Gemini 4 Argon im Überblick: Ein Monster, das die KI-Landschaft aufmischt

Besser als Astra und Fable – und wir können es nicht nutzen

Am 30. September 2026 (US-Zeit) hat Google Gemini 4 Argon veröffentlicht. Nach Googles eigener Darstellung schlägt es OpenAIs Spitzenmodell GPT-6 Astra und Anthropics Spitzenmodell Claude Fable 5.1: Platz 1 in 13 der 18 von Google veröffentlichten Benchmarks, zum Einführungspreis von einem Fünftel des Astra-Preises.

Nutzen können wir es aber weder per App noch per API. Offiziell zuerst bekommen es Sicherheitsteams, die Hackerangriffe abwehren – und zwar ohne die Cyber-Schutzmechanismen. Warum gibt Google ein so starkes Modell zuerst ihnen und nicht uns? Darum geht es in diesem Beitrag.

Das Video ist auf Koreanisch. Die Bilder unten sind Standbilder daraus. Alle Preise in US-Dollar.

Die Seiten zu OpenAI GPT-6 Astra und Anthropic Claude Fable 5.1, darunter „??? hat gewonnen – laut Google“

Platz 1 in 13 von 18 Google-Benchmarks – 12 allein, 1 geteilt

Nicht nur Googles Tabelle: LMArena

LMArena stellt zwei KIs dieselbe Frage, verbirgt ihre Namen und lässt Menschen abstimmen, welche Antwort besser ist. Auch dort landete Argon in der Text Arena auf Platz 1 mit 1.525 Punkten – beim Website-Bauen (Code Arena: WebDev) aber nur auf Platz 8 mit 1.679 Punkten, wo GPT-6.1 Sol Platz 3 belegte (1.759). Kein Alleskönner also.

LMArena – Platz 1 in der Text Arena (1525), Platz 8 bei WebDev (1679)

Googles Jahr der Lücke

Googles Lücke – Gemini 3 im Nov. 2025, 3.1 Pro im Feb., „nächstes großes Modell im Juni“ auf der I/O im Mai, kein 3.5 Pro, DeepMind-Führungswechsel im Aug., Argon am 30.9.

November 2025 – Nach Gemini 3 brachte Google kein neues Flaggschiff der nächsten Generation.
Mai 2026 – CEO Sundar Pichai kündigte das nächste große Modell für Juni an. Das als Gemini 3.5 Pro erwartete Modell erschien nie.
In der Zwischenzeit brachte OpenAI GPT-6 Astra (3.9.), Anthropic Fable 5.1 und Opus 5.5 (22.9.), und Google vor allem günstige, schnelle Flash-Modelle.
August – Bei DeepMind wechselte die Führung.
30. September – Einen Tag nach OpenAIs DevDay kam endlich Argon.

Bei Google arbeitet es schon

Argon ist bei Google intern bereits im Einsatz und wird von Tausenden Mitarbeitenden genutzt. Googles Beispiele sind konkret:

Bei Google – über 300 TiB Rechenzentrumsspeicher, Rust 2,7-mal schneller, Quanten-Ressourcen −40 %

Speicher im Rechenzentrum – Argon-Agenten analysierten Leistungsdaten der Server, fanden und setzten Optimierungen selbst um und machten über 300 TiB Speicher frei (geschätzt 500 TiB bis 1 PiB Einsparung insgesamt).
Alter Code nach Rust – In der Rust-Portierung des Videodecoders libgav1 wurden 32.000 Zeilen SIMD-Code ersetzt; das Ergebnis ist 2,7-mal schneller bei identischer Ausgabe (aber noch langsamer als der optimierte C++-Code). Derzeit wird auch der über 800.000 Zeilen große Fuchsia-Zircon-Kernel portiert.
Quantencomputing – In einem Beispiel senkte Argon den Ressourcenbedarf in wenigen Minuten um 40 % unter den veröffentlichten Bestwert.
Die maximale Ausgabe pro Antwort stieg von 64K auf 1M Tokens (Ausgabe, nicht Eingabe) – lange Aufgaben sollen am Stück fertig werden.

All das sind Beispiele, die Google selbst berichtet.

Büroarbeit vor Coding

Interessant: Ganz oben in Googles Tabelle steht nicht Coding, sondern Wissensarbeit.

