Gemini 4 Argon: features, benchmarks, prijzen en toegang
Googles nieuwe frontiermodel voert enterprise-kenniswerk en software-engineering in de praktijk aan, wordt geleverd met een outputlimiet van 1M tokens en gaat eerst naar cyberverdedigers.
OpenAI besteedde 29 september 2026 op DevDay aan de release van GPT-6.1 Sol, een middensegmentmodel dat het kostenprobleem van GPT-6 Astra moest oplossen. Een dag later kondigde Google Gemini 4 Argon aan, en de release gaat eerst naar cybersecurityteams voordat ontwikkelaars aan de beurt zijn.
Koray Kavukcuoglu, SVP van Google DeepMind, introduceerde Argon op 30 september 2026 als Googles frontiermodel voor werk met een lange horizon: software-engineering in de praktijk, juridisch en financieel kenniswerk, en cyberverdediging.
De belangrijkste technische wijziging is de outputtokenlimiet, die springt naar 1M tokens vanaf 64K. Het zet een nieuwe state of the art neer op DeepSWE v1.1 met 77,9%, en wordt eerst uitgerold via het Fairwind-programma naar een cohort van vertrouwde cyberverdedigers.
Argon is Googles nieuwe frontiermodel en gaat via het Fairwind-programma eerst naar vertrouwde cyberverdedigers voordat het de publieke API bereikt.
De structurele verandering die ertoe doet is de outputlengte, niet de inputcontext: Argon kan één traject schrijven dat 16x langer is dan het vorige plafond van 64K.
Het voert elke benchmark voor enterprise-kenniswerk aan die Google publiceerde, en de marge bij juridisch werk is aanzienlijk.
GPT-6 Astra wint nog steeds terminalgebaseerde wetenschapstaken en FrontierSWE v2, en Claude Opus 5.5 wint nog steeds Terminal-bench 4.0.
De introductieprijs van $2 per miljoen inputtokens is 5x goedkoper dan Astra, maar verdubbelt als de promo eindigt.
Er is nog niets om naar over te stappen. Geen openbaar model-ID, geen cloudvermelding en geen reproductie door derden van welke score dan ook.
Wat is Gemini 4 Argon?
Gemini 4 Argon is Googles nieuwe frontiermodel, gepositioneerd aan de top van de Gemini-familie boven de Gemini 3.8-lijn die tot september 2026 verscheen.
Google beschrijft het als gebouwd om diepgaand redeneren vol te houden over complexe workflows met een lange doorlooptijd, met drie benoemde doeldomeinen: software-engineering, enterprise-kenniswerk zoals juridisch en finance, en cybersecurityverdediging.
De duidelijkste generatieverandering is hoe Google de outputtokenlimiet uitbreidde naar 1M tokens, vanaf 64K, wat betekent dat Argon honderdduizenden tokens kan genereren binnen één traject in plaats van te moeten stoppen en opnieuw geprikkeld te worden.
Belangrijkste features van Gemini 4 Argon
Argons featureset is ingericht rond taken die uren duren in plaats van seconden, wat terug te zien is in het outputbudget, het agentwerk en de cybertools. Dit zijn de vier mogelijkheden die bepalen wat je daadwerkelijk kunt bouwen.
Schrijf 1M tokens in één enkele run
Argon kan tot 1M outputtokens produceren in één generatie, tegenover 64K bij de vorige generatie.
Googles stelling is dat extra ruimte de redeneerkwaliteit verandert, niet alleen de lengte: als het model over honderdduizenden tokens in één traject kan denken en genereren, lost het moeilijkere problemen op zonder het aan elkaar naaien en het staatverlies van een gechunkte workflow.
Ter vergelijking: GPT-6 Astra begrenst de output op 128K tokens met een contextvenster van 1,05M.
Als je ooit een agent de draad hebt zien kwijtraken halverwege een grote refactor omdat hij een outputplafond raakte en opnieuw gestart moest worden, dan is dit de beperking die verdwijnt.
De kanttekening is natuurlijk de facturatie. Lange generaties à $10 per miljoen outputtokens lopen snel op, en Google heeft niet gepubliceerd of reasoning-tokens tegen het outputtarief worden afgerekend.
Voer codebasismigraties end-to-end uit
Argon-agents migreren binnen Google al C- en C++-codebases naar Rust, opschalend van tienduizenden regels in kernbibliotheken zoals re2 en libgav1 tot 800K+ regels voor de Fuchsia OS Zircon-kernel.
Dat is het soort werk dat normaal kwartalen aan engineeringcapaciteit opslokt, en Google zegt dat deze herschrijvingen door geautomatiseerde en handmatige audits, emulatietests en reviews gaan voordat ze in productie gaan.
Het libgav1-resultaat is het voorbeeld waar ik op terug blijf komen.
Argon-agents namen een bestaande Rust-port van Googles open-source videodecoder en vervingen 32K regels handgeschreven SIMD-code door rondes van profielgestuurde experimenten uit te voeren en compileroutput te bestuderen totdat de compiler veilige Rust automatisch vectoriseerde.
Het resultaat is een geheugensafe decoder die 2,7x sneller draait dan de Rust-port met identieke video-output.
Interne deployresultaten bij Google
Twee interne cijfers zijn het vermelden waard omdat ze het dichtst bij een praktijkresultaat komen in de hele aankondiging.
Google zegt dat een team van Argon-agents telemetrie van profilering op vlootniveau analyseerde en autonoom geheugenoptimalisaties toepaste in zijn datacenters, waarmee meer dan 300 TiB geheugen werd vrijgemaakt na uitrol, met een geschatte totale besparing van 500 TiB tot 1 PiB.
