Zum Hauptinhalt springen

Gemini 4 Argon: der Praxisleitfaden für Claude-Nutzer (30. September 2026)

Fortgeschritten

Google hat die Gemini-4-Generation am 30. September 2026 mit einem einzigen Modell eröffnet, Argon, und mit einer Zahl, die sonst niemand hat: einem Output-Limit von 1 Million Token, hoch von bisher 64K. Nicht das Kontextfenster — das blieb bei 1M. Die Output-Obergrenze stieg um das 16-Fache.

Es landete an der Spitze von Hacker News und blieb dort. Kommerziell landete es außerdem an einem seltsamen Ort: Googles eigener Beitrag sagt, Argon „führt oder liegt gleichauf mit dem höchsten Wert in mehr Kategorien als GPT-6 Astra oder Claude Opus 5.5", während der in derselben Woche veröffentlichte, unabhängige Artificial Analysis Intelligence Index Argon bei 53 gegen Claude Opus 5.5 mit 58 verortet. Beide Aussagen stimmen. Sie messen Unterschiedliches, und die Lücke dazwischen ist das Nützlichste auf dieser Seite.

Diese Lektion richtet sich an Claude-Nutzer, die entscheiden müssen, ob Argon etwas an ihrem Routing ändert. Sie behandelt, was das 1M-Output-Limit tatsächlich einbringt, wie man zwei widersprüchliche Benchmark-Geschichten liest, die Kosten pro Aufgabe, die von den „40 % günstiger"-Schlagzeilen ins Gegenteil verkehrt werden, und warum Ihr Zugangsantrag wahrscheinlich abgelehnt wird.

What you'll learn
  • Das 1M-Output-Limit vom 1M-Kontextfenster trennen — das sind zwei verschiedene Obergrenzen, und nur eine davon hat sich bewegt
  • Googles Behauptung „13 von 18 Kategorien“ mit dem unabhängigen Index abgleichen, der Argon 5 Punkte unter Claude Opus 5.5 setzt
  • Eine Aufgabe korrekt bepreisen: warum 62K Output-Token gegen Astras 27K bedeuten, dass Argons Vorteil in der Preisliste liegt, nicht in der Effizienz
  • Die Halluzinationsrate von 15 % als das lesen, was sie ist — ein Enthaltungsverhalten, kein Wissensgewinn
  • Verstehen, was das Fairwind Program absperrt, was es von Ihrer Organisation verlangt und warum Argon für die meisten Leser faktisch nicht aufrufbar ist

Die Ein-Satz-Fassung​

Gemini 4 Argon ist Googles neues Frontier-Modell mit 1M Token Eingabekontext und einem Output-Limit von 1M Token (hoch von 64K), zum Einführungspreis von 2 $ ein / 10 $ aus pro 1M Token mit zwischengespeichertem Input zu 95 % Rabatt, steigend auf 4 $ / 20 $ nach dem Einführungszeitraum. Allgemein verfügbar ist es nicht: Es wird über das Fairwind Program an geprüfte Cyber-Verteidiger ausgerollt, danach an zahlende API-Kunden und Google-AI-Ultra-Abonnenten. In Googles eigenem Set aus 18 Benchmarks führt es in 13 Kategorien oder liegt gleichauf; im unabhängigen Artificial Analysis Intelligence Index erreicht es 53, gleichauf mit GPT-6 Astra und Claude Fable 5.1 und fünf Punkte unter Claude Opus 5.5.

Die Zahl, die nicht ist, wonach sie aussieht​

Fast jede Zusammenfassung dieses Starts sagt „1 Million Token" und überlässt es den Lesenden, ein Kontextfenster anzunehmen. Das Kontextfenster hat sich nicht geändert. Gemini liegt seit der 3.x-Linie bei 1M Eingabe-Token — Gemini 3.8 Flash hat dasselbe 1M-Fenster und eine Output-Grenze von 64K.

