Google DeepMind memperkenalkan Gemini 4 Argon pada 30 September 2026. Model ini ditujukan untuk pekerjaan yang membutuhkan penalaran panjang, penggunaan tool, pemrograman, pemahaman multimodal, dan beberapa tahap verifikasi. Namun, berbeda dari peluncuran model yang langsung tersedia di API atau aplikasi, Argon belum dibuka untuk umum. Google masih memperluas akses secara bertahap sambil memperkuat pengamanannya.

Saat ini, Gemini 4 Argon dipakai oleh kelompok terbatas ahli keamanan siber melalui program Fairwind. Google juga mengatakan ribuan karyawannya telah menggunakan model tersebut untuk pekerjaan pemrograman khusus, riset yang lebih dalam, dan penulisan. Akses untuk pengembang, perusahaan, dan konsumen akan dibuka kemudian, dimulai dari pelanggan API berbayar dan pelanggan Google AI Ultra.

Keputusan menahan akses ini menjadi bagian penting dari pengumuman. Argon bukan hanya model yang menghasilkan teks atau kode. Google menggambarkannya sebagai sistem yang dapat membantu menyelesaikan alur kerja kompleks dalam jangka panjang, termasuk migrasi kode berskala besar, analisis pengetahuan bisnis, dan pertahanan siber. Semakin besar ruang tindakan model, semakin besar pula konsekuensi jika sistem salah memahami tujuan atau dimanipulasi oleh konteks berbahaya.

Model dengan keluaran hingga satu juta token

Salah satu perubahan teknis yang paling jelas adalah peningkatan batas keluaran. Google menyebut Gemini 4 Argon dapat menghasilkan hingga satu juta token dalam satu lintasan, naik dari batas sebelumnya 64.000 token. Kapasitas ini dimaksudkan untuk tugas yang memerlukan analisis dan keluaran panjang tanpa harus memecah pekerjaan menjadi terlalu banyak sesi.

Konteks panjang bukan jaminan bahwa semua pekerjaan akan lebih baik. Model tetap perlu diberi tujuan yang jelas, data yang relevan, dan batas operasi yang aman. Keluaran yang panjang juga dapat membuat pemeriksaan manusia lebih berat bila tidak disertai struktur, ringkasan keputusan, atau catatan tentang bagian yang masih belum pasti. Untuk tugas agentic, kualitas proses—bukan hanya panjang jawaban—menentukan apakah kemampuan itu berguna.

Google melaporkan skor 77,9 persen untuk Argon pada DeepSWE v1.1, benchmark yang mengukur pekerjaan rekayasa perangkat lunak jangka panjang di dunia nyata. Perusahaan juga menyebut skor 51,3 persen pada AutomationBench dari Zapier dan 91,7 persen pada LVBench untuk pemahaman video panjang. Semua angka tersebut berasal dari evaluasi yang dipilih dan dijalankan oleh pihak terkait, sehingga lebih tepat dibaca sebagai sinyal awal daripada jaminan performa pada setiap proyek.

Klaim terbesar datang dari penggunaan internal Google

Google menyebut Argon dipakai untuk sejumlah proyek internal. Dalam satu contoh, perusahaan mengatakan model membantu peneliti komputasi kuantum meningkatkan kinerja referensi pada subrutin tertentu sebesar 40 persen. Contoh lain menyebut agen Argon menemukan optimasi memori yang, setelah diterapkan, membebaskan lebih dari 300 tebibyte memori dan diperkirakan dapat menghemat total 500 tebibyte hingga 1 pebibyte.

Ada pula pekerjaan migrasi kode C dan C++ ke Rust, termasuk proyek yang mencakup puluhan ribu baris hingga lebih dari 800.000 baris untuk kernel Zircon milik Fuchsia. Google menekankan bahwa perubahan pada sistem penting tetap melalui audit otomatis dan manual, pengujian emulasi, serta peninjauan sebelum masuk ke produksi. Detail ini penting: perusahaan tidak menggambarkan agen sebagai pengganti pemeriksaan, melainkan sebagai bagian dari alur yang masih membutuhkan kontrol berlapis.

Pada proyek libgav1, Google mengatakan agen Argon mengganti 32.000 baris kode SIMD dengan implementasi Rust. Hasil akhirnya disebut berjalan 2,7 kali lebih cepat daripada versi Rust sebelumnya dengan keluaran video yang identik. Klaim seperti ini menarik, tetapi pembaca tetap perlu membedakan hasil pada proyek internal tertentu dari kemampuan yang dapat diulang oleh semua pengguna.

Keamanan siber menjadi alasan akses dibatasi

Google melatih Argon untuk membantu pertahanan siber, termasuk mendeteksi, memvalidasi, dan memperbaiki kerentanan perangkat lunak. Perusahaan mengatakan Wiz memakai Argon melalui program Scan for Good untuk membantu mencari dan memperbaiki kerentanan berisiko tinggi pada infrastruktur publik. Google juga menyebut model tersebut menemukan kerentanan kritis pada perangkat lunak kesehatan yang dipakai rumah sakit dan mengekspos informasi pribadi sensitif.

Kemampuan ini punya dua sisi. Model yang dapat menemukan kerentanan dengan lebih baik juga berpotensi membantu pihak yang ingin mengeksploitasi sistem. Karena itu, Google menyebut beberapa lapisan pengamanan sebelum peluncuran umum: penolakan permintaan berbahaya, pemantauan aktivasi internal, pertahanan terhadap prompt injection, pengawasan misalignment, dan penguatan lingkungan terisolasi untuk pelatihan serta evaluasi berisiko tinggi.

Harga perkenalan yang diumumkan adalah 2 dolar per satu juta token input dan 10 dolar per satu juta token output. Setelah masa perkenalan berakhir, Google menyebut harga akan berubah menjadi 4 dolar untuk input dan 20 dolar untuk output. Token input yang tersimpan di cache mendapat diskon 95 persen dari harga input. Angka ini baru memberi gambaran biaya model; biaya sebenarnya tetap bergantung pada panjang konteks, jumlah putaran tool, dan frekuensi pekerjaan.

Gemini 4 Argon memperlihatkan arah persaingan model frontier yang semakin operasional. Fokusnya bukan hanya menjawab lebih cepat, tetapi menyelesaikan pekerjaan panjang dengan akses terhadap kode, dokumen, dan tool. Google belum membuktikan bahwa kemampuan itu akan bekerja sama baiknya di luar lingkungan internalnya. Untuk saat ini, pesan terpenting dari peluncuran ini justru ada pada kata “segera”: Argon diperkenalkan sekarang, tetapi akses luasnya masih menunggu pengujian dan pengamanan tambahan.

Sumber - Google, “Gemini 4 Argon: our next era of frontier intelligence” (30 September 2026): https://blog.google/intl/es-419/noticias-de-la-empresa/tecnologia/gemini-4-argon/ - Google DeepMind, “Gemini 4 Argon: our next era of frontier intelligence”: https://deepmind.google/blog/gemini-4-argon-our-next-era-of-frontier-intelligence/

Sumber - MIT FutureTech, “AI in Science: Early Insights” (16 September 2026): https://futuretech.mit.edu/publication/ai-in-science-early-insights