Google Gemini 4 Argon schließt zur KI-Spitze auf, bleibt aber hinter Anthropics Claude Opus 5.5

Google hat mit Gemini 4 Argon sein neues Frontier-Modell vorgestellt. Es liegt auf dem Niveau von GPT-6 Astra, aber hinter Anthropics Claude Opus 5.5. Dafür ist es für ein Frontier-Modell vergleichsweise günstig, zumindest vorerst.

Argon ist das erste Frontier-Modell von Google seit mehr als sieben Monaten (Gemini 3.1 Pro). Es bringt den Werbekonzern zurück in den Kreis der drei führenden KI-Labore, wenn auch nicht an die Spitze. Die bleibt weiterhin Anthropic vorbehalten. Immerhin meldet sich Google nach einer schwierigen und langwierigen Entwicklung, in deren Verlauf das bereits angekündigte Frontier-Modell Gemini 3.5 sogar ausgelassen wurde, im Rennen zurück.

Zunächst nur für ausgewählte Tester

Argon geht zunächst nur an eine Gruppe "vertrauenswürdiger Cyberverteidiger" im Rahmen des Fairwind-Programms. Sie und Googles interne Teams erhalten das Modell ohne Cyber-Guardrails. Google begründet das schrittweise Vorgehen mit einem "phasenweisen Ansatz", den KI-Fähigkeiten auf diesem Niveau erforderten. Parallel beteiligt sich das Unternehmen am freiwilligen Verfahren der US-Regierung, das Behörden vor der Veröffentlichung Zugang zu neuen Modellen gewährt.

Das Feedback der frühen Tester soll in die Schutzmechanismen einfließen. Erst danach will Google Argon für Entwickler, Unternehmen und Konsumenten freigeben, beginnend mit zahlenden API-Kunden und Abonnenten von Google AI Ultra. Einen Termin nennt der Konzern nicht, nur ein "so bald wie möglich".

Der Preis steht bereits fest, zumindest als Einführungspreis: 2 US-Dollar pro Million Input-Token und 10 US-Dollar pro Million Output-Token. Gecachte Input-Token sind 95 Prozent günstiger, kosten also rechnerisch 10 Cent pro Million. Bei Gemini 3.8 Flash lag der Cache-Rabatt noch bei 90 Prozent. Damit unterbietet Google andere Frontier-Modelle beim reinen Tokenpreis deutlich, nicht aber beim Tokenverbrauch (siehe unten).

*Google nennt diesen Wert nicht ausdrücklich, sagt aber, der Cache ist 95 Prozent günstiger als der reguläre Input-Token-Preis.

Technisch neu ist das erweiterte Ausgabelimit. Google hebt es von 64.000 auf eine Million Token an und bezeichnet diesen Wert als branchenführend. Kann das Modell Hunderttausende Token in einer einzigen Trajektorie erzeugen, soll es schwierige Probleme ausführlicher durchdenken und in einem Durchgang lösen können. Dafür führt Google in der Gemini-API die neue Funktion "Long Decode Continuation" ein. Sie unterbricht lange Antworten und setzt sie über Folgeanfragen fort, damit das Reasoning nicht in ein Timeout läuft.

Das Input-Kontextfenster umfasst weiterhin eine Million Token. Als Eingabe verarbeitet Argon Text, Bilder, Video und Sprache, ausgegeben wird nur Text.

Unabhängige Tests: Argon holt zu GPT-6 Astra auf, verbraucht aber mehr Token

Eine erste unabhängige Einordnung liefert Artificial Analysis. Mit der höchsten verfügbaren Reasoning-Stufe "High" erreicht Gemini 4 Argon im Artificial Analysis Intelligence Index 53 Punkte. Damit liegt es gleichauf mit OpenAIs GPT-6 Astra (max) und Claude Fable 5.1 sowie einen Punkt vor GPT-6.1 Sol (max).

Vorn bleiben Anthropics Claude Opus 5.5 mit 58 und Claude Sonnet 5.5 mit 56 Punkten. Gegenüber Googles letztem Frontier-Modell Gemini 3.1 Pro Preview ist das ein Sprung um 23 Punkte. "High" ist bei Gemini-Modellen für gewöhnlich die höchste Reasoning-Stufe, auch wenn bisweilen zusätzlich ein spezieller "Deep Think"-Modus unterstützt wird.

