KI · SOFTWARE · CYBERSICHERHEIT
Google setzt mit Gemini 4 Argon auf eine KI, die nicht nur einzelne Fragen beantwortet, sondern lange und anspruchsvolle Arbeitsabläufe begleiten soll. Im Mittelpunkt stehen Programmierung, professionelle Wissensarbeit und die Abwehr von Cyberangriffen. Der Start erfolgt bewusst schrittweise, denn die neuen Fähigkeiten bringen neben großem Nutzen auch neue Verantwortung mit sich. Wir erklären, was hinter dem Modell steckt, wer es zuerst nutzen kann und welche Angaben noch mit Vorsicht zu bewerten sind.
Mehr als ein normales Update?
Gemini 4 Argon ist Googles neues Spitzenmodell für Aufgaben, die aus vielen aufeinander aufbauenden Schritten bestehen. Solche Abläufe scheitern bei heutigen KI-Systemen oft daran, dass wichtige Details verloren gehen, Zwischenergebnisse nicht sauber geprüft werden oder das Modell vor dem eigentlichen Ziel abbricht. Argon soll länger konzentriert arbeiten, umfangreiche Informationen zusammenführen und auch bei komplexen Projekten einen nachvollziehbaren Lösungsweg beibehalten.
Besonders auffällig ist das von Google genannte Ausgabelimit von bis zu einer Million Tokens. Damit könnte das Modell sehr große Ergebnisse innerhalb eines zusammenhängenden Arbeitsvorgangs erzeugen – etwa eine ausführliche Softwareanalyse, eine umfangreiche Dokumentation oder einen mehrstufigen Forschungsbericht. Ein großes Limit allein garantiert allerdings noch keine gute Antwort. Entscheidend bleiben die Qualität der Ausgangsdaten, eine präzise Aufgabenstellung und die anschließende Kontrolle durch Menschen.
Für die breite Öffentlichkeit ist Gemini 4 Argon zunächst nicht sofort freigegeben. Google startet mit ausgewählten Fachleuten aus der Cybersicherheit im sogenannten Fairwind-Programm. Danach soll der Zugang schrittweise auf Entwickler, Unternehmen und später auch Privatnutzer ausgeweitet werden. Ein verbindlicher Termin für eine allgemeine Verfügbarkeit wurde noch nicht genannt.
Programmierung und Wissensarbeit
Google positioniert Argon vor allem als Arbeitsmodell für Softwareentwicklung, Finanzen, Recht und andere wissensintensive Bereiche. Nach Unternehmensangaben erreicht das Modell im Software-Benchmark DeepSWE v1.1 einen Wert von 77,9 Prozent. Beim AutomationBench, der vollständige Abläufe in typischen Unternehmensbereichen prüft, nennt Google 51,3 Prozent. Hinzu kommen hohe Werte bei Finanzrecherche, juristischer Analyse und dem Verständnis langer Videos. Diese Zahlen zeigen die Richtung, ersetzen aber keine Prüfung im eigenen Arbeitsalltag.
Auch intern setzt Google das Modell bereits ein. Argon-Agenten sollen unter anderem Telemetriedaten aus Rechenzentren analysiert und Optimierungen gefunden haben, durch die mehr als 300 Tebibyte Arbeitsspeicher frei wurden. Bei der Umstellung großer C- und C++-Codebestände auf Rust arbeitete das Modell an Projekten mit mehreren hunderttausend Codezeilen. Für den Videodecoder libgav1 beschreibt Google eine Rust-Optimierung, die gegenüber einer früheren Rust-Version deutlich schneller läuft und identische Videoausgaben erzeugt.
Für Unternehmen liegt der mögliche Nutzen vor allem in der Verbindung mehrerer Arbeitsschritte. Eine KI könnte Dokumente sichten, Zusammenhänge herausarbeiten, einen ersten Entwurf erstellen, Widersprüche markieren und die Ergebnisse strukturiert für Fachleute vorbereiten. Das spart Zeit, verschiebt die Verantwortung aber nicht: Rechtliche Bewertungen, finanzielle Entscheidungen und Änderungen an produktiver Software brauchen weiterhin fachliche Kontrolle, Tests und klar geregelte Freigaben.
