Gemini 4 Argon: Google bricht mit Pro und Flash – das steckt hinter dem neuen Modellnamen

KI-generiertes Bild.

Google verändert mit Gemini 4 nicht nur die technischen Fähigkeiten seiner KI-Modelle.

Auch bei der Namensgebung passiert etwas Interessantes.

Bisher war die Gemini-Welt vergleichsweise einfach aufgebaut.

Es gab beispielsweise:

  • Gemini Pro

  • Gemini Flash

  • Gemini Flash-Lite

  • verschiedene Audio- und Spezialvarianten

Mit der neuen Generation taucht nun plötzlich ein Modell auf, das nicht einfach:

Gemini 4 Pro

heißt.

Stattdessen lautet der vollständige Name:

Gemini 4 Argon.

Google hat Argon als erstes Modell der neuen Gemini-4-Familie vorgestellt und bezeichnet es als sein aktuelles Flagship- beziehungsweise Frontier-Modell für besonders komplexe Aufgaben.

Damit beginnt möglicherweise auch bei Gemini eine neue Art der Modellbenennung.

Aus Gemini Pro wird nicht einfach Gemini 4 Pro

Wer Googles bisherige Modellstrategie kennt, hätte vermutlich einen Namen wie:

Gemini 4 Pro

erwartet.

Genau das ist aber nicht passiert.

Google verwendet stattdessen:

Argon

als eigenständigen Modellnamen.

Die offizielle Modell-ID lautet entsprechend:

gemini-4-argon.

Damit ist Argon nicht bloß ein interner Codename, der irgendwann wieder verschwindet.

Der Name steht:

  • im offiziellen Google-Blog

  • in der Gemini-App

  • in Google AI Studio

  • in der Gemini API

  • auf der offiziellen Modellkarte

Google verwendet Argon also tatsächlich als öffentliche Produktbezeichnung.

Warum heißt das Modell ausgerechnet Argon?

Die vielleicht naheliegendste Frage beantwortet Google bislang allerdings nicht:

Warum Argon?

Argon ist eigentlich ein chemisches Element beziehungsweise Edelgas.

Es besitzt die Ordnungszahl:

18

und das Elementsymbol:

Ar.

Ob Google genau deshalb diesen Namen gewählt hat oder ob dahinter eine andere interne Bedeutung steckt, hat das Unternehmen bislang nicht offiziell erklärt.

Es wäre deshalb reine Spekulation, aus dem chemischen Element irgendwelche technischen Eigenschaften des Modells abzuleiten.

Was wir sicher wissen:

Argon ist die offizielle Modellbezeichnung – nicht nur ein vorübergehender Projektname.

Eine neue Namensstrategie für Gemini?

Interessanter als die Bedeutung des Wortes selbst ist deshalb die Frage:

Beginnt Google damit eine komplett neue Namensstrategie?

Bisher funktionierte Gemini hauptsächlich über Leistungsstufen.

Zum Beispiel:

Flash für Geschwindigkeit und Effizienz.

Pro für anspruchsvollere Aufgaben.

Flash-Lite für besonders günstige und schnelle Verarbeitung.

Bei Gemini 4 könnte Google dagegen stärker zwischen individuell benannten Spitzenmodellen unterscheiden.

Argon wäre dann nicht einfach nur:

„die Pro-Version von Gemini 4“

sondern ein eigenständiges Modell mit einer konkreten Position innerhalb der Familie.

Google selbst schreibt:

„Gemini 4 Argon ist erst der Anfang.“

Weitere Modelle der Gemini-4-Familie sollen also noch folgen.

Ob diese dann ebenfalls Namen wie Argon bekommen oder wieder Flash- beziehungsweise Lite-Bezeichnungen tragen, bleibt abzuwarten.

Argon ist das Spitzenmodell von Gemini 4

Technisch positioniert Google Argon ganz eindeutig am oberen Ende.

In der offiziellen Entwicklerdokumentation wird das Modell bezeichnet als:

„flagship reasoning model“

also:

Flaggschiff-Modell für komplexes Schlussfolgern.

Entwickelt wurde es besonders für:

  • komplexe Softwareentwicklung

  • Mathematik

  • wissenschaftliche Problemlösung

  • autonome mehrstufige Agenten

  • Finanzen

  • Recht

  • Cybersicherheit

Google möchte Argon also nicht primär als besonders schnellen Chatbot positionieren.

Das Modell soll dort eingesetzt werden, wo eine Aufgabe:

lange, kompliziert und mehrstufig

ist.

Kein aufgebohrtes Gemini 3.8

Ein weiterer wichtiger Punkt:

Gemini 4 Argon ist laut Google kein Fine-Tuning eines älteren Gemini-Modells.

Die offizielle Modellkarte beschreibt Argon ausdrücklich als:

neues Frontier-Modell

und nicht als Modifikation oder Weiterentwicklung eines bestehenden Gemini-3-Modells.

Das ist durchaus relevant.

Google hat also nicht einfach Gemini 3.8 genommen, etwas mehr Rechenleistung hinzugefügt und den Namen geändert.

Gemini 4 bildet eine:

neue Modellgeneration.

Multimodal von Anfang an

Argon kann unterschiedliche Eingabeformen verarbeiten.

Unterstützt werden:

  • Text

  • Bilder

  • Audio

  • Video

  • PDF-Dokumente

Die Ausgabe erfolgt derzeit hauptsächlich als:

Text.

