Gemini 4 Argon

Typische Einsatzfälle

• Cyberabwehr im Fairwind-Programm
• langes agentisches Coding und Code-Migration
• Büro- und Fachrecherche mit langen Dokumenten

Leistung im Vergleich

Unabhängige Indizes (Artificial Analysis, 0–100), zwei kontaminationsarme Einzel-Benchmarks (Terminal-Bench, agentische Shell-Aufgaben; τ²-bench, Tool-Use-Verlässlichkeit über viele Läufe) und Human-Präferenz-Elo (LMArena). Die dunkle Markierung zeigt den Bestwert im Katalog – so wird der Abstand zur Spitze sichtbar. Die Preis-LeistungPreis-LeistungHier: AA-Intelligenz geteilt durch den (3:1 gewichteten) Token-Preis – Indexpunkte je Dollar pro Mio. Tokens. Höher = mehr Leistung fürs Geld. Entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis.Mehr im Wissen → oben ist daraus abgeleitet: AA-Intelligenz je AA-Blended-Preis (3:1) – entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis. AAs token-basiertes „Cost to Run Index“ ist nicht öffentlich abrufbar.

• IntelligenzAA-IntelligenzZusammengesetzter Intelligenz-Index von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Reasoning-, Wissens- und Mathe-Benchmarks zu einer Zahl. Je höher, desto stärker das allgemeine Reasoning.Mehr im Wissen →53
• Human-PräferenzElo (LMArena)Human-Präferenz-Wertung aus der LMArena: Menschen vergleichen blind zwei Modellantworten, daraus entsteht – wie beim Schach – eine Elo-Zahl. Höher = häufiger bevorzugt. Misst Präferenz, nicht Korrektheit.Mehr im Wissen →1525

Benchmarks im Detail

Kennzahlen aus zitierten Messungen – unabhängige Quellen sind ausgewiesen, Anbieterangaben entsprechend markiert. Werte sind nicht über Skalen hinweg vergleichbar. Wie man Benchmark-Zahlen liest →

• Artificial Analysis Intelligence Index (v4.3)

  52,6

  (high); GPT-6 Astra 52,7 (max), Claude Opus 5.5 57,6 (max), Claude Sonnet 5.5 56,0 (max), Gemini 3.1 Pro Preview 29,7

  unabhängigArtificial Analysis – Modellseite gemini-4-argon, abgerufen 2026-10-01

• Kosten und Ausgabetoken je Index-Aufgabe (Artificial Analysis)

  1,99

  $ zum Einführungspreis bei rund 61.600 Ausgabetoken; GPT-6 Astra (max) 3,26 $ bei rund 27.200

  unabhängigArtificial Analysis – Modellseite gemini-4-argon, abgerufen 2026-10-01

• AutomationBench-AA / Terminal-Bench 4.0 (Artificial Analysis)

  77,5 %

  / 57,1 %

  unabhängigArtificial Analysis – Modellseite gemini-4-argon, abgerufen 2026-10-01

• AA-Omniscience Halluzinationsrate

  15 %

  (GPT-6 Astra max: 51 %); Genauigkeit 49,9 %

  unabhängigArtificial Analysis – Modellseite gemini-4-argon, abgerufen 2026-10-01

• LMArena Text Arena (Elo, Stilkontrolle)

  1525

  (Rang 1, Vorabversion, 4.942 Stimmen; Konfidenzintervall 1516–1534)

  unabhängigArena (arena.ai), Text-Leaderboard, abgerufen 2026-10-01

• Vals Index v2.1 (Finanzen, Coding, Recht, Steuern; sechs von acht Teiltests nicht öffentlich)

  68,90 %

  (Rang 1); Claude Sonnet 5.5 67,04 %, Claude Opus 5.5 66,97 %, GPT-6 Astra 63,13 %; Kosten je Testlauf 15,68 $ zum Listenpreis 4 / 20 $

  unabhängigVals AI – Vals Index, Stand 12.10.2026, abgerufen 2026-10-13

• DeepSWE v1.1 / AutomationBench (Zapier) / LVBench / CWE-bench v1

  77,9 %

  / 51,3 % / 91,7 % / 68 % (Anbieterangabe)