Cybersicherheit als Bewährungsprobe
Ein Schwerpunkt von Gemini 4 Argon liegt auf defensiver Cybersicherheit. Das Modell soll Schwachstellen in Programmen finden, ihre tatsächliche Ausnutzbarkeit prüfen und passende Korrekturen vorschlagen können. Im CWE-bench v1, einem Test zur Behebung typischer Softwarefehler, berichtet Google von 68 Prozent. Zudem beschreibt das Unternehmen einen Praxiseinsatz mit Wiz, bei dem eine schwerwiegende Schwachstelle in Software für Gesundheitseinrichtungen entdeckt worden sei.
Gerade diese Fähigkeit macht eine vorsichtige Einführung notwendig. Ein System, das Sicherheitslücken sehr gut erkennt, kann Verteidiger unterstützen, könnte bei Missbrauch jedoch auch Angreifern helfen. Die leistungsfähigste Variante wird deshalb zunächst nur vertrauenswürdigen Sicherheitsteams zugänglich gemacht. Google verweist außerdem auf Schutzmechanismen gegen schädliche Anfragen, interne Überwachung und abgeschottete Testumgebungen.
Ein weiteres Risiko sind indirekte Prompt-Injections. Dabei verstecken sich manipulierte Anweisungen beispielsweise in Webseiten, E-Mails oder Dokumenten, die eine KI während ihrer Arbeit auswertet. Argon soll gegen solche Angriffe robuster sein als frühere Modelle. Vollständig gelöst ist das Problem damit nicht. Unternehmen benötigen weiterhin begrenzte Zugriffsrechte, Protokollierung, getrennte Testsysteme und klare Regeln dafür, welche Aktionen eine KI selbstständig ausführen darf.
Preis, Zugang und Alltagsnutzen
Google nennt zum Start einen Einführungspreis von zwei US-Dollar pro Million Eingabe-Tokens und zehn US-Dollar pro Million Ausgabe-Tokens. Zwischengespeicherte Eingaben sollen deutlich günstiger sein. Nach der Einführungsphase sind vier US-Dollar für die Eingabe und 20 US-Dollar für die Ausgabe vorgesehen. Bei langen, rechenintensiven Aufgaben können dennoch erhebliche Kosten entstehen. Deshalb sollten Unternehmen nicht nur den Preis pro Token, sondern den gesamten Nutzen eines automatisierten Prozesses betrachten.
Geplant ist eine spätere Bereitstellung für zahlende API-Kunden und Abonnenten von Google AI Ultra. Für Privatnutzer bedeutet die Ankündigung vorerst vor allem einen Ausblick auf kommende Funktionen. Kurzfristig dürften Entwickler, Sicherheitsfachleute und große Organisationen am stärksten profitieren. Ob Argon im Alltag tatsächlich zuverlässiger arbeitet als bestehende Modelle, wird sich erst durch unabhängige Tests und reale Anwendungen zeigen.
Die spannendste Neuerung ist daher nicht ein einzelner Benchmark, sondern die Aussicht auf KI-Systeme, die längere Aufgabenketten übernehmen. Damit wächst zugleich die Bedeutung von Zugriffsregeln, Datenqualität und menschlicher Aufsicht. Gute Ergebnisse entstehen nicht durch maximale Automatisierung, sondern durch eine sinnvolle Arbeitsteilung: Die KI verarbeitet große Informationsmengen und schlägt Lösungen vor, während Menschen Ziele festlegen, Risiken bewerten und Entscheidungen verantworten.
Das ist jetzt wichtig
Gemini 4 Argon zeigt, wohin sich professionelle KI entwickelt: weg vom schnellen Antwortgeber und hin zum Werkzeug für umfangreiche Projekte. Die vorgestellten Leistungen sind vielversprechend, stammen derzeit aber überwiegend aus Angaben von Google und ausgewählten Partnern. Bis unabhängige Tests vorliegen, sollten Leistungswerte als Orientierung und nicht als Garantie verstanden werden.
Wer den späteren Einsatz plant, kann bereits jetzt Prozesse auswählen, die sich sicher testen lassen, und klare Qualitätskriterien festlegen. Besonders sinnvoll sind Aufgaben, bei denen Ergebnisse überprüfbar sind und keine unkontrollierten Änderungen an wichtigen Systemen erfolgen. So lässt sich der mögliche Produktivitätsgewinn nutzen, ohne Datenschutz, Sicherheit und fachliche Verantwortung aus der Hand zu geben.