Gemini 4 Argon: Entwickelt, um Ihre schwierigsten Probleme zu lösen

Gemini 4 Argon ist ab heute weltweit für Entwickler und Unternehmen über die API in AI Studio und Gemini platformverfügbar, für Google AI Ultra Abonnenten in Google Antigravitysowie für Google AI Ultra- und Pro-Abonnenten in der Gemini App und im AI Mode in Search.

Argon zeichnet sich bei anspruchsvollen, komplexen Aufgaben in der Praxis in Bereichen wie Programmierung, Finanzen, Recht, Cybersicherheit und Wissenschaft aus. Seine Tiefe und Präzision bei mehrstufigen Aufgaben führen dazu, dass Argon andere Frontier-Modelle bei Benchmarks in verschiedenen Bereichenübertrifft und Platz #1 im Vals Indexbelegt, der die Modellleistung in wichtigen Wirtschaftssektoren wie Finanzen, Programmierung, Recht und Steuerarbeit misst.

Das Modell startet heute zu einem Einführungspreis ¹ von $2 pro Million Eingabe-Tokens und $10 pro Million Ausgabe-Tokens (bei zwischengespeicherten Eingabe-Tokens mit 95% Rabatt).

Teams bei Google, in Unternehmen und in der Forschungsgemeinschaft setzen Argon bereits ein, um in verschiedenen Bereichen erhebliche Wirkung zu erzielen:

• Zur Lösung großer technischer Probleme wie Refactoring und Optimierung großer Codebasen
• Zur Optimierung von Geschäftsabläufen in Bereichen wie Recht, Finanzen und Wissenschaft
• Zum Auffinden und Beheben kritischer Cybersicherheits-Schwachstellen
• Zur Ermöglichung neuartiger Durchbrüche in Quantencomputing, Kernfusion und Lebenswissenschaften

Lösung komplexer technischer Aufgaben

Bei Google setzen wir Argon bei unseren schwierigsten technischen Problemen ein. In den vergangenen Wochen haben Softwareingenieure hochwertigen Code schneller als je zuvor ausgeliefert. Argon in Antigravity hat Teams geholfen, die Anzahl agentischer Code-Einreichungen um mehr als 35% zu steigern und Code-Rollbacks um fast ein Drittel zu reduzieren.

• Entwirrung von Browser-Feature-Code in Chrome: Argon half dem Chrome-Team, die Kernverarbeitung von Webseiten von einem rund 6 Millionen Zeilen umfassenden Legacy-Ordner mit Browserfunktionen innerhalb von Chromes 40 Millionen Zeilen Codebasis zu trennen. Mehrere saubere Codeänderungen gleichzeitig einpflegendhalf Argon dem Team, ein architektonisches Refactoring über hunderte Dateien abzuschließen und monatelange Arbeit in Wochen zu erledigen. Für Chromes Milliarden weltweiter Nutzer wird dies ermöglichen, dass Live-Webseiten flüssig zwischen Tabs, Seitenpanels und schwebenden Fenstern wechseln können, ohne neu zu laden, und eliminiert damit eine ganze Kategorie von Browser-Abstürzen.