Bewegt hat sich die Output-Obergrenze, von 64K auf 1M. Das sind getrennte Limits, und sie versagen auf getrennte Weise:

LimitWas es regeltGemini 3.8 FlashGemini 4 Argon
EingabekontextWie viel Sie senden können — Dateien, Transkripte, Repository1M1M
Maximaler OutputWie viel das Modell in einer Antwort ausgeben kann, einschließlich Reasoning-Token64K1M

Die praktische Folge betrifft die Frage, wo eine lange Aufgabe zerbricht. Mit einer Output-Grenze von 64K muss ein wirklich langfristiger Auftrag — dieses Subsystem refaktorieren, diesen Schriftsatz aufsetzen, diese Codebasis triagieren — von Ihnen in Stücke zerlegt werden, und jede Stückgrenze ist eine Stelle, an der das Modell seinen eigenen Arbeitszustand verliert. Googles Versprechen lautet, dass Argon stattdessen eine einzige ununterbrochene Kette aus Schlussfolgern und Ausführen über den gesamten Auftrag halten kann.

Drei Dinge, bevor Sie das für geschenkt halten:

  • Reasoning-Token kommen aus demselben Budget. Bei Gemini sind Thinking-Token Output-Token. Ein Output-Kontingent von 1M ist nicht 1M Token Ergebnis; es ist 1M Token Denken plus Ergebnis.
  • Output ist die teure Seite. Zum Einführungspreis kostet Output das 5-Fache von Input (10 $ gegen 2 $). Eine Antwort, die die vollen eine Million Output-Token tatsächlich ausschöpft, kostet allein 10 $ — und 20 $, sobald der Standardpreis gilt.
  • Nichts zwingt das Modell, es zu nutzen. Eine angehobene Obergrenze ändert, was möglich ist, nicht, was üblich ist. Argon liegt im Schnitt bei 62K Output-Token pro Intelligence-Index-Aufgabe — rund 6 % seiner Obergrenze.

Zwei Benchmark-Geschichten, beide wahr​

Für diesen Teil lohnt es sich, langsamer zu werden, denn dasselbe Muster wird sich bei jedem Start für den Rest des Jahres wiederholen.

Geschichte eins — Googles Evaluationsbericht. Über 18 offengelegte Benchmarks hinweg führt Argon in 13 oder liegt gleichauf (12 klare Führungen, 1 Gleichstand):

BenchmarkArgonGPT-6 AstraClaude Opus 5.5
Harvey Legal Agent19,6 %5,4 %3,8 %
GraphWalks84,2 %71,8 %66,8 %
Vals Finance Agent v265,4 %53,5 %58,6 %
AutomationBench51,3 %41,4 %42,5 %
LVBench (langes Video)91,7 %87,5 %83,7 %
DeepSWE v1.177,9 %74,1 %74,2 %
CWE-bench v168 %68 % (gleichauf)67 %
Gray Swan IPI (Angriffserfolg — niedriger ist besser)0,7 %8,5 %1,0 %
FrontierSWE v255,0 %65,5 %—
Terminal-Bench Science 0.157,6 %68,1 %—
Terminal-bench 4.057,4 %—66,4 %
PostTrainBench45,3 %—49,3 %

Geschichte zwei — der Intelligence Index von Artificial Analysis, ein unabhängiges Aggregat aus derselben Woche:

ModellIntelligence Index
Claude Opus 5.558 (57,6)
Claude Sonnet 5.556
Gemini 4 Argon (High)53 (52,6)
GPT-6 Astra (max)53
Claude Fable 5.153
GPT-6.1 Sol (max)52

Argon belegt in diesem Index Platz 8 von 224 Modellen — ausgezeichnet, und fünf Punkte hinter Anthropics Flaggschiff.

