Gemini 4 Argon: Google bringt sein Spitzenmodell zuerst zu Cyberverteidigern

Ein Launch von hinten aufgezäumt

Google DeepMind stellt Gemini 4 Argon als sein neues Spitzenmodell vor, das für tiefes Reasoning bei langen, komplexen Aufgaben ausgelegt ist. Drei Einsatzfelder stehen im Fokus: reale Softwareentwicklung, Wissensarbeit in Unternehmen (Recht, Finanzen) und Cyberverteidigung.

Der Zeitplan ist ungewöhnlich. Das Modell kommt nicht zuerst zu Entwicklern, sondern zu einer Gruppe vertrauenswürdiger Cyberverteidiger über das Fairwind-Programm. Google gibt an, am freiwilligen Prozess der US-Regierung zum Vorab-Zugang zu Modellen teilzunehmen.

Die breite Öffentlichkeit, Unternehmen und Entwickler folgen anschließend, „so schnell wie möglich“, beginnend mit zahlenden API-Kunden und Google-AI-Ultra-Abonnenten. Ein Datum wird nicht genannt. Der Einführungspreis hingegen schon: 2 $ pro Million Input-Tokens, 10 $ für Output, und 95 % Rabatt auf gecachten Input.

Was Argon bei Google bereits leistet

Der Blogbeitrag betont die interne Nutzung: Tausende Googler sollen es für spezialisierten Code, tiefgehende Recherche und Textarbeit einsetzen. Drei Beispiele werden mit Zahlen untermauert.

Im Quantencomputing hilft Argon, die Raum-Zeit-Ressourcen (Qubits × Gatter) kritischer Subroutinen zu optimieren; in einem Fall schlug es die veröffentlichte Referenz in wenigen Minuten um 40 %. Bei der Infrastruktur hat ein Team von Argon-Agenten die Profiling-Telemetrie der Flotte analysiert und eigenständig Speicheroptimierungen vorgenommen: über 300 TiB freigegeben, mit erwarteten Einsparungen zwischen 500 TiB und 1 PiB.

Die dritte Baustelle ist die Migration von C/C++-Code zu Rust, von Bibliotheken wie re2 und libgav1 bis zum Zircon-Kernel von Fuchsia mit seinen 800K+ Zeilen. Bei libgav1 ersetzten die Agenten 32K Zeilen SIMD-Code durch sicheres Rust, das der Compiler eigenständig vektorisiert – Ergebnis: ein Decoder, der 2,7-mal schneller ist als die bestehende Rust-Portierung, bei identischem Videoausgang. Google betont, dass diese Umschreibungen weiterhin automatisierte und manuelle Audits, Emulationstests und Reviews vor dem Produktionseinsatz durchlaufen.

1 Million Tokens Output

Die konkreteste technische Änderung für Nutzer ist das Output-Limit, das von 64K auf 1M Tokens steigt. Google bezeichnet es als das höchste der Branche.

Die Idee: Das Modell soll in einem einzigen Durchlauf Hunderttausende Tokens produzieren können, um ein schwieriges Problem „auf einen Schlag“ zu lösen, statt viele Hin- und Herrunden zu benötigen. Das ist eine Wette auf lange agentische Aufgaben – und potenziell teuer bei 10 $ pro Million generierter Tokens.

Unternehmen und Multimodalität: der Benchmark-Regen

Beim Code setzt Argon mit 77,9 % auf DeepSWE v1.1, das lange Softwareentwicklungsaufgaben misst, einen neuen Bestwert. Außerhalb von Code führt es den Vals Index an, der Finanzen, Code, Recht und Steuern entsprechend ihrem Anteil am US-BIP gewichtet, und beansprucht gute Ergebnisse auf Vals Finance Agent v2 sowie Harveys Legal Agent Benchmark.

Beim AutomationBench, Zapiers Benchmark für die End-to-End-Ausführung geschäftlicher Funktionen, liegt Argon mit 51,3 % vorn. Im Bereich Vision erreicht es 91,7 % auf LVBench, das sich mit dem Verständnis langer Videos befasst, und Google hebt zudem die Analyse von Diagrammen sowie Handlungen auf Basis einer Reihe von Dokumenten hervor.

Cyberverteidigung, der Kern der Ankündigung

Argon wurde speziell für die Verteidigung trainiert: kritische Schwachstellen autonom finden, validieren und beheben. Für vertrauenswürdige Verteidiger und interne Teams wird es ohne Cyber-Schutzmechanismen bereitgestellt, um die volle Leistungsfähigkeit zu nutzen.

Wiz nutzt es bereits in seiner Initiative Scan for Good, die kostenlos kritische öffentliche Infrastrukturen schützt. Das Modell entdeckte dort eine kritische Schwachstelle, die sensible personenbezogene Daten in einer weltweit in Krankenhäusern eingesetzten Gesundheitssoftware offenlegte – eine Lücke, die frühere Modelle übersehen hatten.

Auf CWE-bench v1, das die Behebung von Schwachstellen bewertet, teilt sich Argon mit 68 % den ersten Platz. Google verweist zudem auf Fortschritte beim internen Benchmark (gefundene Schwachstellen in Codebasen über 20 Programmiersprachen) sowie beim Black-Box-Pentest-Benchmark von Wiz, verglichen mit dem Vorgänger 3.8 Flash Cyber.

Schutzmechanismen vor der Öffnung

Google beschreibt vier Maßnahmen. Gegen Missbrauch (Cyber und CBRN) verweigert das Modell gefährliche Anfragen, während legitime Dual-Use-Forschung weiterhin möglich bleibt; Google überwacht die internen Aktivierungen des Modells, um Missbrauch zu erkennen, unterstützt durch interne und externe Red Teams.

Gegen indirekte Prompt-Injektion soll Argon dank automatisiertem Red Teaming und adversarialem Training das robusteste Modell am Markt beim IPI-Benchmark von Gray Swan sein. Gegen Fehlausrichtung überwacht Google die Gedankenkette und die Handlungen des Modells und kann die Ausführung stoppen.

Bemerkenswert: Warnungen aus der Trainingsüberwachung werden nicht ins Training zurückgespeist, um dem Modell nicht beizubringen, die Kontrolle zu umgehen. Google ruft den Rest der Branche dazu auf, die Transparenz des Reasonings zu bewahren. Schließlich sind Sandbox-Umgebungen vor Hochrisiko-Trainings und -Bewertungen isoliert und versiegelt.