• Optimierung einer Python-Produktionscodebasis in Stunden: Argon in Antigravity hilft dem Team hinter Googles Open-Source- Agent Development Kit (ADK), einem Framework für Enterprise-Agents, ihre Performance-Optimierung weiter voranzutreiben. Das Team gab Argon sein .agents/skills -Regelwerk und ein einziges Absatz-Ziel: Framework-Overhead zu beseitigen, ohne bestehende Apps zu beschädigen. Autonom über Nacht arbeitend brachte Argon Optimierungen hervor, jetzt live in google/adk-python, die die Vorbereitungszeit für In-Memory-Sitzungen in langen Sitzungen um 40% senkten und Cold Imports um 21% beschleunigten. Lesen Sie den Engineering Deep Dive um mehr zu erfahren.
• Optimierung eines Open-Source-Pakets für Quantenchemie: xTB (Semiempirical Extended Tight-Binding) ist eines der am häufigsten zitierten Open-Source-Pakete für Quantenchemie für Moleküle. Wissenschaftler nutzen es, um die 3D-Struktur von Molekülen vorherzusagen und große Zahlen von Arzneimittel- und Materialkandidaten zu prüfen. Mit Argon in Antigravity machten unsere Forscher xTB bis zu 2.3x schneller bei der Vorhersage molekularer Strukturen und 1.8x schneller bei der Konformersuche. Die Änderungen wurden zum offiziellen xTB-Repository auf GitHub beigetragen.
• Unsere offenen Gemma-Modelle beinahe dreimal so schnell machen: Mit Argon erreichten wir eine 2.85x End-to-End-Inferenz-Beschleunigung auf einer A100 über vLLM (Steigerung des Durchsatzes von ~37,900 auf über 108,000 Token pro Sekunde auf Gemma 4 E2B) mit 100% Token-Parität und null Qualitätsverlust in nur wenigen Tagen – ein Prozess, der normalerweise Monate dauert. Sehen Sie sich die Upstream-Pull-Requests an (von der Optimierung des Attention-Tunings bis zum speculative decoding), um die genauen Änderungen zu sehen.
• Komplexe 3D-Visualisierungen liefern: Argon bringt im Vergleich zu früheren Gemini-Modellen große Fortschritte bei räumlichem Denken, mathematischer Präzision und visuellem Coding. Mit Slash-Befehlen wie /goal und dem Anfordern von Multi-Agent-Schleifen mit benutzerdefinierten Skills in Antigravity nutzen Googler Argon, um komplexe 3D-Visualisierungen, hochauflösende Spiele und interaktive Animationen in reinem Code zu prototypisieren, die direkt im Browser gerendert werden können.

Argon erstellte ein hochdetailliertes Modell einer Pagode mithilfe von Multi-Agent-Visual-Critique-Schleifen in Antigravity. Das Modell formte autonom einen Tempelkomplex mit mehreren Gebäuden mit photorealistischer Architektur, Bepflanzung und Beleuchtung in Blender.

Argon verwandelte Bilder eines echten Schreibtischs mithilfe einer Multi-Agent-Schleife in Antigravity in ein spielbares Miniatur-Rennspiel. Die Schreibtischobjekte, der Raum und die Rennstrecke wurden mit Blender MCP modelliert und kollisionsgeprüft, mit Nano Banana texturiert und mit Physik, benutzerdefinierten Shadern und Auto-Motor-Audio von Gemini Omni Flash in Three.js verdrahtet. Jetzt ausprobieren in Google AI Studio.

Argon in Antigravity schrieb Python-Skripte, um ein komplexes 3D-Spiel prozedural zu modellieren, zu riggen, zu animieren und PBR zu backen, und zwar mithilfe von Multi-Agent-Visual-Critique-Schleifen, und verdrahtete es anschließend für das Web in Three.js mit GLSL-Shadern, Zerbrechens-Physik und einer Einzelspieler-KI. Jetzt ausprobieren in Google AI Studio.

Ohne externe Bibliotheken und mit 100% reinem Python schrieb Argon seine eigene 3D-Ray-Tracing-Engine mit einem benutzerdefinierten Videowerkzeug und Audiomischer, um eine sonnenbeschienene Bibliothek von Grund auf zu bauen und zu dokumentieren, und erstellte, vertonte und montierte dieses Video mit Gemini 3.8 TTS-Sprechstimme und Musik von Lyria 3.5. Sehen Sie sich den Quellcode.

an. Ausgehend von einem einzelnen Nano-Banana-Bild in Antigravity steuert Argon Blender MCP in einer autonomen Schleife, richtet Kameraraster aus, modelliert gotische Architektur und inszeniert audioreaktive Beleuchtung, um eine fertige 3D-Szene zu erstellen.

Kritische geschäftliche und professionelle Workflows transformieren

Argon kombiniert Frontier-Reasoning, tiefe visuelle Wahrnehmung, erweitertes Domänenwissen und stärkere Schreibfähigkeiten in den Bereichen Recht, Finanzen, Wissenschaft und Coding, um bei hochriskanten professionellen Workflows zu helfen. Es kommuniziert klar, hält Sie auf dem Laufenden und befolgt Stilvorgaben besser als jedes unserer früheren Gemini-Modelle. Argon beantwortet Fragen direkter mit weniger Abschwächungen, wiederholt sich nicht mehr als nötig und vermeidet in den gesamten Antworten Floskeln.

