Gemini 4 Argon:Für welche Arbeitsich das Modell lohnt

Was ist Gemini 4 Argon?

Gemini 4 Argon ist das erste Modell der vierten Gemini-Generation und von Google ausdrücklich für Aufgaben gebaut, die sich über viele Schritte ziehen. Die Ankündigung vom 30. September 2026 nennt drei Felder: Softwareentwicklung an echtem Code, Wissensarbeit in Unternehmen wie Recht und Finanzen, und die Abwehr von Angriffen auf die eigene IT. Geschrieben hat sie Koray Kavukcuoglu, der bei Google DeepMind die Modellentwicklung verantwortet.

Die eine technische Zahl, die den Unterschied zu den Vorgängern trägt, betrifft die Ausgabeseite. Argon darf in einer einzigen Antwort bis zu eine Million Token erzeugen, vorher waren bei Gemini 64.000 die Grenze. Das klingt nach einer Randnotiz, ist aber der Kern des Modells: Erst wenn genug Platz für Zwischenschritte da ist, kann ein Modell eine große Aufgabe am Stück durchdenken, statt sie in Häppchen zu zerlegen, bei denen jedes Mal Zusammenhang verloren geht.

Wofür Google das selbst einsetzt, steht in der Ankündigung recht konkret. Argon-Agenten übersetzen bei Google C- und C++-Code nach Rust, beim Videodecoder libgav1 haben sie 32.000 Zeilen handoptimierten Code ersetzt, und das Ergebnis läuft laut Google 2,7-mal schneller als die vorherige Rust-Fassung bei gleicher Bildausgabe. Ein anderes Team hat über 300 Terabyte Arbeitsspeicher in Googles Rechenzentren freigeräumt. Das sind Googles eigene Angaben über Googles eigene Systeme, und unabhängig nachgeprüft hat sie bisher niemand.

Was kostet Gemini 4 Argon, und wann steigt der Preis?

Google nennt für Gemini 4 Argon zwei Preise, und der zweite steht in einer Fußnote. Zum Start kostet eine Million Eingabe-Token zwei US-Dollar und eine Million Ausgabe-Token zehn US-Dollar. Nach Ablauf der Einführungsphase gelten vier beziehungsweise zwanzig US-Dollar, also genau das Doppelte. Wie lange die Einführungsphase läuft, hat Google nicht veröffentlicht, und solange das offen ist, halten wir es für die sicherere Annahme, von Anfang an mit dem höheren Preis zu rechnen.

Wichtiger als die Verdoppelung ist aber, wo die Kosten überhaupt entstehen. Ausgabe-Token kosten das Fünffache der Eingabe-Token, und Argon ist das Modell, das besonders lange Ausgaben erzeugen soll. Beides zusammen bedeutet: Das teuerste Merkmal ist genau das, wofür Sie das Modell nehmen würden. Rechnen Sie ein Beispiel mit zehn Millionen Eingabe- und sechs Millionen Ausgabe-Token im Monat (etwa 200 längere Agentenläufe), dann liegen Sie bei achtzig US-Dollar zum Einführungspreis und bei hundertsechzig danach. Drei Viertel davon entstehen auf der Ausgabeseite.

Daran scheitert auch der naheliegende Spartrick. Google gibt auf zwischengespeicherte Eingabe-Token 95 Prozent Rabatt, eine Million kostet dann zehn statt zwei US-Cent. Das ist ein guter Hebel, wenn Sie denselben langen Kontext immer wieder schicken, etwa ein Handbuch oder einen Vertragsbestand. Nur greift dieser Rabatt am kleineren Viertel der Rechnung. Wenn in unserem Beispiel die Hälfte der Eingabe aus dem Zwischenspeicher kommt, sinken die achtzig US-Dollar auf etwa siebzig.

Und dann gibt es noch die Zahl, die in die andere Richtung zeigt. Die Testplattform Vals AI rechnet pro Durchlauf ihres Wissensarbeits-Index ab und weist für Argon 15,68 US-Dollar aus, bei schon angesetztem Spätpreis. Die Vergleichsmodelle liegen dort höher, zwischen 21,34 und 32,14 US-Dollar (abgerufen am 8. Oktober 2026). Ein hoher Token-Preis ergibt also nicht zwangsläufig eine hohe Rechnung, wenn das Modell für dieselbe Aufgabe weniger Token braucht. Was das für Ihren Fall bedeutet, zeigt erst ein eigener Vergleichslauf mit Ihren Aufgaben.