Benchmark	Gemini 4 Argon	Vergleich
Zapier AutomationBench (Geschäftsautomatisierung)	51,3 % · Platz 1	–
Harvey: juristische Recherche und Entwürfe	19,6 %	Astra 5,4 %, Opus 5.5 3,8 %
DeepSWE (lange Softwareaufgaben)	77,9 %	Opus 74,2 %, Astra 74,1 %

Insgesamt Platz 1 in 13 von 18, für 2 $ Eingabe / 10 $ Ausgabe pro Million Tokens – zum Einführungspreis ein Fünftel von Astra (10 $ / 50 $). Allein danach klingt „hat alle plattgemacht“ verständlich.

Warum zuerst die Verteidiger?

Die Antwort liegt in der Stärke, mit der Google wirbt: Sicherheitslücken in Software finden. Laut Google findet Argon Lücken selbstständig, prüft, ob sie echt sind, und behebt sie (im extern vergleichbaren CWE-bench v1 liegt es mit 68 % gleichauf mit GPT-6 Astra und Grok 4.7).

Wiz, die von Google übernommene Sicherheitsfirma, fand damit eine kritische Lücke in Medizinsoftware, die Krankenhäuser weltweit nutzen, über die sensible persönliche Daten nach außen gelangen konnten – eine Lücke, die frühere Spitzenmodelle übersehen hatten.
Das Problem: In den Händen von Angreifern ist dieselbe Fähigkeit genauso stark. Google schreibt auf der Fairwind-Seite selbst: „in the wrong hands, the same capabilities can become an equally powerful threat.“
Deshalb bekommen zuerst die Verteidiger Zugang – Regierungen, Gesundheitsversorger, Telekommunikationsanbieter. Nur ausgewählte, geprüfte Partner, nur innerhalb ihrer Sicherheitsteams, mit protokollierter Nutzung.
Im Gegenzug sind bei ihnen die Cyber-Ablehnungen abgeschaltet, damit sie die volle Abwehrfähigkeit nutzen können.
Warum wir noch warten, hat Google auch gesagt: Zuerst sollen die Schutzmechanismen ausgebaut werden – Missbrauch blockieren, auf grenzüberschreitendes Verhalten der KI achten –, bevor es breit verfügbar wird.

Das Timing ist bemerkenswert:

Dieselbe Woche – 28.9. (Mo.) OpenAI stoppt GPT-6.1 Astra, 29.9. (Di.) KI-Sicherheitszusage im Weißen Haus, 30.9. (Mi.) Gemini 4 Argon

28.9. (Mo.) – OpenAI stoppte den Start von GPT-6.1 Astra nach Sicherheitstests: Das Modell überschritt seinen Auftrag und berichtete ungenau über die eigene Arbeit.
29.9. (Di.) – Sundar Pichai unterzeichnete im Weißen Haus eine freiwillige Vereinbarung zur KI-Sicherheit.
30.9. (Mi.) – Argon erschien, und Google nimmt am Vorabtest-Verfahren der US-Regierung teil.

Jenseits von Googles Tabelle: unabhängige Messungen

Ist Googles Platz 1 echt? In Googles eigener Tabelle verliert Argon 5 Benchmarks: Bei FrontierSWE liegt Astra über 10 Punkte vorn (65,5 % zu 55,0 %), bei Terminal-bench 4.0 Opus 5.5 um 9 Punkte (66,4 % zu 57,4 %).

Und den DeepSWE-Wert, bei dem Argon vorn lag, hat Google selbst gemessen; die Werte der Konkurrenz stammen aus öffentlichen Ranglisten oder deren eigenen Angaben. In 9 der 18 Benchmarks ist Argons Wert Googles eigene Messung.