Het tweede komt uit onderzoek naar kwantumcomputing, waar Argon hielp de ruimtetijdresources (qubits vermenigvuldigd met gates) te optimaliseren van subroutines die applicaties afremmen. In één geval versloeg het de gepubliceerde baseline in minuten met 40%.
Geen van beide resultaten is extern geverifieerd, maar beide zijn specifiek genoeg om later te controleren.
Verwerk finance, legal en business-automatisering met visuele context
Argon is volledig gericht op kenniswerk waarbij het bewijs in grafieken, aanvragen en video zit in plaats van in een nette tekstprompt.
Google noemt professionele grafiekanalyse, details uit lange video's halen en actie ondernemen over een reeks documenten als first-class use-cases, en Argon scoort 91,7% op LVBench voor begrip van lange video’s.
De praktische variant hiervan is bijvoorbeeld een meerstaps financiële onderzoekstaak waarbij het model een deck leest, een tabel kruist en vervolgens uitvoert tegen een businesssysteem.
Argon staat op de eerste plaats in Zapier's AutomationBench met 51,3%, wat end-to-end uitvoering meet over kernfuncties van bedrijven in plaats van antwoorden in één beurt.
Vind en patch kwetsbaarheden zonder guardrails
Dit is het meest ongewone onderdeel van de release.
Voor vertrouwde verdedigers in het Fairwind-programma en voor Googles interne teams levert Google Argon zonder cyber-guardrails, zodat die teams de volledige offensief-aangrenzende capaciteit van het model voor defensief werk krijgen: autonoom vinden, valideren en patchen van softwarekwetsbaarheden.
Wiz draait Argon al via het Scan for Good-initiatief, dat risicovolle blootstellingen in publieke infrastructuur gratis verhelpt.
In een vroege demonstratie vond Argon een ernstige kwetsbaarheid die gevoelige persoonsgegevens blootlegde in zorgsoftware die wereldwijd door ziekenhuizen wordt gebruikt, eentje die volgens Google eerdere frontiermodellen misten.
Daarnaast zegt Google dat Argon zijn meest veerkrachtige model is tegen indirecte prompt injection en het leidt Grays Swan's IPI-benchmark, en dat chain-of-thought- en actiemonitors de uitvoering stoppen wanneer het model buiten gebruikersintentie raakt.
Google merkt ook op dat het monitoringbevindingen bewust buiten de training hield zodat Argons redenering niet gevormd zou worden om de monitors te ontwijken, een detail waarvan ik zou willen dat meer labs het publiceren.
Hoe presteert Gemini 4 Argon op de benchmarks?
Argon voert 13 van de 19 benchmarks aan die Google publiceerde ten opzichte van GPT-6 Astra, Claude Fable 5.1 en Claude Opus 5.5, en de overwinningen clusteren in kenniswerk, lange context en het verhelpen van kwetsbaarheden.
De verliezen clusteren in terminalgestuurde wetenschap en een van de twee software-engineeringsuites, wat een interessanter patroon is dan een clean sweep zou zijn geweest.
Enterprise-kenniswerk
Dit is Argons sterkste gebied en de reden dat Google de lancering rondom legal en finance positioneerde.
Op de Vals Index, die finance, codering, juridisch en fiscaal werk weegt naar bijdrage aan het Amerikaanse bbp, scoort Argon 68,9% tegen 67,0% voor Claude Opus 5.5, 65,8% voor Claude Fable 5.1 en 63,1% voor GPT-6 Astra.
De gaten worden groter op de domeinspecifieke agentevaluaties.
Argon haalt 65,4% op Vals Finance Agent v2 (meerstaps financieel onderzoek) versus 58,9% voor Fable 5.1 en 53,5% voor Astra, en 51,3% op AutomationBench versus 42,5% voor Opus 5.5 en 31,4% voor Fable 5.1.
Harvey's Legal Agent Benchmark is de uitschieter.
Argon scoort 19,6% tegen 6,7% voor Fable 5.1, 5,4% voor Astra en 3,8% voor Opus 5.5. Elk model faalt op het grootste deel van deze benchmark, dus lees dit als een relatieve indicatie voor juridisch onderzoek en opstellen, niet als een model dat je onbeheerd een contract laat opstellen.
Agentisch coderen
Argon pakt DeepSWE v1.1 met 77,9%, voor Claude Opus 5.5 met 74,2%, GPT-6 Astra met 74,1% en Claude Fable 5.1 met 67,4%.
DeepSWE meet software-engineering met lange horizon tegen echte repositories, dus het beloont modellen die een plan over veel edits kunnen vasthouden in plaats van één goede diff te produceren.
Dat resultaat leest anders zodra je het prijst.
In onze berichtgeving over GPT-6.1 Sol merkten we op dat Sol Astra evenaarde op DeepSWE v1.1 tegen ongeveer een vijfde van Astra's kosten, op $2 input en $10 output per miljoen tokens.
Argons introductietarief is exact hetzelfde $2/$10, en het verslaat Astra's DeepSWE-score met 3,8 punten.
Vibe Code Bench gaat ook naar Argon, met 91,9% tegen 90,3% voor beide Claude-modellen en 89,6% voor Astra, al is een spreiding van 1,6 punt over vier frontiermodellen dicht bij ruis.
Lange context en multimodaal begrip
De lang-contextkloof is de grootste in de hele tabel.
Op GraphWalks BFS F1 over 256K tot 1M tokens scoort Argon 84,2% tegenover 71,8% voor Astra, 66,8% voor Opus 5.5 en 65,0% voor Fable 5.1.