Ein Spitzenplatz von Gemini 4 Argon ersetzt keine Fachprüfung

Die aufschlussreichste Zeile in den Benchmarks von Gemini 4 Argon ist die letzte. Auf dem Rechts-Benchmark von Harvey, der juristische Recherche und Entwürfe prüft, erreicht Argon 19,6 Prozent. Das ist der höchste Wert im Feld, mit großem Abstand zu den 5,4 Prozent von GPT-6 Astra. Es heißt aber auch, dass das führende Modell vier von fünf Aufgaben nicht löst. Google nennt Recht ausdrücklich als Einsatzgebiet, und genau dort steht der Spitzenwert bei unter zwanzig Prozent. Beides stimmt gleichzeitig, und wer nur die Rangliste liest, nimmt die falsche Hälfte mit.

Daraus folgt für die Praxis eine ziemlich unspektakuläre Konsequenz. Ein Modell, das auf einem Fach-Prüfstand so abschneidet, ersetzt in diesem Fach niemanden, sondern liefert einen Rohentwurf, den eine fachlich zuständige Person prüft. Das gilt für Vertragsentwürfe genauso wie für die Steuerauskunft, und es gilt unabhängig davon, wie gut die Zahlen in der Pressemitteilung aussehen.

Bei den technischen Angaben lohnt ebenfalls ein zweiter Blick. Google nennt eine Million Ausgabe-Token, die Plattform Vals AI führt in ihrem Steckbrief zum selben Modell 262.000 (abgerufen am 8. Oktober 2026). Welcher Wert in Ihrem Zugang gilt, zeigt am Ende nur Ihr eigenes Konto. Wir würden eine Zahl aus einer Ankündigung nicht zur Grundlage einer Planung machen, ohne sie einmal selbst abgefragt zu haben; bei fremden Angaben über Grenzwerte sind Abweichungen eher die Regel als die Ausnahme.

Und schließlich sind die beeindruckendsten Beispiele aus der Ankündigung Googles eigene. Der 2,7-mal schnellere Videodecoder, die freigeräumten 300 Terabyte, die Migration des Fuchsia-Kernels: Das alles hat Google an Googles eigenem Code gemessen, mit Googles eigenen Fachleuten daneben. Wie sich das Modell in einem Betrieb mit gewachsener Software und ohne eigenes Entwicklerteam verhält, steht dort nicht.

Diese Punkte klären Sie, bevor Sie die Gemini 4 Argon API nutzen

Rund um die Gemini 4 Argon API sind derzeit drei Punkte offen, und alle drei betreffen eher den Rahmen als das Modell selbst (Stand 8. Oktober 2026). Erstens die Region: Google hat nicht veröffentlicht, ob und wann Argon in der EU angeboten wird und wo die Verarbeitung stattfindet. Zweitens der Vertrag: Für personenbezogene Daten brauchen Sie eine Vereinbarung zur Auftragsverarbeitung, und die hängt am genutzten Zugang, nicht am Modellnamen. Drittens der Preis: Ohne Enddatum der Einführungsphase ist die Verdoppelung ein Termin ohne Datum, und solche Termine fallen gern in Monate, in denen man nicht damit rechnet.

Eine vierte Sache ist kein offener Punkt, sondern eine Erfahrung. Modellnamen und Preise sind Werte, die ein anderer setzt und jederzeit ändert, und sie stehen in jeder Anwendung meist an mehreren Stellen. Wer sie an einer einzigen Stelle führt, tauscht ein Modell in Minuten und nicht in Tagen. Das klingt nach einer Kleinigkeit, bis zum ersten Mal ein Modell abgekündigt wird.

Wenn Sie das Thema breiter angehen wollen: Wie sich Ausgaben für KI-Modelle systematisch senken lassen, haben wir unter KI-Kosten senken aufgeschrieben, und was KI-Agenten heute wirklich erledigen, steht unter KI-Agenten mit Computer-Zugriff. Wer die Einordnung solcher Ankündigungen im eigenen Team übernehmen will, lernt das in unserer KI-Schulung.