Gemini 4 Argon erklärt: Funktionen, Zugang und API-Kosten

Gemini 4 Argon ist Googles KI-Modell für anspruchsvolle Aufgaben, etwa den Vergleich mehrerer Berichte. Es verarbeitet Text, Bilder, Audio, Video und PDFs und gibt Text aus. Längere Antworten, einstellbare Thinking-Stufen und Werkzeugaufrufe erweitern die Möglichkeiten. Ob sich der Einsatz für deine Aufgabe lohnt, hängt auch vom Zugang, den API-Kosten und der überprüfbaren Qualität der Ergebnisse ab. Quelle: offizielle Modellspezifikation.

Der Artikel ist auf den 30. Oktober 2026 geprüft. Die Narration des Videos verwendet den Stand vom 15. Oktober. Seitdem haben sich unter anderem der AI-Studio-Zugang und mehrere Benchmark-Auswertungen geändert; die Videobeschreibung enthält bereits einen Zugangsnachtrag. Hier gelten die nachfolgend datierten Angaben.

Was Gemini 4 Argon ist

Google stellte Argon am 30. September 2026 vor und begann zunächst mit gestaffeltem Zugang für ausgewählte Sicherheitsanwender. Am 13. Oktober folgte die Ankündigung für die Gemini-App mit AI Pro und AI Ultra. Vorstellung und breiterer Produktzugang waren damit verschiedene Schritte. Quellen: Modellvorstellung, App-Ankündigung.

Die API-Kennung lautet gemini-4-argon. Das Modell verarbeitet Text, Bilder, Audio, Video und PDFs und gibt Text aus. Es ist damit nicht automatisch selbst das Modell, das in einer Anwendung Bilder erzeugt oder gesprochene Antworten ausgibt. Solche Funktionen können von anderen Komponenten stammen. Die offizielle Modellspezifikation hält diese Fähigkeiten getrennt fest.

Eine Million Tokens ist ein gemeinsamer Arbeitsraum

Argons dokumentiertes Kontextfenster umfasst 1.048.576 Tokens. Tokens sind kleine Verarbeitungseinheiten, keine feste Zahl von Wörtern. Eingabe, interne Thinking-Tokens und Ausgabe teilen sich dieses Budget.

Das lässt sich mit einer Arbeitsfläche vergleichen: Die Unterlagen liegen bereits darauf. Während der Bearbeitung entsteht zusätzlicher Platzbedarf. Für das Ergebnis bleibt der Rest. Mehr Material kann deshalb bedeuten, dass weniger Raum für eine sehr lange Antwort zur Verfügung steht.

Für synchrone Antworten nennt Google standardmäßig ein Ausgabelimit von 65.536 Tokens. Long Decode ermöglicht längere Ergebnisse innerhalb des gemeinsamen Fensters. Dabei setzt ein Hintergrundauftrag die Generierung in 64K-Abschnitten fort. Dafür müssen Hintergrundausführung und ein entsprechend hohes Ausgabelimit vorgesehen sein. Quellen: Modellgrenzen, Long Decode.

Wann lange Ausgabe hilft

Ein umfangreicher technischer Entwurf oder eine größere zusammenhängende Codeänderung kann mehr Platz brauchen als eine kurze Chatantwort. Doch ein hohes Limit verpflichtet das Modell nicht, diesen Raum sinnvoll zu füllen.

Für den Vergleich deiner Berichte wäre ein überprüfbarer Auftrag besser als „Analysiere alles ausführlich“: Nenne die widersprüchlichen Zahlen, ihre Fundstellen und die jeweilige Bezugsgröße. Trenne echte Widersprüche von Angaben für unterschiedliche Zeiträume.

Damit verschiebt sich das Erfolgskriterium. Es geht nicht um möglichst viele Seiten, sondern darum, ob sich die relevanten Aussagen an den Quellen kontrollieren lassen. Auch ein großes Kontextfenster macht ausgelassene oder falsch zugeordnete Informationen nicht unmöglich.

Was die Thinking-Stufen verändern

Über die API sind low, medium und high vorgesehen; medium ist die Standardeinstellung. Die Stufen beeinflussen den möglichen Verarbeitungsaufwand. Höhere Einstellungen können bei schwierigen Aufgaben helfen, benötigen aber häufig mehr Tokens und Zeit. Google empfiehlt, die niedrigste Stufe zu wählen, die das eigene Qualitätsziel erfüllt. Quelle: API-Anleitung.

Eine einfache Umformulierung und die Suche nach einem Fehler in einem verzweigten Programm haben unterschiedliche Anforderungen. Es wäre daher wenig aussagekräftig, beide nur mit der höchsten Stufe zu testen und deren Aufwand anschließend als unvermeidliche Modelleigenschaft zu behandeln.

