team di cybersecurity e poi agli sviluppatori.

Koray Kavukcuoglu, SVP di Google DeepMind, ha presentato Argon il 30 settembre 2026 come il modello di frontiera di Google per lavori di lungo periodo: ingegneria del software nel mondo reale, attività di conoscenza in ambito legale e finanziario, e difesa informatica.

La novità ingegneristica principale è il limite di token in output, che passa a 1M token dai precedenti 64K. Argon stabilisce un nuovo stato dell’arte su DeepSWE v1.1 al 77,9% e viene distribuito inizialmente tramite il Programma Fairwind a una coorte di difensori informatici fidati.

Per inquadrare i rivali, vedi le nostre guide a GPT-6.1 Sol e Claude Sonnet 5.5.

TL;DR

• Argon è il nuovo modello di frontiera di Google e arriva ai difensori informatici fidati tramite il Programma Fairwind prima di raggiungere la API pubblica.
• Il cambiamento strutturale che conta è la lunghezza dell’output, non il contesto in input: Argon può scrivere una singola traiettoria 16 volte più lunga rispetto al precedente limite di 64K.
• Guida tutti i benchmark per il knowledge work enterprise pubblicati da Google, e il margine sul lavoro legale è ampio.
• GPT-6 Astra vince ancora i task scientifici basati su terminale e FrontierSWE v2, e Claude Opus 5.5 resta primo su Terminal-bench 4.0.
• Il prezzo introduttivo di $2 per milione di token in input batte Astra di 5x, ma raddoppia quando finisce la promo.
• Non c’è ancora nulla a cui passare. Nessun ID modello pubblico, nessuna presenza sul cloud, e nessuna riproduzione di terze parti di alcun punteggio.

Cos’è Gemini 4 Argon?

Gemini 4 Argon è il nuovo modello di frontiera di Google, posizionato in cima alla famiglia Gemini sopra la linea Gemini 3.8 distribuita fino a settembre 2026.

Google lo descrive come costruito per sostenere ragionamenti profondi su workflow complessi e di lungo periodo, con tre domini target dichiarati: ingegneria del software, knowledge work enterprise come legale e finanza, e difesa informatica.

Il cambiamento generazionale più chiaro è l’espansione del limite di token in output a 1M, dai 64K precedenti, il che significa che Argon può generare centinaia di migliaia di token in un’unica traiettoria invece di essere costretto a fermarsi e a essere ri-promptato. 

Funzionalità chiave di Gemini 4 Argon

Il set di funzionalità di Argon è organizzato attorno a task che durano ore anziché secondi, cosa che emerge nel budget di output, nel lavoro degli agenti e negli strumenti di sicurezza. Ecco le quattro capacità che cambiano davvero cosa puoi costruire.

Scrivi 1M di token in un’unica passata

Argon può produrre fino a 1M di token in output in una generazione, contro i 64K della generazione precedente.

Secondo Google, l’extra margine cambia la qualità del ragionamento, non solo la lunghezza: quando il modello può pensare e generare su centinaia di migliaia di token in una singola traiettoria, risolve problemi più difficili senza il ricamo e la perdita di stato tipici dei workflow a blocchi.

Per confronto, GPT-6 Astra limita l’output a 128K token con una finestra di contesto di 1,05M.

Se ti è mai capitato che un agente perdesse il filo a metà di un grande refactoring perché ha toccato il soffitto dell’output ed è dovuto ripartire, è proprio questo il vincolo che viene rimosso.

La nota dolente è, ovviamente, la fatturazione. Generazioni lunghe a $10 per milione di token in output si sommano rapidamente, e Google non ha pubblicato se i token di reasoning si fatturano alla tariffa di output.

Esegui migrazioni di codebase end-to-end

Gli agenti di Argon stanno già migrando codebase in C e C++ a Rust all’interno di Google, scalando da decine di migliaia di righe in librerie core come re2 e libgav1 fino a oltre 800K righe per il kernel Zircon di Fuchsia OS.

È il tipo di lavoro che di solito richiede trimestri di ingegnere, e Google afferma che queste riscritture passano per audit automatici e manuali, test in emulazione e review prima della produzione.

Il risultato su libgav1 è quello a cui continuo a tornare.

