Gemini 4 Argon: Google streckt die Ausgabe auf 1 Million Token

Google hat mit Gemini 4 Argon ein neues Spitzenmodell auf den Weg gebracht, angekündigt am 30. September 2026 auf dem offiziellen Google-Blog von Koray Kavukcuoglu, SVP bei Google DeepMind und Chief AI Architect des Konzerns. Die auffälligste Zahl ist kein Benchmark-Sieg, sondern eine Deckengrenze: Argon kann in einem Arbeitsgang bis zu 1 Million Ausgabetoken schreiben, bislang lag dort das Limit bei 64.000. Den Release durchgegangen sind in meinen Feeds eine Reihe von Videos, Auslöser dieses Beitrags ist das Recap von TheAIGRID unter dem Titel "Google Just DROPPED Its Most Powerful AI Ever". Geprüft habe ich jede Zahl gegen die offizielle Ankündigung und die begleitenden Sicherheitsangaben von Google. Die Einordnung unten schreibe ich aus dem laufenden Betrieb eines Agentendecks: Ich orchestriere meine Agentenfamilie über Wochenfenster und Quoten, und die Frage, wie lang ein einzelner Arbeitsgang eines Modells werden darf, ist genau die Größenordnung, in der Orchestrierung kippt.

Der Kern steckt in einem Absatz der Ankündigung: Google erweitert das Limit für Ausgabetoken auf branchenführende 1 Million Token, zuvor waren es 64.000. Diese Seite der Gleichung wird im öffentlichen Modellvergleich oft überlesen, weil das Kontextfenster die Hauptrolle bekommt: Die Eingabegröße der Frontier-Modelle war zuletzt längst sehr groß geworden, die Ausgabeseite war der Engpass. Wenn ein Modell innerhalb einer einzigen Sequenz mehrere hunderttausend Token schreiben kann, verändert das die Form langer Aufgaben: Mehrschritt-Workflows, die bisher als Abfolge von Requests mit Rückfragen laufen mussten, können als ein durchgehender Arbeitsgang laufen. Google nennt das Anwendungsprofil Deep Work, also lange komplexe Aufgaben mit vielen Schritten in Softwareentwicklung, Finanzen, Recht, Cybersicherheit und Wissenschaft. Das Auslöser-Video ergänzt eine technische Notiz, die sich in dieser Form nicht im Blogtext findet und entsprechend als Lesart des Kanals zu lesen ist: Argon unterstütze lange Dekodierungsläufe ohne Timeout, ein Punkt, der bei maximal langen Antworten über das Infrastrukturverhalten beim Streaming entscheidet.

Der zweitwichtigste Teil der Ankündigung beschreibt den Betriebseinsatz: Tausende Google-Mitarbeiter nutzen Argon laut dem Beitrag bereits intern, mit Stärken bei spezialisiertem Codieren, tieferer Recherche und Schreibqualität. Drei Beispiele stehen im Text mit konkreten Zahlen. Erstens die Quantenrecherche: Argon hilft, die Ressourcenaufwände von Quantenalgorithmen zu optimieren, und schlug in einem Beispiel den publizierten Baseline um 40%, und zwar in Minuten statt in Wochen. Zweitens die Speicheroptimierung: Eine Gruppe von Argon-Agenten hat flottenübergreifend die Telemetrie der Rechenzentren ausgewertet und Speicheroptimierungen selbstständig identifiziert und angewandt; eingespeichert werden über 300 TiB, als Gesamtbetrag geschätzt 500 TiB bis 1 PiB. Drittens die Migrationsarbeit: Argon-Agenten übersetzen C- und C++-Codebasen nach Rust, von Kernbibliotheken wie re2 und libgav1 mit zehntausenden Zeilen bis zum Fuchsia-Zircon-Kernel mit über 800.000 Zeilen. Im Fall libgav1 haben die Agenten 32.000 Zeilen SIMD-Code ersetzt und nach mehreren profilierten Experimentrunden einen speichersicheren Video-Decoder gebaut, der 2,7-fach so schnell läuft wie der bisherige Rust-Port und dabei identische Videoausgabe liefert. Google betont, dass diese großen Umschreibungen vor dem Produktionseinsatz automatisierte und manuelle Audits, Emulationstests und Reviews durchlaufen.