„Thinking“ ist dabei eine technische Bezeichnung. Sie beschreibt zusätzliche Modellverarbeitung, kein menschliches Bewusstsein. Und die drei API-Einstellungen müssen in einer Verbraucher-App nicht als identische Schalter erscheinen.

Modell, Anwendung und Agent unterscheiden

Ein Modell kann einen Werkzeugaufruf vorschlagen. Eine Anwendung muss ihn ausführen, das Ergebnis zurückgeben und entscheiden, welche Aktionen überhaupt erlaubt sind. Googles Dokumentation zu Function Calling beschreibt diese Verbindung zu externen Funktionen und Datenquellen.

Ein Beispiel aus der Softwareentwicklung: Die KI formuliert eine Änderung. Eine Entwicklungsumgebung schreibt sie in die Datei und startet passende Prüfungen. Das Ergebnis zeigt einen Fehler, woraufhin die nächste Änderung folgt. Ein Agent organisiert solche Schritte über eine Aufgabe hinweg.

Ein konkretes Beispiel für KI-Unterstützung bei Sicherheitsforschung ist PHP2Shell. Dort bleiben der Nachweis einer Lücke, ihre Reparatur und das Einspielen des Updates getrennte Schritte.

Ein reiner Chat und eine Umgebung mit Dateizugriff, Terminal und Testwerkzeugen können deshalb trotz desselben Modells unterschiedliche Ergebnisse liefern. Ein fairer Vergleich muss diese Ausstattung berücksichtigen.

Für deinen Auftrag bedeutet das: Benenne sowohl das Ziel als auch die gewünschte Prüfung. „Ändere die Suche“ ist ungenauer als „Die Suche soll Groß- und Kleinschreibung ignorieren; vorhandene Treffer dürfen dadurch nicht verschwinden.“ Der zweite Auftrag beschreibt, woran sich ein brauchbares Ergebnis erkennen lässt.

Video verstehen heißt auswählen

Bei Videoeingaben verwendet Google standardmäßig eine statische Verarbeitung mit einem Bild pro Sekunde. Ein optionaler agentischer Modus kann die Zeitleiste gezielt untersuchen, Transkripte heranziehen und relevante Bildbereiche nachladen. Diese Möglichkeit gibt es auch für ausgewählte ältere Gemini-Modelle. Quelle: Video-Dokumentation.

Die Unterscheidung passt zu zwei verschiedenen Fragen. Für einen Überblick über einen kurzen Clip kann eine gleichmäßige Betrachtung sinnvoll sein. Suchst du in einer langen Schulung die Stelle, an der eine bestimmte Einstellung geändert wird, kann gezieltes Nachsehen besser passen.

Google beschreibt Effizienzvorteile für bestimmte lange Inhalte. Daraus folgt keine garantierte Ersparnis bei jedem Video: Navigation und zusätzliche Verarbeitung kosten ebenfalls Zeit und Tokens. Einen vorgeschlagenen Zeitstempel solltest du am Original überprüfen, besonders wenn der Unterschied zwischen zwei ähnlichen Arbeitsschritten wichtig ist.

Was die aktuellen Benchmarks tatsächlich zeigen

Ein Benchmark legt Aufgaben, Werkzeuge und Bewertung fest. Eine Zahl ist nur innerhalb dieser Bedingungen verständlich. Die folgenden Werte stammen von den jeweiligen Betreibern, nicht aus einem eigenen Mila-Test.

Test und Stand	Ergebnis für Argon	Was dabei gemessen wird
Vals Index v2.2, 29.10.2026	69,24 %, Rang 4	Zusammengefasste Aufgaben aus Finanzen, Code, Recht und Steuern
HLAB-Vals-1.1, 29.10.2026	27,08 %, Rang 1	Erfolg bei juristischen Arbeitsprodukten mit Dateien und Werkzeugen
AutomationBench v1.0.6, Abruf 30.10.2026	High 51,29 %, Medium 50,08 %	Erreichter Endzustand in einer Arbeitsumgebung

Der Vals Index gewichtet seine Bereiche anhand ausgewählter Anteile der US-Wirtschaft. Sein Ergebnis ist kein Prozentsatz sämtlicher Tätigkeiten, die eine KI übernehmen könnte. Die aktuelle Spitze liegt dort bei Claude Sonnet 5.5 mit 70,85 Prozent.