Enterprise-Kunden und Startups in unserem Early-Access-Programm verzeichnen bereits große Erfolge mit Argon.

Mit seinem fortgeschrittenen Reasoning und seinen multimodalen Fähigkeiten bei gleichzeitiger strikter Fundierung ist Argon stark im tiefen multimodalen Dokumentenverständnis, in longitudinaler Datenanalyse und in interaktiven analytischen Sandboxes.

Sehen Sie, wie Argon ~50 GB Airborne-LiDAR-Scans, GIS-Raumvektoren, CAD-Zeichnungen der Library of Congress und NPS-Archive synthetisiert, um 3D-Modelle des Chaco Canyon zu rekonstruieren und fragmentierte archäologische Aufzeichnungen in erkennbare digitale Kulturerbe-Stätten zu verwandeln. Jetzt ausprobieren in Google AI Studio.

In der Gemini App nimmt Argon einen unstrukturierten Ordner voller Projektkontext und formatiert ihn mithilfe eines benutzerdefinierten Skills in ein sauberes Angebotsdeck für einen Kunden. Gemini entwirft dann das Deck und sendet es per E-Mail an den Kunden und erstellt gleichzeitig mit einer geplanten Aufgabe einen automatisierten Workflow für alle künftigen eingehenden Kundenanfragen.

Sehen Sie, wie Argon Daten aus 3 Open-Source-Repositories zu einem medizinischen Lernwerkzeug synthetisiert, mit dem Sie anatomische Schichten abziehen, klinische Metadaten einsehen und Biomechanik in einer 3D-Erkundung des menschlichen Körpers auslösen können.

Argon, das Antigravity in der Gemini macOS App nutzt, generiert Design-Iterationen für neue Beine für ein Sofa mit Nano Banana und erstellt dann eine 3D-druckbare Datei für eines. Ausgehend von einer Skizze der Maße und einem Foto des Sofas baut Argon das Modell in der richtigen Größe, damit es zum Sofa passt.

Bei Isomorphic Labs nutzt das Team Argon als Partner, um seine Workflows in der Wirkstoffforschung und -entwicklung zu beschleunigen. Argon kann komplexe PDFs und Patente schnell synthetisieren, um relevante Informationen zu extrahieren, und verkürzt so einen Prozess, der typischerweise Wochen dauert, auf Stunden.

Reale Wirkung mit Forschern und Domänenexperten beschleunigen

Forscher, Ingenieure und Sicherheitsspezialisten nutzen Argon bereits, um die Grenzen von Cyberabwehr, Wissenschaft, Mathematik und Robotik auszuloten. Es hilft Cyber-Verteidigern und Forschern, Hypothesen zu testen, kritische Codebasen und formale Beweise autonom zu prüfen und subtile Zero-Day-Schwachstellen und Logikfehler aufzudecken.

State-of-the-art-Cyber-Fähigkeiten für mehr vertrauenswürdige Verteidiger bereitstellen

Ab heute beginnen wir mit der Expansion auf hunderte weitere Fairwind Program -Partner.

Wiz nutzt Argon bereits für seine "Scan for Good"-Initiative, die kritische Infrastruktur zum öffentlichen Wohl und kostenlos schützt. Mit frühem Zugang zum Modell hat Wiz die praktische Wirkung von Argon in mehreren Hochrisikobereichen demonstriert:

• Sensibelste Regierungsdaten sichern: Im Rahmen eines langjährigen Programms zur Cyber-Resilienz und in Zusammenarbeit mit einer Bundesbehörde half Argon dabei, proaktiv eine Lücke zu identifizieren und zu beheben, die sensiblen Daten und Regierungsinfrastruktur gefährdete. Dieser Einsatz trug dazu bei, die Offenlegung kritischer Entwicklungsdetails des Sicherheitssektors und unbefugten Zugriff auf spezialisierte Modelle zu verhindern.
• Kritische Gesundheitsinfrastruktur schützen: Wiz nutzte Argon auch, um lebenswichtige Gesundheitsinfrastruktur zu schützen. Durch die Verkettung komplexer Schwachstellen half das Modell dem Team, einen öffentlichen Datei-Download-Bypass zu entdecken und schnell zu beheben, der einen Hauptschlüssel offenlegte und Administratorzugriff gewährte. Argon ging über das Aufspüren einer Schwachstelle hinaus und schützte proaktiv hunderttausende private Patientendaten.