Keine der beiden Quellen lügt. Sie gehen aus benennbaren Gründen auseinander:

  1. Die Auswahl der Benchmarks ist eine Entscheidung. Google hat 18 Benchmarks gewählt, darunter drei Domänen-Agent-Evaluationen (Recht, Finanzen, Automatisierung), in denen Argons Abstände enorm sind. Ein aggregierter Index gewichtet einen anderen Korb. Ändern Sie den Korb, ändern Sie den Sieger.
  2. Die Niederlagen bilden ein Muster. Argons vier klare Niederlagen — FrontierSWE v2, Terminal-Bench Science, Terminal-bench 4.0, PostTrainBench — sind allesamt interaktive, mehrstufige, werkzeuggetriebene Agent-Arbeit. Seine Siege häufen sich bei Single-Shot-Domänenschlüssen und Long-Context-Retrieval. Das ist eine Form, kein Rauschen, und sie lässt sich sauber auf Routing-Entscheidungen abbilden.
  3. Absolute Zahlen zählen mehr als Verhältnisse. Harvey Legal Agent ist die meistzitierte Zeile des Starts: 19,6 % gegen 5,4 %, ein Vorsprung um das 3,6-Fache. Es ist zugleich ein Wert von 19,6 % — Argon scheitert in diesem Benchmark an rund vier von fünf Aufgaben. „Das Beste, was es gibt" und „gut genug für unbeaufsichtigten Einsatz" sind verschiedene Behauptungen.
  4. Hersteller-Benchmarks sind kein Produktivverhalten. Trending Topics zitiert eine Bloomberg-Berichterstattung, wonach das Modell laut Google-Mitarbeitern im praktischen Coding-Einsatz schlechter abschneidet, als seine Werte vermuten lassen. Behandeln Sie das als einzelnen unbestätigten Bericht — aber es ist genau die Art von Lücke, für deren Messung es das Protokoll Ist das Modell gedrosselt? gibt.
Pro tip
  • Wenn ein Launch-Beitrag sagt „führt oder liegt gleichauf in N von M Kategorien“, ist die tragende Frage, wer M gewählt hat. Suchen Sie sich einen aggregierten Index, zu dem Sie nicht eingeladen werden mussten, und vergleichen Sie die beiden Körbe, bevor Sie irgendetwas umrouten.

Die Ökonomie ist das Gegenteil der Schlagzeile​

Mehrere Medien führten damit auf, dass Argon rund 40 % günstiger sei als GPT-6 Astra. Die Preisliste stützt das. Die Kosten pro Aufgabe erzählen eine interessantere Geschichte, denn Argon ist ein schwerer Token-Verbraucher.

Artificial Analysis hat den durchschnittlichen Output pro Intelligence-Index-Aufgabe gemessen:

  • Gemini 4 Argon: ~62.000 Output-Token
  • GPT-6 Astra: ~27.000 Output-Token

Argon gibt rund 2,3-mal mehr Token aus, um denselben Index-Wert zu erreichen. Seine günstigere Rechnung ist ein Preislisten-Artefakt, kein Effizienzgewinn. Die gemessenen Kosten pro Aufgabe:

ModellKosten pro Intelligence-Index-AufgabeIndex-Wert
GPT-6.1 Sol (max)0,74 $52
Gemini 4 Argon (Einführungspreis)1,99 $53
GPT-6 Astra (max)3,26 $53
Gemini 4 Argon (Standardpreis)3,98 $53
Claude Opus 5.5 (max)5,98 $58

Lesen Sie diese Tabelle zweimal. Drei getrennte Schlüsse fallen heraus:

  • Argons Vorteil gegenüber Astra hat ein Ablaufdatum. Bei 2 $/10 $ kostet es 1,99 $ pro Aufgabe gegen Astras 3,26 $ — eine Ersparnis von 39 %. Wenn sich die Preise auf 4 $/20 $ verdoppeln, kostet es 3,98 $, also mehr als Astra. Das gesamte Kostenargument lebt innerhalb des Einführungsfensters, und Google hat nicht gesagt, wie lang dieses Fenster ist.
  • GPT-6.1 Sol ist in dieser Tabelle der eigentliche Preis-Leistungs-Tipp. Einen Indexpunkt unter Argon, zu 37 % von Argons Einführungskosten und 19 % von Opus 5.5. Wenn Ihre Arbeit nicht in Argons Stärkedomänen liegt, sitzt das Verhältnis in der günstigen Stufe — dieselbe Lektion wie jeden Monat.
  • Opus 5.5 kostet das 3-Fache von Argons Einführungspreis für 5 Punkte mehr. Ob sich das lohnt, hängt vollständig von der Arbeitslast ab, was die ehrliche Antwort ist und zugleich der Grund, warum ein Modell wählen ein Rahmenwerk ist und kein Ranking.