Gli agenti di Argon hanno preso un porting esistente in Rust del decoder video open source di Google e hanno sostituito 32K righe di codice SIMD scritto a mano eseguendo cicli di esperimenti guidati dal profiling e studiando l’output del compilatore finché il compilatore non ha vettorizzato automaticamente il Rust sicuro.

Il risultato è un decoder memory-safe che gira 2,7 volte più veloce del port in Rust con output video identico.

Risultati di deployment interni in Google

Due numeri interni meritano di essere messi in evidenza perché sono la cosa più vicina a un risultato reale in tutto l’annuncio.

• Google afferma che un team di agenti Argon ha analizzato la telemetria di profiling dell’intera fleet e ha applicato in autonomia ottimizzazioni della memoria nei data center, liberando oltre 300 TiB di memoria una volta distribuite, con un risparmio totale stimato tra 500 TiB e 1 PiB.
• Il secondo riguarda la ricerca nel quantum computing, dove Argon ha aiutato a ottimizzare le risorse spaziotemporali (qubit moltiplicati per gate) di sottoprocedure che rappresentano colli di bottiglia per le applicazioni. In un caso, ha battuto la baseline pubblicata del 40% in pochi minuti.

Nessuno dei due risultati ha una verifica esterna, ma entrambi sono abbastanza specifici da poter essere controllati in seguito.

Gestisci finanza, legale e automazione business con contesto visivo

Argon è mirato in pieno al knowledge work in cui le evidenze vivono in grafici, atti e video piuttosto che in un prompt testuale pulito.

Google cita l’analisi professionale di grafici, l’estrazione di dettagli da video lunghi e l’esecuzione di azioni su una serie di documenti come casi d’uso di prima classe, e Argon ottiene il 91,7% su LVBench per la comprensione di video lunghi.

La versione pratica, ad esempio, è un task di ricerca finanziaria multi-step in cui il modello legge un deck, verifica una tabella e poi esegue contro un sistema aziendale.

Argon è primo su AutomationBench di Zapier al 51,3%, che misura l’esecuzione end-to-end su funzioni business core anziché risposte a singolo turno.

Trova e correggi vulnerabilità senza guardrail

È l’elemento più insolito della release.

Per i difensori fidati del Programma Fairwind e per i team interni di Google, Google distribuisce Argon senza guardrail cyber, così quei team ottengono la piena capacità offensiva-adjacent del modello per scopi difensivi: trovare, validare e patchare vulnerabilità software in autonomia.

Wiz sta già usando Argon nella sua iniziativa Scan for Good, che risolve gratuitamente esposizioni ad alto rischio nelle infrastrutture pubbliche.

In una dimostrazione iniziale, Argon ha trovato una grave vulnerabilità che esponeva informazioni personali sensibili in software sanitari usati da ospedali in tutto il mondo, una che secondo Google i precedenti modelli di frontiera avevano mancato.

Parallelamente, Google afferma che Argon è il suo modello più resiliente contro la prompt injection indiretta e guida il benchmark IPI di Gray Swan, e che monitor del chain-of-thought e delle azioni interrompono l’esecuzione quando il modello esce dall’intento dell’utente.

Google nota anche di aver deliberatamente escluso dai dati di training i risultati del monitoraggio, così il ragionamento di Argon non fosse modellato per eludere i monitor—un dettaglio che vorrei più spesso vedere pubblicato dai lab.

Come va Gemini 4 Argon nei benchmark?

Argon guida 13 dei 19 benchmark che Google ha pubblicato contro GPT-6 Astra, Claude Fable 5.1 e Claude Opus 5.5, e le vittorie si concentrano su knowledge work, contesto lungo e remediation delle vulnerabilità.

Le sconfitte si concentrano sulla scienza guidata da terminale e su una delle due suite di ingegneria del software, un pattern più interessante di uno sweep totale.

Enterprise knowledge work

È l’area più forte di Argon e il motivo per cui Google ha inquadrato il lancio su legale e finanza.

Sul Vals Index, che pesa finanza, coding, legale e fiscalità in base al contributo al PIL USA, Argon ottiene il 68,9% contro il 67,0% di Claude Opus 5.5, il 65,8% di Claude Fable 5.1 e il 63,1% di GPT-6 Astra.