Neue wissenschaftliche Durchbrüche ermöglichen

Argon entfaltet bereits in der Wissenschaftsgemeinschaft reale Wirkung — und ermöglicht Wissenschaftlern und Experten in mehreren Bereichen neuartige Entdeckungen.

• Quantencomputing: Argon hilft unseren Forschern, Fortschritte sowohl bei der Quantenfehlerkorrektur als auch beim Algorithmendesign zu beschleunigen. Damit Fehlerdecoder mit der Quantenhardware in Echtzeit Schritt halten können, übersetzte Argon eine interne Version von AlphaQubit, unserem ML-Decoder für Quantenfehlerkorrektur, in einen einzigen, hochoptimierten Hardware-Kernel — und verdoppelte nahezu seinen Inferenzdurchsatz, sodass wir größere und leistungsfähigere Modelle einsetzen und auf größere Quantengeräte skalieren können, während wir weiterhin strenge Echtzeitanforderungen erfüllen. Argon reduziert auch die Raum-Zeit-Kosten für Quanten-Subroutinen. Für arcsin, einen Baustein aktueller Quantensimulationsalgorithmen, reduziert eine von Argon geschriebene und in Lean formal verifizierte Implementierung die Raum-Zeit-Kosten um mehr als 100x im Vergleich zu einem publizierten quanten-CORDIC-Basiswert — ein Schritt in Richtung einer Standardbibliothek optimierter Quantenschaltkreise.
• Kernfusion: Stellaratoren sind unglaublich komplexe Maschinen und ein führender Kandidat für grenzenlose saubere Fusionsenergie, doch die Optimierung ihrer 3D-Magnetfelder ist berüchtigt schwierig. Seit 1967 ging eine langjährige Hypothese, bekannt als „Grads Vermutung“, davon aus, dass exakte mathematische Lösungen für diese Felder unmöglich zu finden sind — bis kürzlich Gegenbeispiele gefunden wurden, unter anderem von Professor Matt Landreman (University of Maryland). Nun hat ein Team bei Google gemeinsam mit Professor Landreman eine breitere Klasse von Gegenbeispielen zu Grads Vermutungentdeckt. Diese neuen Lösungen geben der Fusionsgemeinschaft verlässliche Benchmarks, um ihre Stellarator-Simulationscodes zu testen, die wertvolle Werkzeuge für künftige Entwürfe sind.
• Forschung zu seltenen Krankheiten: Forscher bei Gamow Labs nutzten Argon, um deidentifizierte Genome von Neugeborenen mit seltenen Entwicklungsstörungen der Lunge zu analysieren. In einem Fall identifizierte Argon eine chromosomale Umbildung, die routinemäßige Software jahrelang übersehen hatte, und erklärte, warum sie unentdeckt blieb. Auf privaten Gamow-Labs-Evals, die aus echten klinischen und Labordaten abgeleitet wurden, erreichte Argon die Spitzenposition bei RareBench (57 % bei Unterstützung bei der Diagnose seltener Krankheiten) und LabBench (52,2 % beim Wet-Lab-Reasoning). Diese Fortschritte deuten auf schnellere Diagnosen für Familien mit seltenen Erkrankungen hin. Weitere Details finden Sie im Blog ² .
• Enzymdesign: Die Entwicklung von Enzymen mit präziser Reaktivität ist berüchtigt langwierig und erfordert oft monatelange maßgeschneiderte Modellabstimmung und Kandidatenscreening. Serin-Esterasen sind eine Klasse von Enzymen, die Esterbindungen an Zielmolekülen spalten; sie werden häufig im Recycling sowie in der Herstellung von Pharmazeutika, Biokraftstoffen und Waschmitteln eingesetzt. Unsere Wissenschaftler arbeiteten mit Argon an der Konstruktion von Serin-Esterasen, mit dem Benchmark-Molekül 4MU-acetate als Ziel, das unter UV-Licht leuchtet, sobald seine Esterbindungen gebrochen sind. In wenigen Stunden sammelte Argon relevante Daten, führte die Modellabstimmung durch und identifizierte mehrere biochemieinspirierte Filter, um zu einem finalen Satz von fünf neuartigen Designs zu gelangen. anschließende Labortests bestätigten eine robuste katalytische Aktivität all dieser Designs. Die Geschwindigkeit und Einfachheit der erfolgreichen Enzymgenerierung zeigt das Potenzial für eine rasche Beschleunigung des Enzymengineerings in Bereichen wie Biomanufaktur, grüner Chemie und Arzneimittelentwicklung.