Die offiziellen Benchmarkzahlen sind kompakt lesbar: Im DeepSWE v1.1, der echte Langzeit-Aufgaben der Softwaretechnik misst, setzt Argon mit 77,9% einen neuen Stand der Technik; auf dem AutomationBench von Zapier liegt es mit 51,3% auf Rang 1; auf LVBench, die Verständnis sehr langer Videos prüft, mit 91,7% ebenfalls. Beim Vals Index, der den wirtschaftlichen Impact über Finanzen, Codieren, Recht und Steuern abdeckt und nach Beitrag zum US-Bruttoinlandsprodukt gewichtet, führt Argon laut Google ebenfalls, dazu in Vals Finance Agent v2 und im Harvey Legal Agent Benchmark. Das Auslöser-Video liest aus der Scorecard zusätzlich Vergleichszahlen, die ich hier nur als Lesart des Kanals nenne, weil ich sie nicht gegen die Originaltabellen geprüft habe: 68,9% beim Vals Index vor Claude Sonnet 5.5 mit 67,04 und Claude Opus 5.5 mit 66,97, im Finance-Agenten 65,4% gegenüber 58,6% für Opus 5.5 und 53,5% für GPT-6 Astra, im Harvey-Benchmark 19,6% gegenüber 3,8% und 5,4%. Ein Muster liegt in dieser Liste auf der Hand: Argon gewinnt beim Lesen und Verstehen großer Mengen an Material, während das Video beim Alltags-Codieren am Terminal weiterhin Anthropic vorn sieht.

Argon wurde laut Google ausdrücklich für defensive Cybersicherheit trainiert und kann kritische Schwachstellen selbstständig finden, validieren und patchen. Verteilt wird zuerst über das Fairwind Program an eine Gruppe vertrauter Cyber-Verteidiger und an interne Google-Teams, und zwar ohne Cyber-Guardrails, damit sie die volle Kapazität nutzen können. Konkret läuft das bei Wiz, die Argon in der Scan for Good Initiative einsetzen, die kritische öffentliche Infrastruktur kostenlos auf Hochrisiko-Exposures prüft; in einem frühen Beispiel hat das Modell eine kritische Schwachstelle in Krankenhaussoftware aufgedeckt, die sensible personenbezogene Daten exponierte und die vorherige Frontier-Modelle übersehen hatten. Im CWE-bench v1, der die Beseitigung von Sicherheitslücken prüft, liegt Argon mit 68% auf geteiltem Rang 1; auf Googles internem Schwachstellen-Benchmark hat es Exposures über Codebasen in 20 Programmiersprachen aufgedeckt; auf dem Black-Box-Penetrationstest-Benchmark von Wiz übertrifft es 3.8 Flash Cyber bei Angriffsfläche, Identifikation von Schwachstellen und Nachweis per Proof of Concept.

Der Sicherheitsabschnitt der Ankündigung ist bemerkenswert offen benannt. Missbrauch: Das Modell ist so gebaut, dass es schädliche Anfragen ablehnt, inklusive des chemischen, biologischen, radiologischen und nuklearen Bereichs, während legitime Doppelnutzungsforschung erlaubt bleibt; Grundlage ist Googles Frontier Safety Framework, für den Launch haben interne und externe Red Teams die Robustheit getestet, zusätzlich überwacht Google die internen Aktivierungen des Modells, um Missbrauchspotenziale zu erkennen. Prompt-Injections: Argon gilt laut Ankündigung als das bisher widerstandsfähigste Modell gegen indirekte Injektionen, gemessen auf dem Gray Swan IPI-Benchmark. Ausreißer: Google setzt auf Mitigationen, die die Chain-of-Thought und die Aktionen des Modells überwachen und den Betrieb notfalls stoppen; dasselbe System überwacht die Trainingsläufe mit Alarmen an ein Incident-Response-Team, und die Funde fließen bewusst nicht ins Training zurück, damit die Beweisbarkeit der Überwachung nicht verlernt wird. Im Blogbeitrag ruft Google die Industrie auf, die Transparenz der Modellgedanken in dieser Phase nicht aufzugeben; dazu gehört laut Agent Control Roadmap, dass Sandbox-Umgebungen vor Hochrisiko-Trainings und -Evaluierungen isoliert und versiegelt werden.