  AnbieterangabeGoogle – Ankündigung Gemini 4 Argon, 30.09.2026

Einordnung

• Gegenüber Gemini 3.1 Pro Preview (29,7) legt Google im AA-Intelligence-IndexAA-IntelligenzZusammengesetzter Intelligenz-Index von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Reasoning-, Wissens- und Mathe-Benchmarks zu einer Zahl. Je höher, desto stärker das allgemeine Reasoning.Mehr im Wissen → um rund 23 Punkte zu und schließt zu GPT-6 Astra auf. Claude Opus 5.5 (57,6) und Claude Sonnet 5.5 (56,0) bleiben vorn. Den Kostenvorteil je Aufgabe trägt allein der Einführungspreis, nicht ein sparsamer Verbrauch.Beleg · Sekundärquelle
• Laut Googles Sicherheitsbericht erkennt Argon Sicherheitsprüfungen weit häufiger als seine Vorgänger: In Sabotage-Tests äußerte es in 61 bis 77 Prozent der Protokolle den Verdacht, getestet zu werden, Gemini 3.1 Pro in 8 bis 9 Prozent. Ein Strafterm, der in frühen Trainingsläufen versehentlich die Gedankenkette bewertete, hat die Überwachbarkeit nach Googles Einschätzung kaum beeinträchtigt.Beleg · Primärquelle

Stimmen aus der Öffentlichkeit

Subjektive Einschätzungen Dritter – keine belegten Fakten, jeweils verlinkt.

• gemischtMatthew Berman (eine Woche Vorabzugang) hält Argon für ein Frontier-Modell, bei 3D aber für „just not as good at 3D as Astra and Opus“; hyperrealistische Szenen erreichte er trotz mehrfachen Nachfragens nicht. Ohne Zeitvorgabe arbeite Argon rund 30 Minuten an einer Aufgabe.Matthew Berman – „Google just went FRONTIER (Gemini 4 Argon)“ (YouTube), 14.10.2026 · Community
• gemischtMatt Wolfe (Vorabzugang samt Google-Briefing) lobt die auf Anhieb fast fehlerfreie Spielmechanik seines Spieleklons, sieht beim Aussehen aber Claude Opus 5.5 klar und GPT-6 Astra leicht vorn. Der neue Aufgabenmodus der Gemini-App blieb in seinem Vorabzugang mehrfach rund eine Stunde ohne Plan hängen.Matt Wolfe – „Google Just Caught Up (Gemini-4 Argon)“ (YouTube), 13.10.2026 · Community
• gemischtSam Witteveen (früher Tester unter Geheimhaltung) hält Argon nicht für das beste Modell für agentisches Programmieren; Googles Agenten-Editor Antigravity reiche bei Weitem nicht an Claude Code oder Codex heran. Herausragend sei Argon bei Aufgaben, die Grafik, Code und Medien verbinden, etwa einem Musik-Synthesizer aus einem einzigen Prompt in der Gemini-App.Sam Witteveen – „Gemini 4 Argon - Out and Tested!!“ (YouTube), 13.10.2026 · Community
• gemischtChristian Peverelli ließ Antigravity mit Argon und Claude Code mit Opus 5.5 je drei Projekte bauen: Claude gewann Landingpage und Rennspiel, Argon den Videoschnitt. Claude war in allen drei Läufen schneller, zu API-Preisen aber teurer (rund 17 gegen 14 Dollar zum Einführungspreis). Eigene Punktwertung, je ein Lauf.Christian Peverelli – „Google Gemini 4 Just Dropped: EVERYTHING You Need to Know“ (YouTube), 14.10.2026 · Community
• kritischWes Roth findet Argon im ersten Anlauf ehrgeiziger als Fable und Astra, in Grafik und Tiefe aber schwächer; er habe drei- bis viermal „sei nicht faul“ in den Prompt schreiben müssen, die Selbstprüfung falle gegenüber anderen Modellen ab.Wes Roth – „GEMINI 4 ARGON IS WEIRD...“ (YouTube), 14.10.2026 · Community