I divari si allargano sugli eval agent-specifici di dominio.

Argon arriva al 65,4% su Vals Finance Agent v2 (ricerca finanziaria multi-step) contro il 58,9% di Fable 5.1 e il 53,5% di Astra, e al 51,3% su AutomationBench contro il 42,5% di Opus 5.5 e il 31,4% di Fable 5.1.

Harvey’s Legal Agent Benchmark è l’outlier.

Argon segna 19,6% contro il 6,7% di Fable 5.1, il 5,4% di Astra e il 3,8% di Opus 5.5. Ogni modello fallisce la maggior parte di questo benchmark, quindi leggilo come un segnale relativo su ricerca e redazione legale, non come un modello a cui affideresti un contratto senza supervisione.

Coding agentico

Argon vince DeepSWE v1.1 al 77,9%, davanti a Claude Opus 5.5 al 74,2%, GPT-6 Astra al 74,1% e Claude Fable 5.1 al 67,4%.

DeepSWE misura l’ingegneria del software di lungo periodo su repository reali, quindi premia i modelli che sanno mantenere un piano lungo molte modifiche invece di produrre una singola diff ben fatta.

Quel risultato cambia lettura una volta che lo prezzit.

Nella nostra copertura di GPT-6.1 Sol abbiamo notato che Sol ha eguagliato Astra su DeepSWE v1.1 a circa un quinto del costo di Astra, a $2 in input e $10 in output per milione di token.

La tariffa introduttiva di Argon è esattamente la stessa, $2/$10, e batte il punteggio DeepSWE di Astra di 3,8 punti.

Vibe Code Bench va anch’esso ad Argon, al 91,9% contro il 90,3% di entrambi i modelli Claude e l’89,6% di Astra, anche se un delta di 1,6 punti tra quattro modelli di frontiera è vicino al rumore.

Contesto lungo e comprensione multimodale

Il divario sul contesto lungo è il più ampio dell’intera tabella.

Su GraphWalks BFS F1 da 256K a 1M token, Argon segna 84,2% contro il 71,8% di Astra, il 66,8% di Opus 5.5 e il 65,0% di Fable 5.1.

Fino a 128K, tutti stanno in alto, ma Argon guida comunque al 99,7%.

GraphWalks chiede a un modello di attraversare un grafo descritto nel prompt, quindi degrada nettamente quando il retrieval su una finestra molto lunga diventa inaffidabile.

Un vantaggio di 12,4 punti su Astra all’estremo da 1M è il tipo di margine che decide se puoi inserire un intero repository o un set completo di deposizioni in una singola chiamata.

Sul multimodale, Argon vince LVBench al 91,7% (contro l’87,5% di Astra e il 79,7% di Fable 5.1) e Chartography al 71,6%, di poco davanti al 71,0% di Astra.

Per dare scala su quest’ultimo, la nostra copertura di Claude Sonnet 5.5 ha registrato il 61,6% su Chartography per Sonnet 5.5 e il 64,4% per Opus 5.5.

Remediation in cybersecurity

Su CWE-bench v1, che valuta se un modello sa correggere vulnerabilità reali di sicurezza, Argon pareggia GPT-6 Astra per il primo posto al 68%, con Opus 5.5 al 67% e Fable 5.1 al 58%.

Un pareggio qui è un risultato ragionevole, e Google basa il suo argomento sul lato discovery.

Rispetto a 3.8 Flash Cyber, Google riporta che Argon ha scoperto esposizioni su codebase che coprono 20 linguaggi di programmazione nel suo benchmark interno di vulnerabilità, e ha battuto 3.8 Flash Cyber nel benchmark di penetration testing black-box di Wiz nel mappare la superficie d’attacco, trovare vulnerabilità e produrre prove di concetto.

Black-box significa nessun accesso al codice sorgente, più vicino a come un attaccante esterno vede un sistema web live.

Dove Argon resta indietro

Google ha pubblicato anche le sconfitte, cosa che apprezzo.