Messen Sie Token-pro-Aufgabe selbst, bevor Sie einer Kostenangabe pro Aufgabe trauen

For the same 20 representative tasks from my own workload, I want to compare two models on cost, not on benchmark score.

For each model, log per task:
- input tokens, output tokens (split reasoning vs final answer if the API reports it)
- wall-clock latency
- a 0-5 quality score I assign blind, without knowing which model produced it

Then compute, per model:
- mean output tokens per task
- mean cost per task at CURRENT list price
- mean cost per task at the post-introductory price, if one is announced
- cost per quality point

Flag any model whose cost advantage disappears at post-introductory pricing.
Do not quote vendor benchmark scores back to me — I only want my own 20 tasks.

Die Halluzinationsrate von 15 %, richtig gelesen​

Bei AA-Omniscience, der Komponente des Index, die misst, ob ein Modell Falsches behauptet, erreicht Argon eine Halluzinationsrate von 15 % gegen 51 % bei GPT-6 Astra und 54 % bei GPT-6.1 Sol. Das ist keine schrittweise Verbesserung; das ist ein anderes Regime, und es ist die am wenigsten beachtete Zahl des Starts.

Der Mechanismus zählt. Artificial Analysis beschreibt es so, dass Argon weitaus eher zugibt, etwas nicht zu wissen, als eine selbstsichere falsche Antwort zu produzieren. Der Gewinn liegt also in Kalibrierung und Enthaltung, nicht in mehr Wissen. Praktische Folgen:

  • Für Retrieval-, Recherche- und Compliance-Arbeit ist das die Kernfunktion, deutlich vor jeder Coding-Zahl. Ein Modell, das sagt „steht nicht in den bereitgestellten Dokumenten", ist mehr wert als eines, das zwei Punkte höher liegt und eine Quelle erfindet.
  • Im lockeren Gebrauch wirkt es weniger hilfreich. Ein auf Enthaltung getrimmtes Modell weigert sich zu raten, und Nutzende erleben Nicht-Raten als Ausweichen. Rechnen Sie mit „es sagt dauernd, es wisse es nicht"-Beschwerden — aus genau der Fähigkeit, die es vertrauenswürdig macht.
  • Es überträgt sich nicht automatisch auf Ihre Prompts. Enthaltung ist eine antrainierte Haltung im Zusammenspiel mit Ihren Anweisungen. Sagen Sie einem gut kalibrierten Modell „gib immer eine definitive Antwort", und Sie haben den Vorteil ausgegeben.

Sie können es vermutlich gar nicht aufrufen​

Hier endet das Interesse der meisten Leser in der Praxis. Argon ist kein öffentlicher Endpunkt. Es ist hinter dem Fairwind Program abgesperrt, demselben Mechanismus, den Google für Gemini 3.8 Flash Cyber eingeführt hat — nur sperrt er diesmal das Flaggschiff ab, nicht eine cyberspezifische SKU.

Fairwind priorisiert Regierungen und nationale Cyber-Behörden, Betreiber kritischer Infrastruktur (Gesundheit, Telekommunikation, Energie, Finanzen) sowie zentrale Technologieplattformen und prüft Antragsteller auf „eine nachgewiesene Historie ethischer Arbeit und Forschung". Angenommene Organisationen müssen Folgendem zustimmen:

Guided walkthrough1 of 6
  1. Kein API-Schlüssel auf Organisationsebene. Jeder Mensch, der Argon nutzt, muss individuell hinter phishing-resistenter MFA authentifiziert sein, zuzüglich der jeweils geltenden Zugriffskontrollen. Damit fällt das übliche Muster weg, bei dem ein Dienstkonto im Team geteilt oder in ein Deployment eingebettet wird.