Tot 128K scoort iedereen hoog, maar Argon leidt nog steeds met 99,7%.
GraphWalks vraagt een model om een graaf te doorlopen die in de prompt is beschreven, dus de prestaties kelderen scherp wanneer retrieval over een zeer lang venster onbetrouwbaar wordt.
Een voorsprong van 12,4 punten op Astra aan de 1M-kant is het soort marge dat bepaalt of je een hele repository of een volledige set verklaringen in één call kunt voeren.
Bij multimodaal werk pakt Argon LVBench met 91,7% (tegen 87,5% voor Astra en 79,7% voor Fable 5.1) en Chartography met 71,6%, nipt voor Astra's 71,0%.
Op CWE-bench v1, dat evalueert of een model echte beveiligingskwetsbaarheden kan verhelpen, eindigt Argon samen met GPT-6 Astra op de eerste plaats met 68%, met Opus 5.5 op 67% en Fable 5.1 op 58%.
Een gelijkspel is hier een eerlijk resultaat, en Google bouwt zijn case in plaats daarvan op de ontdekkingskant.
Tegenover 3.8 Flash Cyber meldt Google dat Argon blootstellingen vond in codebases die 20 programmeertalen omvatten op zijn interne kwetsbaarheidsbenchmark, en dat het 3.8 Flash Cyber versloeg op Wiz' black-box pentestbenchmark bij het in kaart brengen van het aanvalsoppervlak, het vinden van kwetsbaarheden en het produceren van proof-of-concept-bewijs.
Black-box betekent geen toegang tot de broncode, wat dichter in de buurt komt van hoe een externe aanvaller een live websystem ziet.
Waar Argon achterblijft
Google publiceerde de verliezen, wat ik waardeer.
Vier daarvan vind ik het vermelden waard:
FrontierSWE v2: Argon 55,0% tegenover 65,5% voor GPT-6 Astra en 62,3% voor Opus 5.5, een achterstand van 10,5 punten op de moeilijkere van de twee SWE-suites.
Terminal-bench 4.0: Argon 57,4% tegenover Opus 5.5 op 66,4%. Onze Claude Sonnet 5.5-tests plaatsten de mid-tier Sonnet op 70,6% op dezelfde benchmark, dus Argon blijft achter op een model dat qua prijs ruim lager zit bij terminalgestuurd agentwerk.
Terminal-Bench Science 0.1: Argon 57,6% tegenover 68,1% voor Astra, een gat van 10,5 punten bij wetenschappelijke taken via een shell.
PostTrainBench en OSWorld-2.0: Argon scoort 45,3% op ML-engineering tegenover 49,3% voor Opus 5.5, en 69,2% op de offline subset van OSWorld-2.0 tegenover 72,6% voor Astra.
Argon houdt wetenschap en wiskunde elders wel vast, met 88,8% op LABBench 2 tegenover 85,4% voor Astra en 68,6% voor Fable 5.1, en 76,0% op RiemannBench tegenover 72,0% voor Astra.
Het patroon dat ik hier zie is dat Argon de betere planner en lezer is, terwijl Astra en Opus 5.5 nog steeds beter zijn in het aansturen van een terminal.
Hier is de volledige gepubliceerde set, zodat je je eigen workload erin kunt vinden.
Benchmark
Gemini 4 Argon
GPT-6 Astra
Claude Fable 5.1
Claude Opus 5.5
Vals Index
68,9%
63,1%
65,8%
67,0%
AutomationBench
51,3%
41,4%
31,4%
42,5%
Vals Finance Agent v2
65,4%
53,5%
58,9%
58,6%
Harvey's Legal Agent Benchmark
19,6%
5,4%
6,7%
3,8%
DeepSWE v1.1
77,9%
74,1%
67,4%
74,2%
FrontierSWE v2
55,0%
65,5%
56,3%
62,3%
Vibe Code Bench
91,9%
89,6%
90,3%
90,3%
Terminal-bench 4.0
57,4%
58,2%
57,9%
66,4%
PostTrainBench
45,3%
44,3%
40,2%
49,3%
Terminal-Bench Science 0.1
57,6%
68,1%
52,6%
63,3%
LABBench 2
88,8%
85,4%
68,6%
73,1%
RiemannBench
76,0%
72,0%
65,6%
69,6%
GraphWalks (tot 128K, BFS F1)
99,7%
98,7%
91,4%
90,6%
GraphWalks (256K tot 1M, BFS F1)
84,2%
71,8%
65,0%
66,8%
Agent's Last Exam (slagingspercentage)
39,5%
34,2%
—
38,2%
OSWorld-2.0 (offline subset)
69,2%
72,6%
—
—
Chartography
71,6%
71,0%
46,2%
66,3%
LVBench
91,7%
87,5%
79,7%
83,7%
CWE-bench v1
68,0%
68,0%
58,0%
67,0%
Wat Google doet aan veiligheid vóór brede release
Google houdt Argon nog tegen voor algemene release terwijl het vier beveiligingsgebieden verstevigt, en noemde alle vier in de aankondiging. Dit is relevant voor iedereen die een agent met tooltoegang wil deployen.
Misbruik: Argon weigert cyber- en CBRN-verzoeken terwijl dubbelzinnig inzetbare wetenschappelijke research behouden blijft, volgens Googles Frontier Safety Framework, met interne en externe red teams die handmatige en geautomatiseerde aanvallen uitvoeren. Google monitort ook de interne activaties van het model om misbruik te spotten.