Quattro, in particolare, da evidenziare:

• FrontierSWE v2: Argon 55,0% contro il 65,5% di GPT-6 Astra e il 62,3% di Opus 5.5, un deficit di 10,5 punti sulla più difficile delle due suite SWE.
• Terminal-bench 4.0: Argon 57,4% contro Opus 5.5 al 66,4%. I nostri test su Claude Sonnet 5.5 hanno messo il Sonnet di fascia media al 70,6% sullo stesso benchmark, quindi Argon è dietro rispetto a un modello con prezzo nettamente inferiore sul lavoro agentico guidato da terminale.
• Terminal-Bench Science 0.1: Argon 57,6% contro il 68,1% di Astra, un gap di 10,5 punti su task scientifici eseguiti via shell.
• PostTrainBench e OSWorld-2.0: Argon segna 45,3% su ML engineering contro il 49,3% di Opus 5.5, e 69,2% sul subset offline di OSWorld-2.0 contro il 72,6% di Astra.

Argon regge comunque su scienza e matematica altrove, con l’88,8% su LABBench 2 contro l’85,4% di Astra e il 68,6% di Fable 5.1, e il 76,0% su RiemannBench contro il 72,0% di Astra.

Il pattern che vedo è che Argon è un miglior pianificatore e lettore, mentre Astra e Opus 5.5 restano migliori nel guidare un terminale.

Ecco il set completo pubblicato, così puoi ritrovare il tuo carico di lavoro.

Cosa sta facendo Google per la sicurezza prima del rilascio ampio

Google sta trattenendo Argon dal rilascio generale mentre rafforza quattro aree di salvaguardia, e le ha nominate tutte nell’annuncio. Questo è importante per chiunque stia pianificando di distribuire un agente con accesso a strumenti.

• Uso improprio: Argon rifiuta richieste cyber e CBRN preservando al contempo la ricerca scientifica a doppio uso, in base al Frontier Safety Framework di Google, con red team interni ed esterni che eseguono attacchi manuali e automatici. Google monitora anche le attivazioni interne del modello per individuare abusi.
• Prompt injection indiretta: Google riporta che Argon guida il benchmark IPI di Gray Swan dopo red teaming automatizzato e training avversario.
• Disallineamento: Monitor osservano chain-of-thought e azioni e interrompono l’esecuzione quando Argon supera l’intento dell’utente, e Google afferma di aver tenuto questi risultati fuori dal training così che il modello non imparasse a eluderli.
• Hardening del sistema: Gli ambienti sandbox sono isolati e sigillati prima di run di training o valutazione ad alto rischio, seguendo la roadmap di controllo degli agenti di Google.

Prezzi di Gemini 4 Argon

Argon parte con una tariffa introduttiva di $2 per milione di token in input e $10 per milione di token in output, con i token in input in cache scontati del 95% rispetto alla tariffa di input. Dopo il periodo introduttivo, la tariffa sale a $4 per milione in input e $20 per milione in output. Google non ha pubblicato se i token di reasoning si fatturano alla tariffa di output.

Rispetto al mercato, il prezzo introduttivo è aggressivo, quello standard no. A $2/$10, Argon eguaglia esattamente la tariffa di GPT-6.1 Sol pur sottocutendo di 5x i $10/$50 di GPT-6 Astra. Al post-promo $4/$20, si allinea alla stessa tariffa che abbiamo documentato per Claude Opus 5.5 nel nostro tutorial sull’API di Opus 5.5.

Un altro angolo di costo: il prezzo per token grezzo nasconde il costo di un task. Nella nostra copertura di GPT-6.1 Sol, abbiamo registrato $23,80 per task di Terminal-Bench Science 0.1 per GPT-6 Astra contro $5,47 per Sol, quindi un modello che vince un benchmark può comunque perdere in fattura. Google non ha pubblicato i costi per task di Argon, che è il numero che vorrei prima di impegnare una fleet di agenti.

Google non ha pubblicato la durata del periodo introduttivo, quindi metti a budget la tariffa $4/$20 per qualsiasi cosa che superi un pilota.