Bei HLAB-Vals steht Argon inzwischen an erster Stelle. Die im Video genannten ungefähr 19,6 Prozent und Rang sechs gehören zu dessen früherem Datenstand. Aus dem neuen Resultat folgt weder eine allgemeine Fehlerquote für Rechtsauskünfte noch eine Garantie für ein konkretes Dokument.

AutomationBench bewertet den erreichten Systemzustand anhand fester Kriterien. Das ist etwas anderes als eine Jury, die nur überzeugend klingende Antworten beurteilt. Zugleich zeigen rund 51 Prozent, dass auch in dieser definierten Umgebung viele Aufgaben nicht vollständig gelöst werden. Die aktuelle Tabelle enthält zudem höher platzierte Carbon-Läufe.

Warum ein sinkender Indexwert kein Beweis für ein schlechteres Modell ist

Artificial Analysis weist für Argon High aktuell 50 Punkte im Intelligence Index v5.0 aus. Im Video waren es 53 Punkte in einer früheren Indexversion. Da die Testzusammensetzung verändert wurde, darf man diese Zahlen nicht einfach voneinander abziehen und daraus eine Verschlechterung ableiten. Inzwischen enthält die Seite auch eine Geschwindigkeitsmessung. Quelle: Artificial Analysis.

Auch Bearbeitungsbudgets verändern die Aussage. FrontierSWE V2 verwendet 34 Aufgaben, fünf Versuche pro Aufgabe und ein 20-Stunden-Budget. Der Mittelwert über fünf Läufe ist keine Erfolgswahrscheinlichkeit einer kurzen Chatfrage. Die angezeigten Spannweiten zwischen bestem und schlechtestem Lauf sind außerdem keine üblichen Konfidenzintervalle. Argons historische 55 Prozent aus dem Video wurden hier nicht als aktueller Tabellenwert übernommen.

Zugang: App, AI Studio und API sind getrennte Angebote

Die aktuelle AI-Studio-Planübersicht enthält Argon in AI Pro und AI Ultra. Damit ist die Aussage aus der älteren Narration, Studio Pro enthalte Argon nicht, überholt. Free enthält es laut dieser Übersicht nicht. Direkte API-Nutzung wird weiterhin getrennt verwaltet und abgerechnet. Quelle: Google-AI-Pläne, aktualisiert 16.10.2026.

Ein Aboname beantwortet deshalb noch nicht jede Zugangsfrage. Neben dem Modell zählen die verfügbaren Werkzeuge, Nutzungskontingente und das jeweilige Produkt. Eine konkrete Freischaltung im eigenen deutschen Konto haben wir nicht geprüft.

Was die API kostet

Für die Standard-API nennt Google zum Prüfstand folgende Preise je Million Tokens:

Zeitraum	Ungecachte Eingabe	Ausgabe einschließlich Thinking
Bis 30. November 2026	2 US-Dollar	10 US-Dollar
Ab 1. Dezember 2026 angekündigt	4 US-Dollar	20 US-Dollar

Bei 100.000 ungecachten Eingabetokens und insgesamt 10.000 abgerechneten Ausgabe-/Thinking-Tokens ergeben sich rechnerisch 0,30 US-Dollar, später 0,60 US-Dollar. Steuern und Zusatzdienste sind darin nicht enthalten. Die sichtbare Antwortlänge allein reicht für die Rechnung nicht aus. Quelle: offizielle API-Preise.

Diese Preise sind keine monatlichen App-Abos. Und eine vom Benchmark-Betreiber berechnete Testsumme ist keine allgemeine Preisangabe für deine Aufgabe: Sie hängt zusätzlich von Tokens, Werkzeugen, Wiederholungen und zugrunde gelegtem Tarif ab.

So wird ein eigener Vergleich aussagekräftig

Wähle eine überschaubare Aufgabe, deren Ergebnis du beurteilen kannst. Verwende dieselben Unterlagen und denselben Auftrag. Notiere Modell, Denkstufe und Werkzeuge. Prüfe anschließend:

• Sind die verlangten Punkte vollständig und korrekt bearbeitet?
• Stimmen Quellenstellen, Zahlen und Dateiergebnisse?
• Wie viel Nacharbeit ist erforderlich?
• Welche Zeit und welche tatsächlichen Kosten fallen an?

So kann ein kürzeres Ergebnis nützlicher sein als eine besonders lange Antwort. Mehr Ausgaberaum und zusätzlicher Verarbeitungsaufwand werden erst dann zum Vorteil, wenn sie überprüfbare Arbeit abnehmen. Wer verstehen möchte, wie die Kosten dieser Verarbeitung im Rechenzentrum entstehen, findet im Artikel zu DeepInfer und KI-Inferenz den technischen Hintergrund.