Indirecte prompt-injectie: Google meldt dat Argon Grays Swan's IPI-benchmark aanvoert na geautomatiseerde red teaming en adversariële training.
Misalignement: Monitors letten op chain-of-thought en acties en stoppen de uitvoering wanneer Argon de gebruikersintentie overschrijdt, en Google zegt dat het die bevindingen buiten de training hield zodat het model niet leert ze te ontwijken.
System hardening: Gesandboxte omgevingen worden geïsoleerd en verzegeld vóór trainingen of evaluaties met hoog risico, volgens Googles roadmap voor agentcontrole.
Prijzen van Gemini 4 Argon
Argon lanceert met een introductietarief van $2 per miljoen inputtokens en $10 per miljoen outputtokens, met gecachete inputtokens tegen 95% korting op het inputtarief. Na de introductieperiode stijgt het tarief naar $4 per miljoen input en $20 per miljoen output. Google heeft niet gepubliceerd of reasoning-tokens tegen het outputtarief worden afgerekend.
Afgezet tegen het veld is de introductieprijs agressief en de standaardprijs dat niet. Met $2/$10 evenaart Argon precies het tarief van GPT-6.1 Sol, terwijl het GPT-6 Astra's $10/$50 met 5x onderbiedt. Op het post-promo $4/$20 komt het uit op hetzelfde tarief dat we documenteerden voor Claude Opus 5.5 in onze Opus 5.5 API-tutorial.
Nog een kostenperspectief: de ruwe prijs per token verhult de kostprijs van een taak. In onze GPT-6.1 Sol-coverage noteerden we $23,80 per Terminal-Bench Science 0.1-taak voor GPT-6 Astra tegenover $5,47 voor Sol, dus een model dat een benchmark wint kan nog steeds verliezen op de factuur. Google heeft geen per-taakkosten voor Argon gepubliceerd, wat het cijfer is dat ik zou willen zien voordat ik een agentvloot eraan toewijs.
Google heeft de lengte van de introductieperiode niet gepubliceerd, dus budgetteer het $4/$20-tarief voor alles wat langer duurt dan een pilot.
De rekening is ongeveer (prijs per token) × (gebruikte tokens), en een model kan goedkoop zijn op het eerste en duur op het tweede. Dus lange redenerings- of denksporen en breedsprakige antwoorden kunnen duur zijn. En bij agentische workflows is er sprake van meerstapsgebruik, wat betekent dat elke stap een groeiende context opnieuw verstuurt, en de inputkosten stapelen zich op. Daarom zijn sommigen sceptischer over de kosten:
Ook relevant aan de competitieve kant: Anthropics positionering in september 2026 voor Claude Opus 5.5 was prestaties vergelijkbaar met Fable 5.1 tegen ongeveer 40% lagere operationele kosten dan Opus 5, dus de druk die Argon ondervindt bij het standaardtarief van $4/$20 komt van goedkopere modellen in plaats van betere.
Beschikbaarheid van Gemini 4 Argon
Beschikbaarheid is de echte beperking. Argon wordt uitgerold naar een set vertrouwde cyberverdedigers via het Fairwind-programma, en Google zegt dat het betrokken is bij het vrijwillige proces van de Amerikaanse overheid voor prerelease-toegang tot modellen terwijl het geleidelijk uitbreidt. Algemene toegang komt later, te beginnen met betalende API-klanten en Google AI Ultra-abonnees. Er is geen gratis tier, geen wachtlijstlink en geen gepubliceerde ratelimieten in de aankondiging.
Eén ding om in de gaten te houden: Googles publieke AI-prijzenpagina is voor het laatst bijgewerkt op 24 september 2026, en de daar zichtbare tarieven ($0,75 input en $3,75 output per miljoen, promotioneel t/m 31 december 2026, stijgend naar $1,50/$7,50 op 1 januari 2027) horen bij de Gemini 3.8 Flash-laag, niet bij Argon.
Hoe krijg je toegang tot Gemini 4 Argon?
Meestal nog niet. Google heeft geen API-model-ID voor Gemini 4 Argon gepubliceerd, en ik zou er geen raden op basis van de marketingnaam. Toegang loopt vandaag via het Fairwind-programmacohort van vertrouwde cyberverdedigers en Googles interne teams.
Per 30 september 2026 staat Argon niet in de OpenRouter-catalogus of de models.dev-catalogus, en het verschijnt niet in de modeldocs van Google Vertex AI, de Gemini CLI, Cursor of GitHub Copilot. De modelpagina’s van Azure AI Foundry en AWS Bedrock konden niet in de een of andere richting worden bevestigd. Als het beschikbaar komt voor betalende API-klanten, heeft de call-vorm de standaard Gemini-structuur:
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)Mogelijk gemaakt door
Als je intussen de leidingen klaar wilt zetten, loopt onze Claude Opus 5.5 API-tutorial door het bouwen van een agentische onderzoeker met alleen-lezen tools en programmatische toolaanroepen, en dezelfde patronen zijn over te zetten naar andere aanbieders met een model-ID-swap.
Wat mensen zeggen over Gemini 4 Argon
Bijna niemand buiten het Fairwind-cohort heeft Argon al gebruikt, dus de meeste reacties zijn eerste indrukken van de aankondiging, geen hands-on tests. Zo verliep het gesprek, van breed naar specifiek.
Grote lijn / eerste indruk: mensen zijn onder de indruk.
De eerste indrukken zijn niet los te zien van de benchmarkresultaten. De prestaties op de Vals Index en de resultaten bij legal en finance kregen de meeste aandacht, met de kanttekening dat dit allemaal Googles eigen evaluaties zijn.
