Gemini 4 Argon startet mit eingeschränktem Zugang – erste Ergebnisse sind schwer vergleichbar

Ein Modell für lange und komplexe Aufgaben

Google DeepMind hat Gemini 4 Argon als Modell für anspruchsvolle Aufgaben in der Softwareentwicklung, der professionellen Wissensarbeit und der Cybersicherheit vorgestellt. Das Unternehmen hebt hervor, dass Argon mehrstufige Abläufe unterstützen und lange Antworten erzeugen soll. Die verfügbaren Informationen reichen jedoch nicht aus, um sämtliche von Google genannten Fähigkeiten unabhängig zu überprüfen.

Zu den verbreiteten Angaben gehört ein Ausgabelimit von bis zu einer Million Tokens. Bei früheren Gemini-Modellen soll es bei 64.000 gelegen haben. Das Limit beschreibt, wie viel Text das Modell in einer Antwort erzeugen kann. Es sagt nicht unbedingt aus, wie umfangreiche Dokumente es einlesen kann, und garantiert auch nicht, dass es eine Aufgabe korrekt erledigt. Google hat zudem Ergebnisse aus Programmier- und Sicherheitsprüfungen veröffentlicht. Solche Werte gelten jedoch nur für bestimmte Tests und sind keine allgemeingültige Rangliste.

Der Zugang beginnt mit ausgewählten Fachleuten

Zum Start ist der Zugang zu Argon auf ausgewählte Fachleute und Organisationen im Bereich Cybersicherheit beschränkt, die über Googles Fairwind-Programm teilnehmen. Das Unternehmen begründet diesen vorsichtigen Rollout mit den Fähigkeiten zur Analyse und Behebung von Schwachstellen, die es dem Modell zuschreibt, sowie mit der Notwendigkeit, Schutzmaßnahmen vor einer breiteren Freigabe zu prüfen.

Google hat keinen konkreten Termin für die allgemeine Verfügbarkeit genannt. Den vorliegenden Angaben zufolge könnte der Zugang später auf zahlende API-Kunden und Abonnenten von Google AI Ultra ausgeweitet werden. Ein bestätigter Zeitplan liegt jedoch nicht vor. Die angekündigten möglichen Stufen sind daher weder als festes Startdatum noch als Garantie zu verstehen, dass alle Funktionen für jede Nutzergruppe verfügbar sein werden.

Benchmarks liefern Hinweise, aber keine endgültige Rangliste

Google gibt für Argon 77,9 Prozent bei DeepSWE v1.1 an, einem Test für länger dauernde Aufgaben in der Softwareentwicklung. In demselben Vergleich liegen die genannten Werte für GPT-6 Astra und Claude Opus 5.5 darunter. Außerdem wurden Ergebnisse aus Tests zur Cybersicherheit und zur professionellen Wissensarbeit veröffentlicht. Die Zahlen gelten für bestimmte Prüfungen und belegen nicht, dass Argon bei jeder Art von Programmierung, Analyse oder alltäglicher Nutzung überlegen ist.

Die im verfügbaren Material zusammengetragenen externen Vergleiche stimmen nicht vollständig überein. In einer Darstellung wird Artificial Analysis eine Punktzahl von 53 für Argon und GPT-6 Astra in einem Intelligenzindex zugeschrieben. Eine andere angeführte Auswertung lässt sich anhand der vorliegenden Unterlagen weder im Original noch hinsichtlich ihrer Methodik überprüfen. Auch die vollständigen Testprotokolle, genauen Modellversionen, Prompts und Tool-Budgets, die für eine Reproduktion sämtlicher Vergleiche nötig wären, liegen hier nicht vor. Argons relative Position gegenüber den Konkurrenten bleibt deshalb offen.

Der Tokenverbrauch verändert die Kosten pro Aufgabe

Für Argon wurden während eines Einführungszeitraums Preise von zwei US-Dollar je einer Million Eingabe-Tokens und zehn US-Dollar je einer Million Ausgabe-Tokens genannt. Nach diesem Zeitraum könnten die Preise auf vier beziehungsweise 20 US-Dollar steigen. Für im Cache gespeicherte Eingaben wurde außerdem ein Rabatt angekündigt. Anhand der verfügbaren Informationen lassen sich weder das Ende des Einführungspreises noch die vollständigen Geschäftsbedingungen unabhängig bestätigen.

Der Preis pro Token reicht für einen Kostenvergleich nicht aus. Ein Modell kann bei derselben Aufgabe mehr Tokens, zusätzliche Versuche oder mehr menschliche Kontrolle benötigen und dadurch insgesamt teurer werden, selbst wenn sein Einheitspreis niedriger ist. In den verfügbaren Quellen findet sich die sekundäre Behauptung, Argon verbrauche in bestimmten Tests mehr als doppelt so viele Tokens pro Aufgabe wie GPT-6 Astra. Die dafür nötigen Originalprotokolle liegen jedoch nicht vor. Das sollte als zu überprüfender Hinweis gelten, nicht als allgemeine Eigenschaft des Modells.

Die Cybersicherheit erklärt einen Teil der Vorsicht

Google stellt Argon als Modell dar, das Softwareschwachstellen erkennen, überprüfen und bei ihrer Behebung helfen kann. Diese Fähigkeiten können für defensive Teams nützlich sein, machen aber auch eine sorgfältige Bewertung des Missbrauchsrisikos erforderlich. Der eingeschränkte Zugang und die Tests mit ausgewählten Teilnehmern wurden als vorbeugende Maßnahmen beschrieben. Für sich genommen belegen sie nicht, dass das Modell in jeder Umgebung und gegen jeden Angriff sicher ist.

Die verfügbaren Angaben nennen geplante Maßnahmen gegen bösartige Anfragen und Prompt-Injection-Angriffe, gegen unerwünschtes Verhalten sowie abgeschirmte Umgebungen für bestimmte Tests. Detaillierte technische Ergebnisse, mit denen sich die Wirksamkeit der einzelnen Kontrollen bewerten ließe, wurden hier nicht vorgelegt. Aussagen zur Sicherheit und Widerstandsfähigkeit sind deshalb als Beschreibungen des Designs oder der genannten Tests zu verstehen, nicht als Schutzgarantie.

Was vor einer Entscheidung noch zu prüfen ist

Zahlen von Google, externe Ergebnisse, die Dritten zugeschrieben werden, und Berichte über praktische Nutzungserfahrungen haben nicht denselben Beweiswert. Ein belastbarer Vergleich sollte Modellversion und Testdatum ebenso nennen wie Aufgaben, Prompts, verfügbaren Tools, Tokenlimits und Bewertungsverfahren. Fehlen diese Angaben, können scheinbar kleine Unterschiede auf abweichende Bedingungen statt auf einen tatsächlichen Leistungsunterschied zurückgehen.

Für interessierte Unternehmen ist ein eigener Test mit repräsentativen Aufgaben und vorab festgelegten Kriterien meist am aussagekräftigsten. Dazu gehören Genauigkeit, Erfolgsquote, notwendige menschliche Korrekturen, Latenz, Gesamtverbrauch und Sicherheitskontrollen. Solange kein geeigneter Zugang und keine vergleichbaren Ergebnisse vorliegen, sollte Argon als Googles Modell mit eingeschränktem Zugang und vielversprechenden ersten Signalen in einzelnen Tests beschrieben werden. Ein allgemeiner Vorsprung vor GPT-6 Astra oder Claude Opus 5.5 lässt sich daraus nicht ableiten.

Weiter entdecken

Korrekturen und Transparenz

Wenn du falsche oder veraltete Angaben findest, sende uns die Seite und die zu prüfende Quelle.