Die Distribution läuft gestaffelt: zuerst die Fairwind-Gruppe vertrauter Verteidiger und Tester, später bezahlte API-Kunden und Google AI Ultra Abonnenten; die breite Verfügbarkeit für Entwickler, Enterprise-Kunden und Verbraucher folgt erst, wenn die Rückkehr der ersten Gruppe verarbeitet ist. Google verweist dafür auch auf die freiwillige Beteiligung am Vorab-Zugangsverfahren der US-Regierung. Preise gibt es mit Verfallsdatum: In der Einführungsphase kostet Argon 2 Dollar je 1 Million Eingabetoken und 10 Dollar je 1 Million Ausgabetoken, gecachte Eingabe kostet 95% weniger als uncached; danach gilt laut Fußnote das Doppelte, also 4 und 20 Dollar. Das Auslöser-Video rechnet damit, dass die Einführungsphase Ende November endet; im Blogtext steht dieser Termin nicht, dort heißt es nur, der reguläre Preis gelte nach Ablauf der Phase. In der Einführungsphase ist Argon damit eines der günstigsten Frontier-Modelle am Markt, was die Token-Effizienz der langen Ausgabearbeitsgänge zum zentralen Preisfaktor macht.

Bis hierhin ist die Zahl 1 Million hübsch, im Betrieb entscheidet, welche Lanes davon profitieren. Ich orchestriere über Quoten mit Wochenfenster und messe im Dashboard; in dieser Betriebsform gibt es keine Lane, die eine Million Ausgabetoken in einem Arbeitsgang verbraucht. Die Lanes, die davon profitieren würden, sind genau die beiden, die Argon laut Ankündigung zielt: Mehrschritt-Aufgaben wie die Rust-Migration, und Wissensarbeit mit großen Mengen an Material, in denen eine niedrige Halluzinationsrate wichtig bleibt. Für kleine Betriebe bedeutet das Konkretes: Ein Arbeitsgang über hunderte tausend Output-Tokens ist bei diesen Preisen ein zweistelliges Dollarkostenereignis in der Einführungsphase, und es ist zugleich die einzige Art, Mehrschritt-Agenten ohne Rückfragen durchzufahren. Wichtiger als der Preis ist die Art der Distribution: Frontier-Kapazität kommt gestaffelt über Vertrauensprogramme und Regierungsaustausch in den Markt, die Sichtbarkeit der Fähigkeiten ist entsprechend verschoben. Wer heute auf Zahlen aufbaut, baut auf dem Stand dessen, was die erste Runde an Testern gesehen hat, nicht auf dem Endstand.

Der Ankündigungstext rahmt Argon als Modell für echtes Codieren, Wissensarbeit im Enterprise und Cyber-Verteidigung; die Sicherheitsbegleitung kommt von Anca Dragan und Raluca Ada Popa in einem eigenen Beitrag. Argon ist das erste Modell der Gemini-4-Familie; wenn Google hier anfängt, haben die nächsten Versionen einen hohen Schwellen zu unterbieten. Das Auslöser-Video endet mit der Frage, ob Google wirklich zurück ist oder Opus 5.5 unantastbar bleibt. Meine Antwort aus dem Deck ist nüchtern: Die Zahlen beim Lesen großer Mengen an Material sind stark, der Alltags-Codier-Vergleich bleibt offen, und das 1-Million-Ausgabe-Limit ist der Teil, der Architekturen langfristig entscheidet.

Über den Autor: Ich bin Marcel, Grafikdesigner, und betreibe das HUNTER-Cyberdeck auf einem gebrauchten Google Pixel 6a. Ich orchestriere meine Agentenfamilie mit Hermes, pi und herdr und schreibe diese Beiträge aus dem laufenden Betrieb. Zuletzt fachlich geprüft am 14.10.2026.

Quellen: Google, Gemini 4 Argon: our next era of frontier intelligence, offizielle Ankündigung von Koray Kavukcuoglu mit den Zahlen zu DeepSWE v1.1 (77,9%), Vals Index, AutomationBench (51,3%), LVBench (91,7%), CWE-bench v1 (68%), den internen Beispielen (Quantum 40% über Baseline, Speicher über 300 TiB, Rust-Migrationen inkl. libgav1 2,7-fach) und der Preisstaffel (2/10 Dollar Einführungspreis, 4/20 Dollar danach), abgerufen am 14.10.2026. Google DeepMind: Fairwind-Programm-Seite sowie Blogbeitrag Developing Gemini 4 Argon responsibly and safely von Anca Dragan und Raluca Ada Popa, abgerufen am 14.10.2026. Wiz: Scan for Good Initiative, abgerufen am 14.10.2026. YouTube: TheAIGRID, Google Just DROPPED Its Most Powerful AI Ever, Auslöser-Video, gesichtet am 14.10.2026; die Vergleichszahlen zu Vals und Harvey stammen aus dessen Scorecard-Lesart und sind im Text gesondert gekennzeichnet.