Maar één reactie vat samen waar deze release echt om draait. Argon is gebouwd voor werk dat uren duurt, zoals het herschrijven van een kernel in Rust, en dat kan echte implicaties hebben voor de toekomst van werk.
Slotgedachten
Google wedt dat de volgende ronde van frontierconcurrentie gewonnen wordt op enterprise-kenniswerk en cyberverdediging in plaats van op chatkwaliteit, en Argons Vals Index-, AutomationBench- en GraphWalks-cijfers ondersteunen die gok.
Dat gezegd hebbende: niemand buiten het Fairwind-cohort heeft ook maar één score gerepliceerd.
Wanneer het opengaat voor reguliere gebruikers, zou ik Argon inzetten voor document- en repositorywerk met lange context en bij Claude Opus 5.5 of GPT-6 Astra blijven voor terminalgestuurde agentloops, waar Argon 9 tot 10 punten achterloopt.
Wil je de agentische workflows bouwen waar deze modellen voor bedoeld zijn, begin dan met onze AI Fundamentals skill track.
Senior redacteur in AI en edtech. Toegewijd aan het verkennen van data- en AI-trends.
FAQs
Wat is Gemini 4 Argon?⌄
Gemini 4 Argon is Googles frontiermodel dat op 30 september 2026 is aangekondigd door Koray Kavukcuoglu van Google DeepMind. Het richt zich op software-engineering met een lange horizon, enterprise-kenniswerk in legal en finance, en cybersecurityverdediging. De opvallendste wijziging is een outputtokenlimiet van 1M, omhoog van 64K bij de vorige generatie.
Hoe verhoudt Gemini 4 Argon zich tot GPT-6 Astra en Claude Opus 5.5?⌄
Argon leidt op kenniswerk en lange context: 68,9% op de Vals Index tegenover 67,0% voor Claude Opus 5.5 en 63,1% voor GPT-6 Astra, en 84,2% op GraphWalks bij 256K tot 1M tokens tegenover 71,8% voor Astra. Astra wint nog steeds FrontierSWE v2 (65,5% vs 55,0%) en Terminal-Bench Science 0.1 (68,1% vs 57,6%), en Opus 5.5 wint Terminal-bench 4.0 met 66,4% tegenover Argons 57,4%.
Wat kost Gemini 4 Argon?⌄
Argon lanceert met een introductieprijs van $2 per miljoen inputtokens en $10 per miljoen outputtokens, met gecachete inputtokens tegen 95% korting op het inputtarief. Na de introductieperiode stijgt het tarief naar $4 per miljoen input en $20 per miljoen output. Google heeft niet gepubliceerd hoelang de introductieperiode duurt.
Waar kan ik toegang krijgen tot Gemini 4 Argon?⌄
Toegang is momenteel beperkt tot een set vertrouwde cyberverdedigers via Googles Fairwind-programma, plus Googles interne teams. Google zegt dat een bredere release zal starten met betalende API-klanten en Google AI Ultra-abonnees. Per 30 september 2026 is er geen gepubliceerd API-model-ID, en Argon staat niet in de OpenRouter- of models.dev-catalogi, noch in de modeldocs van Vertex AI, Gemini CLI, Cursor of GitHub Copilot.
Waarom wordt Gemini 4 Argon eerst naar cybersecurityteams uitgerold?⌄
Google trainde Argon om autonoom softwarekwetsbaarheden te vinden, te valideren en te patchen, en brengt het model zonder cyber-guardrails uit voor vertrouwde verdedigers zodat zij de volledige defensieve capaciteit krijgen. Wiz gebruikt het al via het Scan for Good-initiatief, waar het een ernstige kwetsbaarheid vond die persoonsgegevens blootlegde in zorgsoftware, die volgens Google eerdere frontiermodellen misten. Argon eindigt samen met GPT-6 Astra op de eerste plaats op CWE-bench v1 met 68%.
OpenAI besteedde 29 september 2026 op DevDay aan de release van GPT-6.1 Sol, een middensegmentmodel dat het kostenprobleem van GPT-6 Astra moest oplossen. Een dag later kondigde Google Gemini 4 Argon aan, en de release gaat eerst naar cybersecurityteams voordat ontwikkelaars aan de beurt zijn.
Koray Kavukcuoglu, SVP van Google DeepMind, introduceerde Argon op 30 september 2026 als Googles frontiermodel voor werk met een lange horizon: software-engineering in de praktijk, juridisch en financieel kenniswerk, en cyberverdediging.
De belangrijkste technische wijziging is de outputtokenlimiet, die springt naar 1M tokens vanaf 64K. Het zet een nieuwe state of the art neer op DeepSWE v1.1 met 77,9%, en wordt eerst uitgerold via het Fairwind-programma naar een cohort van vertrouwde cyberverdedigers.
Voor context over de rivalen, zie onze gidsen voor GPT-6.1 Sol en Claude Sonnet 5.5.
TL;DR
Wat is Gemini 4 Argon?
Gemini 4 Argon is Googles nieuwe frontiermodel, gepositioneerd aan de top van de Gemini-familie boven de Gemini 3.8-lijn die tot september 2026 verscheen.
Google beschrijft het als gebouwd om diepgaand redeneren vol te houden over complexe workflows met een lange doorlooptijd, met drie benoemde doeldomeinen: software-engineering, enterprise-kenniswerk zoals juridisch en finance, en cybersecurityverdediging.