Zum aktuellen Aktionspreis kostet eine Aufgabe des Intelligence Index 1,99 US-Dollar. Das entspricht 60 Prozent der Kosten von GPT-6 Astra (3,26 US-Dollar), ist aber 2,7-mal so teuer wie GPT-6.1 Sol. Nach Ende des Rabatts steigen die Kosten auf 3,98 US-Dollar und liegen dann etwa 20 Prozent über GPT-6 Astra. Der Preisvorteil entsteht durch die niedrigeren Tokenpreise, nicht durch sparsameren Verbrauch: Argon benötigt im Schnitt 62.000 Output-Token pro Aufgabe, GPT-6 Astra nur 27.000.

Bei agentischen Aufgaben, laut Artificial Analysis bislang eine Schwäche der Gemini-Modelle, legt Argon deutlich zu. Auf AutomationBench-AA, der Variante von Artificial Analysis, belegt es mit 77,5 Prozent Platz eins, sechs Punkte vor Claude Sonnet 5.5 (max). Auf Terminal Bench 4 erreicht es 57 Prozent, 53 Punkte mehr als Gemini 3.1 Pro Preview. Damit liegt es jedoch hinter Claude Sonnet 5.5 (64 Prozent), Claude Opus 5.5 (60 Prozent) und GPT-6 Astra (59 Prozent).

Positiv hebt Artificial Analysis die niedrige Halluzinationsrate hervor. Auf dem Benchmark AA-Omniscience, der Faktenwissen und den ehrlichen Umgang mit Wissenslücken prüft, liegt sie bei 15 Prozent, während GPT-6 Astra (max) auf 51 Prozent und GPT-6.1 Sol (max) auf 54 Prozent kommen. Argon räumt also deutlich häufiger ein, eine Antwort nicht zu kennen, statt falsch zu raten. Bei der Genauigkeit erreicht es allerdings nur 50 Prozent, fünf Punkte weniger als Gemini 3.1 Pro Preview und 13 Punkte weniger als GPT-6 Astra (max, 63 Prozent). Im Gesamtwert des Benchmarks liegt Argon mit 42 Punkten deshalb etwa gleichauf mit GPT-6 Astra (43) und GPT-6.1 Sol (42).

In Googles eigenen Benchmark-Messungen sieht’s etwas rosiger aus: Hier liegt Argon in den meisten Benchmarks vorn, stellenweise sogar sehr deutlich.

Auch im Vals-Index liegt Argon vorn. Mit 68,9 Prozent übernimmt es laut Vals AI den ersten Platz. Erstmals steht damit ein Gemini-Modell an der Spitze des Index. In 20 der 22 getesteten Benchmarks landet Argon unter den ersten fünf, besonders stark sei es bei Finanzen, Recht, Programmierung und Sicherheit. In diesem Test liegt allerdings auch das Mittelklasse-Modell Sonnet 5.5 vor Anthropics Spitzenmodell Opus 5.5. Wie immer gilt letztlich: KI-Modelle müssen sich im eigenen Alltag beweisen.

Neuer Bestwert bei der Texterstellung

Bei Arena.ai, wo Menschen die Ausgaben verschiedener Modelle im direkten Vergleich bewerten, schneidet Argon stark ab. In der Text Arena übernimmt Gemini 4 Argon (High) mit 1525 Punkten den ersten Platz, 20 Punkte vor Claude Opus 4.6 (High) auf Rang zwei. Googles vorheriges Modell Gemini 3.8 Flash (High) lag dort noch auf Platz elf. Laut Arena führt Argon in den Kategorien Coding, Hard Prompts, Instruction Following, Longer Query und Creative Writing. Außerdem liegt es in allen ausgewerteten Berufsfeldern vorn sowie bei Anfragen auf Englisch, Chinesisch und Russisch und bei nicht-englischen Anfragen insgesamt.

Bei der Webentwicklung fällt das Ergebnis verhaltener aus. In der Code Arena: WebDev erreicht Argon 1679 Punkte und damit Platz acht. Gegenüber Gemini 3.8 Flash (High) ist das zwar ein Plus von 96 Punkten und ein Sprung von Rang 29, für die Spitze reicht es aber nicht.

Beim Verhältnis von Preis und Leistung sieht Arena das Modell dagegen vorn: Bei einem gemischten Preis von 8 US-Dollar pro Million Token verschiebe Argon die Pareto-Grenze der Text Arena und sei derzeit das kosteneffizienteste Modell.