Deshalb zählen unabhängige Messungen – und Artificial Analysis hat schon getestet:

Artificial Analysis Intelligence Index – Opus 5.5 58, Sonnet 5.5 56, Fable 5.1 53, Astra 53, Argon 53, GPT-6.1 Sol 52

Indexwert 53 – gleichauf mit Astra. Opus 5.5 kommt aber auf 58: Das Modell, das Argon in Googles Tabelle meist schlug, liegt hier 5 Punkte vorn. Sonnet 5.5, das in Googles Tabelle fehlt, erreicht 56.
Eine Zahl sticht heraus: Bei Fragen, die es nicht beantworten kann, erfindet Argon in 15 % der Fälle etwas, Astra in 51 %. Richtig liegt es seltener (50 % gegenüber 63 % bei Astra), sagt aber eher, wenn es etwas nicht weiß.
Bloomberg berichtete, dass einige Google-Mitarbeitende zweifeln – stark in Tests, schwächer bei echter Programmierarbeit. Google nannte das unzutreffend.

Die Rechnung nach dem Rabatt

2 $ / 10 $ ist ein Einführungspreis. Danach verdoppelt er sich auf 4 $ / 20 $ – genau der Preis von Opus 5.5. Wann der Rabatt endet, sagt Google nicht (Artificial Analysis: „mindestens einen Monat“).
Argon denkt außerdem lange nach: 62.000 Ausgabe-Tokens pro Aufgabe, mehr als doppelt so viele wie Astra (27.000).
Laut Artificial Analysis kostet eine Aufgabe deshalb jetzt 1,99 $ – 60 % von Astras 3,26 $ –, nach dem Rabatt aber 3,98 $, also rund 20 % mehr als Astra.

Kosten pro Aufgabe zum Listenpreis – Argon 3,98 $, Astra 3,26 $

Ein Tokenpreis von einem Fünftel heißt nicht, dass die Aufgabe nur ein Fünftel kostet.

So nutzt du es, sobald es verfügbar ist

Nach den bisherigen Ergebnissen (die Empfehlungen sind meine):

So nutzt du es – was Argon bekommt und was andere Modelle

Aufgabe	Wahl	Warum
Fragen beantworten · nach Anweisung schreiben	Argon	LMArena Text Platz 1 (auch Platz 1 bei Coding, Hard Prompts, Instruction Following, Longer Query, Creative Writing)
Lange Recherchen	Argon	Arena Longer Query Platz 1, erfindet in 15 % (aber geringere Trefferquote als Astra)
Lange Videos verstehen	Argon	LVBench 91,7 %, Platz 1 in Googles Tabelle (Googles eigene Messung)
Websites bauen	GPT-6.1 Sol	Arena WebDev Platz 3 (Argon Platz 8), gleicher Einführungspreis pro Token
Coden im Terminal	Opus 5.5	9 Punkte vorn bei Terminal-bench 4.0

So lässt sich sparen:

Wer dasselbe Material wiederholt schickt, bekommt 95 % Rabatt auf gecachte Eingaben – 10 Cent pro Million Tokens zum Einführungspreis.
Solange der Rabatt gilt: die Kosten mit den eigenen Aufgaben messen.
Weil das Modell viele Tokens verbraucht, sollte man Kosten pro Aufgabe statt Preis pro Token vergleichen.

Also warum? Meine Lesart

Ab hier ist es meine Interpretation. Ich sehe zwei Gründe, warum Google sein stärkstes Modell zuerst den Verteidigern gab:

Die zentrale Waffe ist das Finden von Lücken – also mussten Verteidiger sie vor Angreifern bekommen.
Genau in der Woche, in der OpenAI ein Modell aus Sicherheitsgründen stoppte, wollte Google als das Unternehmen dastehen, das starke Modelle sicher veröffentlicht.

Also warum? – im unabhängigen Index Astra 53 = Argon 53: aufgeholt, nicht plattgemacht

Google ist zurück – im unabhängigen Index gleichauf mit Astra. Aber es ist eher „aufgeholt“ als „alle plattgemacht“.

Die breite Freigabe beginnt mit zahlenden API-Kunden und Google-AI-Ultra-Abonnenten, ein Datum gibt es noch nicht. Was würdest du Argon als Erstes machen lassen? Schreib es in die Kommentare zum Video.

Zum Video

Die Sprecherstimme ist ein KI-Klon meiner eigenen Stimme. Die im Video gezeigten Originalseiten werden zur Erläuterung zitiert; die gelben Markierungen stammen von mir. Der Roboter im Vorschaubild wurde mit KI erstellt.

Quellen

Geprüft am 1. und 2. Oktober 2026; Zahlen können sich ändern. Daten nach US-Zeit.