De duidelijkste generatieverandering is hoe Google de outputtokenlimiet uitbreidde naar 1M tokens, vanaf 64K, wat betekent dat Argon honderdduizenden tokens kan genereren binnen één traject in plaats van te moeten stoppen en opnieuw geprikkeld te worden.
Belangrijkste features van Gemini 4 Argon
Argons featureset is ingericht rond taken die uren duren in plaats van seconden, wat terug te zien is in het outputbudget, het agentwerk en de cybertools. Dit zijn de vier mogelijkheden die bepalen wat je daadwerkelijk kunt bouwen.
Schrijf 1M tokens in één enkele run
Argon kan tot 1M outputtokens produceren in één generatie, tegenover 64K bij de vorige generatie.
Googles stelling is dat extra ruimte de redeneerkwaliteit verandert, niet alleen de lengte: als het model over honderdduizenden tokens in één traject kan denken en genereren, lost het moeilijkere problemen op zonder het aan elkaar naaien en het staatverlies van een gechunkte workflow.
Ter vergelijking: GPT-6 Astra begrenst de output op 128K tokens met een contextvenster van 1,05M.
Als je ooit een agent de draad hebt zien kwijtraken halverwege een grote refactor omdat hij een outputplafond raakte en opnieuw gestart moest worden, dan is dit de beperking die verdwijnt.
De kanttekening is natuurlijk de facturatie. Lange generaties à $10 per miljoen outputtokens lopen snel op, en Google heeft niet gepubliceerd of reasoning-tokens tegen het outputtarief worden afgerekend.
Voer codebasismigraties end-to-end uit
Argon-agents migreren binnen Google al C- en C++-codebases naar Rust, opschalend van tienduizenden regels in kernbibliotheken zoals re2 en libgav1 tot 800K+ regels voor de Fuchsia OS Zircon-kernel.
Dat is het soort werk dat normaal kwartalen aan engineeringcapaciteit opslokt, en Google zegt dat deze herschrijvingen door geautomatiseerde en handmatige audits, emulatietests en reviews gaan voordat ze in productie gaan.
Het libgav1-resultaat is het voorbeeld waar ik op terug blijf komen.
Argon-agents namen een bestaande Rust-port van Googles open-source videodecoder en vervingen 32K regels handgeschreven SIMD-code door rondes van profielgestuurde experimenten uit te voeren en compileroutput te bestuderen totdat de compiler veilige Rust automatisch vectoriseerde.
Het resultaat is een geheugensafe decoder die 2,7x sneller draait dan de Rust-port met identieke video-output.
Interne deployresultaten bij Google
Twee interne cijfers zijn het vermelden waard omdat ze het dichtst bij een praktijkresultaat komen in de hele aankondiging.
Geen van beide resultaten is extern geverifieerd, maar beide zijn specifiek genoeg om later te controleren.
Verwerk finance, legal en business-automatisering met visuele context
Argon is volledig gericht op kenniswerk waarbij het bewijs in grafieken, aanvragen en video zit in plaats van in een nette tekstprompt.
Google noemt professionele grafiekanalyse, details uit lange video's halen en actie ondernemen over een reeks documenten als first-class use-cases, en Argon scoort 91,7% op LVBench voor begrip van lange video’s.
De praktische variant hiervan is bijvoorbeeld een meerstaps financiële onderzoekstaak waarbij het model een deck leest, een tabel kruist en vervolgens uitvoert tegen een businesssysteem.
Argon staat op de eerste plaats in Zapier's AutomationBench met 51,3%, wat end-to-end uitvoering meet over kernfuncties van bedrijven in plaats van antwoorden in één beurt.
Vind en patch kwetsbaarheden zonder guardrails
Dit is het meest ongewone onderdeel van de release.
Voor vertrouwde verdedigers in het Fairwind-programma en voor Googles interne teams levert Google Argon zonder cyber-guardrails, zodat die teams de volledige offensief-aangrenzende capaciteit van het model voor defensief werk krijgen: autonoom vinden, valideren en patchen van softwarekwetsbaarheden.
Wiz draait Argon al via het Scan for Good-initiatief, dat risicovolle blootstellingen in publieke infrastructuur gratis verhelpt.
In een vroege demonstratie vond Argon een ernstige kwetsbaarheid die gevoelige persoonsgegevens blootlegde in zorgsoftware die wereldwijd door ziekenhuizen wordt gebruikt, eentje die volgens Google eerdere frontiermodellen misten.
Daarnaast zegt Google dat Argon zijn meest veerkrachtige model is tegen indirecte prompt injection en het leidt Grays Swan's IPI-benchmark, en dat chain-of-thought- en actiemonitors de uitvoering stoppen wanneer het model buiten gebruikersintentie raakt.
Google merkt ook op dat het monitoringbevindingen bewust buiten de training hield zodat Argons redenering niet gevormd zou worden om de monitors te ontwijken, een detail waarvan ik zou willen dat meer labs het publiceren.
Hoe presteert Gemini 4 Argon op de benchmarks?
Argon voert 13 van de 19 benchmarks aan die Google publiceerde ten opzichte van GPT-6 Astra, Claude Fable 5.1 en Claude Opus 5.5, en de overwinningen clusteren in kenniswerk, lange context en het verhelpen van kwetsbaarheden.
De verliezen clusteren in terminalgestuurde wetenschap en een van de twee software-engineeringsuites, wat een interessanter patroon is dan een clean sweep zou zijn geweest.
Enterprise-kenniswerk
Dit is Argons sterkste gebied en de reden dat Google de lancering rondom legal en finance positioneerde.