La bolletta è approssimativamente (prezzo per token) × (token usati), e un modello può essere economico sul primo aspetto e costoso sul secondo. Quindi, tracce di ragionamento o thinking lunghe e risposte verbose possono costare care. Inoltre, con workflow agentici, l’uso è multi-step, il che significa che ogni step reinvia un contesto crescente e i costi di input si accumulano. Ecco perché alcuni sono più scettici sui costi:

Da segnalare anche sul fronte competitivo: il posizionamento di Anthropic a settembre 2026 per Claude Opus 5.5 era di prestazioni comparabili a Fable 5.1 a un costo d’esercizio circa del 40% inferiore rispetto a Opus 5, quindi la pressione che Argon affronterà alla tariffa standard $4/$20 arriverà da modelli più economici, non necessariamente migliori.

Disponibilità di Gemini 4 Argon

La disponibilità è il vero vincolo. Argon viene distribuito a un set di difensori informatici fidati tramite il Programma Fairwind, e Google afferma di partecipare al processo volontario del governo USA per l’accesso pre-release al modello mentre espande gradualmente. L’accesso generale arriverà più tardi, a partire dai clienti API a pagamento e dagli abbonati Google AI Ultra. Nell’annuncio non ci sono livello gratuito, link di waitlist o limiti di rate pubblicati.

Una cosa da tenere d’occhio: la pagina pubblica dei prezzi AI di Google è stata aggiornata l’ultima volta il 24 settembre 2026, e le tariffe visibili lì ($0,75 in input e $3,75 in output per milione, promozionali fino al 31 dicembre 2026, in aumento a $1,50/$7,50 il 1° gennaio 2027) appartengono al tier Gemini 3.8 Flash, non ad Argon.

Come ottenere l’accesso a Gemini 4 Argon?

Per lo più non puoi, per ora. Google non ha pubblicato un ID modello API per Gemini 4 Argon, e non mi azzarderei a dedurlo dal nome di marketing. L’accesso oggi passa per la coorte del Programma Fairwind di difensori informatici fidati e per i team interni di Google.

Al 30 settembre 2026, Argon non è elencato nel catalogo OpenRouter o nel catalogo models.dev, e non appare nella documentazione dei modelli Google Vertex AI, Gemini CLI, Cursor o GitHub Copilot. Le pagine dei modelli di Azure AI Foundry e AWS Bedrock non si possono confermare in un senso o nell’altro. Quando arriverà per i clienti API a pagamento, la forma della chiamata sarà quella standard di Gemini:

from google import genai

client = genai.Client()
# Model ID per Gemini 4 Argon non è pubblicato al 30 settembre 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)Offerto da

Se nel frattempo vuoi preparare l’infrastruttura, il nostro tutorial sull’API di Claude Opus 5.5 spiega come costruire un investigatore agentico con strumenti in sola lettura e chiamata di strumenti programmatica, e gli stessi pattern si portano tra vendor con un semplice swap dell’ID modello.

Cosa si dice di Gemini 4 Argon

Quasi nessuno al di fuori della coorte Fairwind ha ancora usato Argon, quindi la maggior parte delle reazioni sono prime impressioni dell’annuncio, non test pratici. Ecco come si è sviluppata la conversazione, dal generale allo specifico.

Visione d’insieme / prime impressioni: le persone sono colpite. 

Le prime impressioni non si possono separare dai risultati dei benchmark. Le prestazioni su Vals Index e i risultati su legale e finanza hanno attirato più attenzione, con l’asterisco che sono tutti eval di Google.

Ma una reazione coglie il punto reale di questa release. Argon è costruito per lavori che durano ore, come riscrivere un kernel in Rust, e questo potrebbe avere implicazioni reali per il futuro del lavoro. 

Considerazioni finali

Google punta sul fatto che il prossimo round della competizione di frontiera si vincerà su knowledge work enterprise e difesa informatica più che sulla qualità della chat, e i numeri di Argon su Vals Index, AutomationBench e GraphWalks supportano questa scommessa.

Detto questo, nessuno al di fuori della coorte Fairwind ha ancora riprodotto un singolo punteggio.

Quando si aprirà agli utenti normali, io sceglierei Argon per lavori su documenti e repository a contesto lungo e resterei con Claude Opus 5.5 o GPT-6 Astra per i loop agentici guidati da terminale, dove Argon è indietro di 9–10 punti.

Se vuoi costruire i workflow agentici a cui questi modelli sono destinati, inizia con il nostro percorso di competenze AI Fundamentals.