Gemini 4 Argon breed beschikbaar: Google terug bij de koplopers

Google heeft op 13 oktober Gemini 4 Argon breed beschikbaar gemaakt. Het model werd op 30 september al onthuld, maar was tot nu toe alleen toegankelijk voor geselecteerde cybersecurityteams via Google's Fairwind-programma. Nu kunnen ontwikkelaars en bedrijven het gebruiken via de Gemini API en AI Studio, en consumenten met een AI Pro- of Ultra-abonnement in de Gemini-app en AI Mode in Search. Ultra-abonnees krijgen het ook in de programmeeromgeving Antigravity.

Voor Google is het een belangrijk moment. Gemini 3.1 Pro stamt uit februari; de beloofde opvolger Gemini 3.5 Pro liep maandenlang vertraging op en werd uiteindelijk vervangen door een nieuw model. Argon is volgens Artificial Analysis het eerste nieuwe grote Google-model in ruim zeven maanden. In die tijd trokken OpenAI (GPT-6 Astra) en Anthropic (Claude Opus 5.5 en Fable 5.1) weg.

Wat zegt Google zelf?

Volgens de modelkaart is Argon een groot sparse mixture-of-experts-model: een transformer waarin per stukje tekst maar een deel van het netwerk actief is. Het is van de grond af getraind, niet bijgeschaafd uit een eerder model, en verwerkt tekst, beeld, audio en video. Het kan tot 1 miljoen tokens aan input en output samen aan, en kan een antwoord van maximaal 1 miljoen tokens schrijven. De vorige grens lag op 64.000. De kennis van het model loopt tot maart 2026.

In Google's eigen vergelijking wint Argon op 13 van de 19 benchmarks van GPT-6 Astra, Claude Opus 5.5 en Claude Fable 5.1, en speelt het op één gelijk. De duidelijkste voorsprongen:

• Agents en kenniswerk: op AutomationBench (taken automatiseren) scoort Argon 51,3 procent tegen 42,5 voor Opus 5.5 en 41,4 voor Astra. Op Harvey's juridische agent-benchmark is het verschil nog groter: 19,6 procent tegen hooguit 6,7 voor de rest.
• Lange context: bij het doorzoeken van teksten van 256.000 tot 1 miljoen tokens (GraphWalks) haalt Argon 84,2 procent, tegen 71,8 voor Astra en 66,8 voor Opus 5.5.
• Wetenschap: op LABBench2, dat biologisch onderzoekswerk test, scoort Argon 88,8 procent tegen 85,4 voor Astra en 73,1 voor Opus 5.5. Op RiemannBench (wiskunde) is het 76,0 tegen 72,0.
• Programmeren: op DeepSWE v1.1 haalt Argon 77,9 procent, tegen 74,2 voor Opus 5.5 en 74,1 voor Astra.

Maar Argon verliest ook op onderdelen die ertoe doen. Op FrontierSWE v2, een zwaardere programmeertest, scoort het 55,0 procent tegen 65,5 voor Astra. Op Terminal-Bench 4.0, waarin een model zelfstandig in een terminal moet werken, is Opus 5.5 met 66,4 procent duidelijk beter dan Argon met 57,4. En op Terminal-Bench Science, met afgebakende onderzoeksopdrachten, blijft Argon ruim tien punten achter op Astra, ondanks dat Google het model zes keer zoveel tijd gaf als standaard.

Ook de methode verdient een kanttekening. Op een deel van de benchmarks draaide Google Argon zelf en nam het de scores van concurrenten over van ranglijsten of uit hun eigen publicaties. Dat maakt de vergelijking minder zuiver.

Wat zeggen onafhankelijke metingen?

De onafhankelijke cijfers zijn nuchterder. Op de Intelligence Index van Artificial Analysis scoort Argon 53, gelijk aan GPT-6 Astra en Claude Fable 5.1, maar achter Claude Opus 5.5 met 58. Ten opzichte van Gemini 3.1 Pro (30) is dat wel een enorme sprong voor Google zelf. Op de Agent Arena-ranglijst, waar mensen agents in de praktijk beoordelen, staat Argon achtste. Op de tekstranglijst van Arena, op basis van menselijke voorkeur, stond Argon bij de onthulling voorlopig bovenaan.

Opvallend is de lage hallucinatiegraad: in een test van Artificial Analysis verzint Argon in 15 procent van de gevallen een antwoord, tegen 51 procent bij Astra. Dat komt deels doordat Argon vaker zegt het niet te weten; het geeft niet vaker het goede antwoord.

Waar zit de echte stap vooruit?

Niet in ruwe intelligentie, maar in drie andere dingen.

Prijs. Tot 30 november kost Argon $2 per miljoen input-tokens en $10 per miljoen output-tokens; daarna $4 en $20. GPT-6 Astra kost $10 en $50. Argon schrijft wel langere antwoorden: per taak in de index van Artificial Analysis gebruikte het ongeveer 62.000 output-tokens tegen 27.000 voor Astra. Per taak kost Argon nu $1,99 tegen $3,26 voor Astra; tegen de normale prijs wordt dat $3,98. Het prijsvoordeel is dus tijdelijk groot en daarna beperkt.

Lange context. Een miljoen tokens in één antwoord, en goede scores bij het werken met zeer lange teksten, maken het geschikt voor taken als het herschrijven van hele codebases. Google noemt als voorbeeld een refactor in de codebase van Chrome, van zo'n 40 miljoen regels, waarbij maanden werk in weken zou zijn gedaan.

Wetenschap en de echte wereld. Google claimt dat Argon hielp bij het ontwerpen van vijf nieuwe enzymen die in het lab werkzaam bleken, een kwantumberekening meer dan honderd keer goedkoper maakte, en tegenvoorbeelden vond voor een vermoeden uit de kernfusie-natuurkunde. Ook leerde het een vaardigheid uit video (cornhole, zakjes gooien) die werd overgezet op de humanoïde robot Apollo van Apptronik. Dit zijn allemaal claims van Google zelf, nog niet onafhankelijk bevestigd.

Veiligheid

Google zegt dat het in zijn eigen veiligheidstoetsing niet kan uitsluiten dat Argon kritieke drempels haalt op het gebied van chemische en biologische wapens, cyberaanvallen en situationeel bewustzijn. Daarom zijn extra beveiligingslagen ingebouwd. Het model is getraind om onomkeerbare stappen eerst aan een mens voor te leggen, en een monitor houdt zijn redeneringen en acties in de gaten. Opvallend: Google zegt de gedachtegang van het model tijdens de training bewust niet te hebben afgestraft, zodat die eerlijk en controleerbaar blijft.

Wat betekent dit voor de weg naar de singulariteit?

Argon is geen sprong naar een nieuw niveau, maar het bevestigt een patroon: drie labs zitten nu dicht op elkaar aan de top, en elke paar maanden schuift de grens op. Dat maakt de vooruitgang minder afhankelijk van één bedrijf, en de concurrentie drukt de prijs per taak omlaag. Belangrijker is waar Argon wél uitschiet: zelfstandig werk over lange periodes en grote hoeveelheden informatie, en bijdragen aan echt laboratoriumonderzoek. Dat zijn precies de vaardigheden die nodig zijn voor AI die wetenschap, en uiteindelijk AI-onderzoek zelf, versnelt. Dat Argon juist op de zwaarste programmeer- en terminaltests achterblijft, laat zien dat die laatste stap nog niet gezet is.