Um das Forschungstempo weiter voranzutreiben, bieten wir 10,000 Wissenschaftlern die höchste Nutzungstufe in Google Antigravity für 6 Monate kostenlos an (rollierendes Onboarding), vorbehaltlich von Berechtigung, Kapazität und Auswahl. Bewerbungen sind jetzt geöffnet.

Beschleunigung der Robotik-Entwicklung

„Indem Argon fortgeschrittenes visuell-semantisches Schlussfolgern, tiefes physikalisches Verständnis und autonome Code-Generierung zusammenbringt, erschließt es neue Workflows im gesamten Robotics-Stack und beschleunigt den Fortschritt hin zu physischer AGI. Dieser capability-Sprung zeigt sich in Argons Leistung bei der" Embodied Reasoning (ERQA) Benchmark, die die Fähigkeit eines Modells testet, physikalische, räumliche Probleme in 3D-Umgebungen zu verstehen und zu lösen. Argon übertrifft sich rein auf Logik verlassend alle anderen Frontier-Modelle, mit einer Punktzahl von 87 %.

Um diese Fähigkeiten in Aktion zu demonstrieren, haben wir Argons Fähigkeit getestet, eine außerhalb der Verteilung liegende physische Fähigkeit allein durch Zuschauen zu erlernen. In einem internen Test sah Argon ein Rohvideo eines Menschen, der Cornhole spielt, ordnete die räumlichen Koordinaten der Umgebung zu und berechnete die erforderlichen Ganzkörper-Gelenkbewegungen. Anschließend erstellte es autonom den Simulationscode. Als dies auf Apptroniks humanoiden Roboter Apollo übertragen wurde, versenkte der Roboter in einem Praxistest schnell sieben Würfe in Folge.

Diese „Video-to-Sim-to-Real“-Pipeline komprimiert Wochen manueller Simulationsmodellierung in wenige Stunden und verwandelt gewöhnliche Videos in einen skalierbaren, unendlichen Trainingsplatz für Robotik. Erfahren Sie mehr darüber, wie dies das Entwicklungstempo in der Robotik beschleunigt, in unserem Entwickler-Blog.

Argon verantwortungsvoll und sicher entwickeln

Sicherheit und Schutz sind grundlegend für die Modellentwicklung bei Google. Da Argon ein hochfähiges Modell ist, haben wir mit einer Vielzahl von Drittpartnern an der Messung bestimmter Modellfähigkeiten und Schutzmaßnahmen zusammengearbeitet. Gemini 4 Argon repräsentiert unseren bislang umfassendsten Sicherheits- und Schutzstapel:

• Schutz vor Missbrauch & Jailbreaks: Dieselben Coding- und wissenschaftlichen Fähigkeiten, die Verteidigern helfen, Krankenhaussoftware zu patchen oder die Bioingenieurwissenschaft zu beschleunigen, erfordern auch starke Schutzmaßnahmen gegen böswillige Akteure. Im Rahmen unseres Frontier Safety Framework haben wir Argons erweiterte Fähigkeiten in mehreren Domänen bewertet und einen mehrschichtigen Verteidigungsstapel eingesetzt, der Jailbreak-Resistenz, Überwachung und Durchsetzung kombiniert. Dies hat unsere Robustheit erheblich verbessert – so konnten externe Bio-Red-Teams beispielsweise weniger als 1 % der von uns getesteten Bio-Unteraufgaben freischalten. Darüber hinaus ist Argon bei gefährlichen Anfragen – vom Schreiben von Exploit-Code bis zur Hilfe bei gefährlichen biologischen Materialien – deutlich besser darin, schädliche Anfragen nicht zu erfüllen, als unsere früheren Modelle. Bei einem adversariellen Satz, der das Modell auf die Probe stellen soll, wurden Verstöße um fast das 2-fache reduziert – ebenfalls deutlich besser als bei früheren Gemini-Modellen.
• Ausrichtung von Agenten & Echtzeitüberwachung: Da Agenten zu fähigeren Problemlösern werden, müssen wir sicherstellen, dass sie nicht allzu eifrig sind, eine Aufgabe abzuschließen, indem sie unbefugte Abkürzungen nehmen, wenn sie auf ein Hindernis stoßen, wie einen Berechtigungsfehler oder einen fehlschlagenden Test.
  • Zunächst haben wir Argon darauf trainiert, Systemgrenzen zu respektieren, negative Ergebnisse ehrlich zu melden und vor irreversiblen Schritten auf eine menschliche Bestätigung zu warten. Bei Coding-Benchmarks, bei denen Modelle keinen Anreiz haben, sich zurückzuhalten, sanken Abkürzungsversuche bei Gemini 4 Argon auf nur 2 % – unsere beste Leistung im Vergleich zu früheren Gemini-Modellen.
  • Zweitens haben wir als weitere Verteidigungsebene einen automatisierten Fehlausrichtungs-Monitor entwickelt, der die schrittweisen Überlegungen und Aktionen des Agenten liest, um unbeabsichtigte Umgehungen in Echtzeit zu erkennen und zu blockieren. Wir haben diesen Monitor bei internen Bereitstellungen, Fähigkeitsbewertungen und Verstärkungslern-Trainingsläufen eingesetzt – wobei wir während des Trainings konsequent darauf verzichtet haben, die Gedanken des Modells zu bestrafen, damit sein Denken transparent und überwachbar bleibt.
• Resistenz gegen Prompt Injection: Wenn Agenten Webseiten durchsuchen, E-Mails lesen oder Code inspizieren, können sie auf versteckte bösartige Anweisungen stoßen, die darauf abzielen, ihre Aufgabe zu entführen. Durch adversarielles Training und automatisiertes Red Teaming führt Argon den Gray Swan Indirect Prompt Injection (IPI)-Benchmark an und senkt die Erfolgsquote von Angriffen über 15 adaptive Versuche auf 0,7 %.

Weitere Informationen finden Sie in der Gemini 4 Argon Model Card.

Legen Sie noch heute los

Argon arbeitet länger und härter, um hochkomplexe wissenschaftliche, Coding- und agentische Probleme zu lösen. Dies wird durch ein branchenführendes Limit von 1M vereinheitlichten Ein-/Ausgabe-Tokens über die Gemini API ermöglicht. Lesen Sie unsere Dokumentation für Entwickler und Unternehmen um das neue Continuation-Protokoll kennenzulernen und die passende Einrichtung für Ihre Anforderungen sicherzustellen. Argon wird heute weltweit ausgerollt:

• Für Entwickler: Bauen Sie mit der kostenpflichtigen Stufe der Gemini API, und wenn Sie Google AI Ultra-Abonnent sind, können Sie es in Google Antigravity, AI Studio und Android Studio ausprobieren.
• Für Unternehmen: Probieren Sie es in Gemini for Business, der API und in Google Antigravity aus.
• Für alltägliche Nutzer: Probieren Sie es ab heute in der Gemini App und im AI Mode in der Suche aus, wenn Sie Google AI Ultra- oder Pro-Abonnent sind.
• Für Wissenschaftler und Forschende: Bewerben Sie sich für die Chance, kostenlosen Zugang zur höchsten Nutzungsstufe von Google Antigravity für 6 Monate zu erhalten (fortlaufende Onboarding-Verfahren), vorbehaltlich der Berechtigung, Kapazität und Auswahl. Bewerbungen sind ab jetzt möglich.
• Für Cybersicherheit-Verteidiger: Beantragen Sie die Aufnahme in das Fairwind Program um fortlaufend Zugriff auf Argon ohne Cyber-Schutzmaßnahmen zu erhalten.

Gemini 4 Argon ist erst der Anfang. Wir freuen uns darauf, Ihnen den Rest der Gemini 4-Familie zu präsentieren.