Op de Vals Index, die finance, codering, juridisch en fiscaal werk weegt naar bijdrage aan het Amerikaanse bbp, scoort Argon 68,9% tegen 67,0% voor Claude Opus 5.5, 65,8% voor Claude Fable 5.1 en 63,1% voor GPT-6 Astra.
De gaten worden groter op de domeinspecifieke agentevaluaties.
Argon haalt 65,4% op Vals Finance Agent v2 (meerstaps financieel onderzoek) versus 58,9% voor Fable 5.1 en 53,5% voor Astra, en 51,3% op AutomationBench versus 42,5% voor Opus 5.5 en 31,4% voor Fable 5.1.
Harvey's Legal Agent Benchmark is de uitschieter.
Argon scoort 19,6% tegen 6,7% voor Fable 5.1, 5,4% voor Astra en 3,8% voor Opus 5.5. Elk model faalt op het grootste deel van deze benchmark, dus lees dit als een relatieve indicatie voor juridisch onderzoek en opstellen, niet als een model dat je onbeheerd een contract laat opstellen.
Agentisch coderen
Argon pakt DeepSWE v1.1 met 77,9%, voor Claude Opus 5.5 met 74,2%, GPT-6 Astra met 74,1% en Claude Fable 5.1 met 67,4%.
DeepSWE meet software-engineering met lange horizon tegen echte repositories, dus het beloont modellen die een plan over veel edits kunnen vasthouden in plaats van één goede diff te produceren.
Dat resultaat leest anders zodra je het prijst.
In onze berichtgeving over GPT-6.1 Sol merkten we op dat Sol Astra evenaarde op DeepSWE v1.1 tegen ongeveer een vijfde van Astra's kosten, op $2 input en $10 output per miljoen tokens.
Argons introductietarief is exact hetzelfde $2/$10, en het verslaat Astra's DeepSWE-score met 3,8 punten.
Vibe Code Bench gaat ook naar Argon, met 91,9% tegen 90,3% voor beide Claude-modellen en 89,6% voor Astra, al is een spreiding van 1,6 punt over vier frontiermodellen dicht bij ruis.
Lange context en multimodaal begrip
De lang-contextkloof is de grootste in de hele tabel.
Op GraphWalks BFS F1 over 256K tot 1M tokens scoort Argon 84,2% tegenover 71,8% voor Astra, 66,8% voor Opus 5.5 en 65,0% voor Fable 5.1.
Tot 128K scoort iedereen hoog, maar Argon leidt nog steeds met 99,7%.
GraphWalks vraagt een model om een graaf te doorlopen die in de prompt is beschreven, dus de prestaties kelderen scherp wanneer retrieval over een zeer lang venster onbetrouwbaar wordt.
Een voorsprong van 12,4 punten op Astra aan de 1M-kant is het soort marge dat bepaalt of je een hele repository of een volledige set verklaringen in één call kunt voeren.
Bij multimodaal werk pakt Argon LVBench met 91,7% (tegen 87,5% voor Astra en 79,7% voor Fable 5.1) en Chartography met 71,6%, nipt voor Astra's 71,0%.
Ter schaal voor die tweede: onze Claude Sonnet 5.5-coverage noteerde 61,6% op Chartography voor Sonnet 5.5 en 64,4% voor Opus 5.5.
Cybersecurity-remediatie
Op CWE-bench v1, dat evalueert of een model echte beveiligingskwetsbaarheden kan verhelpen, eindigt Argon samen met GPT-6 Astra op de eerste plaats met 68%, met Opus 5.5 op 67% en Fable 5.1 op 58%.
Een gelijkspel is hier een eerlijk resultaat, en Google bouwt zijn case in plaats daarvan op de ontdekkingskant.
Tegenover 3.8 Flash Cyber meldt Google dat Argon blootstellingen vond in codebases die 20 programmeertalen omvatten op zijn interne kwetsbaarheidsbenchmark, en dat het 3.8 Flash Cyber versloeg op Wiz' black-box pentestbenchmark bij het in kaart brengen van het aanvalsoppervlak, het vinden van kwetsbaarheden en het produceren van proof-of-concept-bewijs.
Black-box betekent geen toegang tot de broncode, wat dichter in de buurt komt van hoe een externe aanvaller een live websystem ziet.
Waar Argon achterblijft
Google publiceerde de verliezen, wat ik waardeer.
Vier daarvan vind ik het vermelden waard:
Argon houdt wetenschap en wiskunde elders wel vast, met 88,8% op LABBench 2 tegenover 85,4% voor Astra en 68,6% voor Fable 5.1, en 76,0% op RiemannBench tegenover 72,0% voor Astra.
Het patroon dat ik hier zie is dat Argon de betere planner en lezer is, terwijl Astra en Opus 5.5 nog steeds beter zijn in het aansturen van een terminal.
Hier is de volledige gepubliceerde set, zodat je je eigen workload erin kunt vinden.
Wat Google doet aan veiligheid vóór brede release
Google houdt Argon nog tegen voor algemene release terwijl het vier beveiligingsgebieden verstevigt, en noemde alle vier in de aankondiging. Dit is relevant voor iedereen die een agent met tooltoegang wil deployen.
Prijzen van Gemini 4 Argon
Argon lanceert met een introductietarief van $2 per miljoen inputtokens en $10 per miljoen outputtokens, met gecachete inputtokens tegen 95% korting op het inputtarief. Na de introductieperiode stijgt het tarief naar $4 per miljoen input en $20 per miljoen output. Google heeft niet gepubliceerd of reasoning-tokens tegen het outputtarief worden afgerekend.