Für vertrauenswürdige Verteidiger kann Fairwind Argon mit CodeMender koppeln, Googles Code-Security-Agent, der Schwachstellenbehebungen automatisiert, und gewährt einen Argon-Build ohne die Cyber-Schutzmechanismen, die das spätere öffentliche Modell tragen wird. Der Cyber-Fall ist aus eigenen Zahlen stark: Entdeckung realer Schwachstellen bei 85,8 % (gegen 71,0 % für Gemini 3.8 Flash Cyber), der Wiz-Penetrationstest-Benchmark bei 70,9 % (von 58,2 %), CWE-bench v1 bei 68 % und die beste gemessene Prompt-Injection-Resistenz aller Frontier-Modelle — 0,7 % Angriffserfolg bei k=15 in Gray Swans Suite für indirekte Prompt Injection, gegen 1,0 % bei Claude Opus 5.5 und Fable und 8,5 % bei GPT-6 Astra.

Diese letzte Zahl verdient einen eigenen Satz. Eine Erfolgsrate von 8,5 % bedeutet, dass rund einer von zwölf indirekten Injection-Versuchen durchkommt; 0,7 % bedeutet etwa einer von 143. Wenn Sie Agenten bauen, die nicht vertrauenswürdige Web-Inhalte lesen, ist das ein zwölffacher Unterschied in der Exposition — und er ist bei k=15 gemessen, also fünfzehn Versuchen pro Ziel, nicht einem. Lesenswert zusammen mit Prompt Injection und Coding-Agenten unter Angriff.

Watch out
  • Weil Fairwind das Teilen, die Weitergabe und den Weiterverkauf untersagt, stellt jedes Gateway, jeder Proxy und jeder „entsperrtes Argon“-Wiederverkäufer, der es anzubieten behauptet, entweder ein anderes Modell falsch dar oder verletzt die Programmbedingungen. Behandeln Sie einen Argon-Endpunkt, den Sie nicht von Google bekommen haben, standardmäßig als nicht vertrauenswürdig.

Was Google sagt, intern damit gemacht zu haben​

Die internen Fallstudien des Launch-Beitrags sind aufschlussreicher als seine Benchmark-Tabelle, denn sie beschreiben langfristige Arbeit mit überprüfbaren Ergebnissen:

  • Optimierung von Quantenalgorithmen — schlug die veröffentlichte Baseline für Raumzeit-Ressourcenkosten um 40 %.
  • Speicher-Profiling der Flotte — fand Optimierungen, die über 300 TiB freigeben, mit geschätzten 500 TiB bis 1 PiB insgesamt nach vollständiger Umsetzung.
  • C/C++-zu-Rust-Migration — einschließlich über 800K Zeilen des Fuchsia-Zircon-Kernels.
  • libgav1-Video-Decoder — ersetzte 32K Zeilen handgeschriebenes SIMD und erzeugte Code, der 2,7-mal schneller als die Rust-Portierung ist, bei bit-identischer Ausgabe.

Das libgav1-Ergebnis ist das lehrreichste der Liste. „Bit-identische Ausgabe" ist das Detail, das es glaubwürdig macht: Es gab ein mechanisches Orakel für Korrektheit, die Arbeit des Modells konnte also verifiziert statt nur begutachtet werden. Das ist die Art von Aufgabe, bei der sich ein Output-Budget von 1M wirklich auszahlt — groß, mechanisch und maschinell prüfbar. Es ist auch die Art von Aufgabe, die die meisten Teams nicht haben, und das sollte man sich ehrlich sagen, bevor man von diesen Zahlen auf das eigene Backlog hochrechnet.

Sollten Sie Ihr Routing ändern?​

Kurze Antwort für die meisten Leser: nein, weil Sie es nicht aufrufen können. Wenn es sich öffnet, hier die ehrliche Aufteilung danach, wo sich die Benchmarks häufen.