Afgezet tegen het veld is de introductieprijs agressief en de standaardprijs dat niet. Met $2/$10 evenaart Argon precies het tarief van GPT-6.1 Sol, terwijl het GPT-6 Astra's $10/$50 met 5x onderbiedt. Op het post-promo $4/$20 komt het uit op hetzelfde tarief dat we documenteerden voor Claude Opus 5.5 in onze Opus 5.5 API-tutorial.
Nog een kostenperspectief: de ruwe prijs per token verhult de kostprijs van een taak. In onze GPT-6.1 Sol-coverage noteerden we $23,80 per Terminal-Bench Science 0.1-taak voor GPT-6 Astra tegenover $5,47 voor Sol, dus een model dat een benchmark wint kan nog steeds verliezen op de factuur. Google heeft geen per-taakkosten voor Argon gepubliceerd, wat het cijfer is dat ik zou willen zien voordat ik een agentvloot eraan toewijs.
Google heeft de lengte van de introductieperiode niet gepubliceerd, dus budgetteer het $4/$20-tarief voor alles wat langer duurt dan een pilot.
De rekening is ongeveer (prijs per token) × (gebruikte tokens), en een model kan goedkoop zijn op het eerste en duur op het tweede. Dus lange redenerings- of denksporen en breedsprakige antwoorden kunnen duur zijn. En bij agentische workflows is er sprake van meerstapsgebruik, wat betekent dat elke stap een groeiende context opnieuw verstuurt, en de inputkosten stapelen zich op. Daarom zijn sommigen sceptischer over de kosten:
Ook relevant aan de competitieve kant: Anthropics positionering in september 2026 voor Claude Opus 5.5 was prestaties vergelijkbaar met Fable 5.1 tegen ongeveer 40% lagere operationele kosten dan Opus 5, dus de druk die Argon ondervindt bij het standaardtarief van $4/$20 komt van goedkopere modellen in plaats van betere.
Beschikbaarheid van Gemini 4 Argon
Beschikbaarheid is de echte beperking. Argon wordt uitgerold naar een set vertrouwde cyberverdedigers via het Fairwind-programma, en Google zegt dat het betrokken is bij het vrijwillige proces van de Amerikaanse overheid voor prerelease-toegang tot modellen terwijl het geleidelijk uitbreidt. Algemene toegang komt later, te beginnen met betalende API-klanten en Google AI Ultra-abonnees. Er is geen gratis tier, geen wachtlijstlink en geen gepubliceerde ratelimieten in de aankondiging.
Eén ding om in de gaten te houden: Googles publieke AI-prijzenpagina is voor het laatst bijgewerkt op 24 september 2026, en de daar zichtbare tarieven ($0,75 input en $3,75 output per miljoen, promotioneel t/m 31 december 2026, stijgend naar $1,50/$7,50 op 1 januari 2027) horen bij de Gemini 3.8 Flash-laag, niet bij Argon.
Hoe krijg je toegang tot Gemini 4 Argon?
Meestal nog niet. Google heeft geen API-model-ID voor Gemini 4 Argon gepubliceerd, en ik zou er geen raden op basis van de marketingnaam. Toegang loopt vandaag via het Fairwind-programmacohort van vertrouwde cyberverdedigers en Googles interne teams.
Per 30 september 2026 staat Argon niet in de OpenRouter-catalogus of de models.dev-catalogus, en het verschijnt niet in de modeldocs van Google Vertex AI, de Gemini CLI, Cursor of GitHub Copilot. De modelpagina’s van Azure AI Foundry en AWS Bedrock konden niet in de een of andere richting worden bevestigd. Als het beschikbaar komt voor betalende API-klanten, heeft de call-vorm de standaard Gemini-structuur:
Als je intussen de leidingen klaar wilt zetten, loopt onze Claude Opus 5.5 API-tutorial door het bouwen van een agentische onderzoeker met alleen-lezen tools en programmatische toolaanroepen, en dezelfde patronen zijn over te zetten naar andere aanbieders met een model-ID-swap.
Wat mensen zeggen over Gemini 4 Argon
Bijna niemand buiten het Fairwind-cohort heeft Argon al gebruikt, dus de meeste reacties zijn eerste indrukken van de aankondiging, geen hands-on tests. Zo verliep het gesprek, van breed naar specifiek.
Grote lijn / eerste indruk: mensen zijn onder de indruk.
De eerste indrukken zijn niet los te zien van de benchmarkresultaten. De prestaties op de Vals Index en de resultaten bij legal en finance kregen de meeste aandacht, met de kanttekening dat dit allemaal Googles eigen evaluaties zijn.
Maar één reactie vat samen waar deze release echt om draait. Argon is gebouwd voor werk dat uren duurt, zoals het herschrijven van een kernel in Rust, en dat kan echte implicaties hebben voor de toekomst van werk.
Slotgedachten
Google wedt dat de volgende ronde van frontierconcurrentie gewonnen wordt op enterprise-kenniswerk en cyberverdediging in plaats van op chatkwaliteit, en Argons Vals Index-, AutomationBench- en GraphWalks-cijfers ondersteunen die gok.
Dat gezegd hebbende: niemand buiten het Fairwind-cohort heeft ook maar één score gerepliceerd.
Wanneer het opengaat voor reguliere gebruikers, zou ik Argon inzetten voor document- en repositorywerk met lange context en bij Claude Opus 5.5 of GPT-6 Astra blijven voor terminalgestuurde agentloops, waar Argon 9 tot 10 punten achterloopt.
Wil je de agentische workflows bouwen waar deze modellen voor bedoeld zijn, begin dan met onze AI Fundamentals skill track.