ArbeitWohin sie gehörtWarum
Interaktive Coding-Agenten, Terminal-Arbeit, Computer UseClaude (Opus 5.5 / Sonnet 5.5)Argons vier klare Niederlagen liegen alle in dieser Familie — Terminal-bench 4.0 57,4 gegen 66,4, FrontierSWE v2 55,0 gegen Astras 65,5
Rechtliche und finanzielle DokumentenanalyseArgon, mit PrüfungHarvey 19,6 % gegen 3,8–5,4 %, Vals Finance 65,4 % — aber 19,6 % absolut heißt Aufsicht, nicht Automatisierung
Long-Video- und Long-Context-RetrievalArgonLVBench 91,7 %, GraphWalks 84,2 %
Recherche, bei der eine falsche Quellenangabe schlimmer ist als keine AntwortArgon15 % Halluzinationsrate gegen 51–54 %
Defensive Sicherheit, autonomes PatchenArgon über Fairwind, falls Sie qualifiziert sind85,8 % Schwachstellenfund, CWE-bench 68 %, geringste Injection-Anfälligkeit
Alltagsarbeit mit hohem VolumenGPT-6.1 Sol oder eine Flash-/Sonnet-Stufe0,74 $ pro Aufgabe für einen Indexpunkt weniger als Argon
Alles, was Sie über das Einführungsfenster hinaus budgetierenErst neu bepreisen2 $/10 $ wird 4 $/20 $; Kosten pro Aufgabe gehen von 1,99 $ auf 3,98 $

Check yourself

0/5
  1. Worauf bezieht sich die Schlagzeile „1 Million Token“ bei Gemini 4 Argon?
  2. Google sagt, Argon „führe oder liege gleichauf in mehr Kategorien“ als GPT-6 Astra oder Claude Opus 5.5, doch Artificial Analysis bewertet es mit 53 gegen Opus 5.5 mit 58. Was ist die beste Erklärung?
  3. Argon kostet 1,99 $ pro Intelligence-Index-Aufgabe gegen GPT-6 Astras 3,26 $. Warum ist es falsch, Argon als das effizientere Modell zu bezeichnen?
  4. Argons Halluzinationsrate von 15 % bei AA-Omniscience, gegen 51 % bei GPT-6 Astra, ist in erster Linie das Ergebnis wovon?
  5. Ihr Unternehmen möchte über das Fairwind Program Argon-Zugang für seine interne Entwicklerplattform. Was ist das blockierende Problem?
Drücke Enter oder die Leertaste, um die Karte umzudrehen. Nutze die Pfeiltasten links und rechts, um zwischen den Karten zu wechseln.Begriff angezeigt.
1 / 12
Key takeaways
  • Die 1M ist das OUTPUT-Limit (hoch von 64K), nicht das Kontextfenster, das bei 1M blieb. Reasoning-Token verbrauchen dieses Budget, und Output kostet 5x Input.
  • Googles „13 von 18 Kategorien“ und die 53-gegen-58 von Artificial Analysis stimmen beide — über verschiedene Körbe. Argons Niederlagen häufen sich bei interaktiver, mehrstufiger Agent-Arbeit; seine Siege bei Single-Shot-Domänenschlüssen und Long-Context-Retrieval.
  • Argon verbrennt ~62K Output-Token pro Aufgabe gegen Astras ~27K. Die günstigere Rechnung ist die Preisliste, nicht Effizienz — und beim Standardpreis steigen die Kosten pro Aufgabe von 1,99 $ auf 3,98 $, über Astras 3,26 $.
  • Die Halluzinationsrate von 15 % gegen 51–54 % ist hier die am wenigsten beachtete Zahl, und sie kommt aus Enthaltung. Sie ist das stärkste Argument, Recherche- und Compliance-Arbeit zu Argon zu routen, und das Erste, was eine Anweisung „antworte immer definitiv“ zerstört.
  • Sie können es mit ziemlicher Sicherheit nicht aufrufen: Fairwind sperrt es für interne Cyber-/IR-/Pentest-Teams mit phishing-resistenter MFA pro Nutzer und ohne Weitergabe ab. Es wurde keine API-Modell-ID veröffentlicht. Jeder „Argon“-Endpunkt von Dritten ist verdächtig.

Quellen & weiterführende Literatur​

Weiter​