Das Modell kann dadurch beispielsweise:

ein Video analysieren

und daraus Code, Beschreibungen oder Handlungspläne erstellen.

Oder:

mehrere umfangreiche PDFs gemeinsam untersuchen

und daraus eine Analyse erzeugen.

Gerade diese Multimodalität ist ein wichtiger Bestandteil von Googles Gemini-Strategie.

Eine Million Token – aber diesmal besonders interessant

Eine der auffälligsten technischen Eigenschaften von Argon ist das:

1-Million-Token-Limit.

Dabei spricht Google von einem einheitlichen Input-Output-Budget von bis zu 1.048.576 Token.

Das bedeutet:

Nicht nur die Eingabe kann extrem lang sein.

Argon kann bei entsprechenden lang laufenden Aufgaben auch enorm umfangreiche Ausgaben erzeugen.

Standardmäßig liegt die synchrone maximale Ausgabe zwar bei:

65.536 Token

über den sogenannten Long-Decode-Modus sind jedoch deutlich längere Verläufe bis hin zum gesamten 1-Million-Token-Budget möglich.

Google will, dass Argon länger „arbeitet“

Genau das ist ein zentraler Unterschied zu normalen Chat-Modellen.

Google beschreibt Argon als Modell, das:

länger und intensiver an schwierigen Aufgaben arbeiten kann.

Statt nach einigen Tausend Token eine Antwort liefern zu müssen, kann das Modell eine sehr lange Arbeitskette durchlaufen.

Das ist beispielsweise interessant bei:

  • großen Codebasen

  • umfangreicher Forschung

  • mehrstufigen Agenten

  • langen Dokumenten

  • komplexen Simulationen

Google verspricht sich davon eine deutlich höhere Zuverlässigkeit bei Aufgaben, die nicht in wenigen Sekunden erledigt werden können.

Drei Thinking-Stufen

Entwickler können außerdem festlegen, wie intensiv Argon über eine Aufgabe nachdenken soll.

Unterstützt werden:

Low

Medium

und:

High.

Die Standardeinstellung ist:

Medium.

Damit lässt sich ein Kompromiss zwischen:

Geschwindigkeit, Kosten und Qualität

finden.

Für einfache Aufgaben kann weniger Thinking sinnvoll sein.

Bei komplexer Mathematik, Programmierung oder Wissenschaft kann dagegen eine höhere Denkstufe eingesetzt werden.

Argon ist für Agenten gebaut

Besonders wichtig ist Googles Fokus auf:

agentische Aufgaben.

Dabei beantwortet das Modell nicht einfach nur eine Frage.

Es kann stattdessen mehrere Schritte planen und anschließend Werkzeuge verwenden.

Argon unterstützt unter anderem:

  • Function Calling

  • Code Execution

  • File Search

  • Google Search Grounding

  • Google Maps Grounding

  • URL Context

  • Computer Use als Preview

Damit kann das Modell deutlich eigenständiger arbeiten als ein klassischer Chatbot.

Vom Chatbot zum digitalen Mitarbeiter

Ein einfaches Sprachmodell funktioniert ungefähr so:

Frage → Antwort.

Ein agentisches Modell funktioniert eher:

Aufgabe → Plan erstellen → Informationen suchen → Werkzeug verwenden → Ergebnis überprüfen → nächsten Schritt ausführen → fertiges Ergebnis.

Genau für solche langen Abläufe wurde Argon optimiert.

Google zeigt beispielsweise Demonstrationen, bei denen das Modell komplette:

  • 3D-Szenen

  • Spiele

  • Softwareprojekte

  • Forschungsaufgaben

bearbeitet.

Das erklärt auch, warum Google die enorme Ausgabelänge benötigt.

Argon baut komplette 3D-Projekte

Eines der spektakuläreren Beispiele stammt aus:

Google Antigravity.

Argon bekam Fotos eines echten Schreibtisches.

Anschließend erstellte das Modell daraus ein:

spielbares Miniatur-Rennspiel.

Dabei wurden verschiedene Systeme kombiniert.

Unter anderem:

  • Blender MCP

  • Nano Banana

  • Three.js

  • Gemini Omni Flash

Argon koordinierte die einzelnen Schritte und erzeugte Modelle, Kollisionen, Texturen, Physik und sogar Audiointegration.

Das ist ziemlich weit entfernt von einem normalen:

„Schreib mir einen Text über Katzen.“

Eigene Raytracing-Engine in Python

Google zeigt außerdem ein Beispiel, bei dem Argon komplett ohne externe Bibliotheken eine eigene:

3D-Raytracing-Engine in Python

erstellt hat.

Dazu kamen ein:

Videotool

und:

Audiomixer.

Das Modell sollte also nicht nur ein paar Codezeilen erzeugen.

Es musste:

Architektur planen, Software entwickeln, Fehler korrigieren und verschiedene Komponenten miteinander verbinden.

Genau darin sieht Google Argons größte Stärke.

Besonders stark bei Softwareentwicklung

Programmieraufgaben gehören allgemein zu den wichtigsten Einsatzgebieten.

Google berichtet beispielsweise von internen Projekten, bei denen Argon bei umfangreichen Code-Migrationen eingesetzt wurde.

Dazu gehörte unter anderem die Migration großer:

C- und C++-Codebasen nach Rust.

Teilweise ging es dabei um:

hunderttausende Codezeilen.

Natürlich werden solche Änderungen nicht blind übernommen.

Google weist ausdrücklich darauf hin, dass kritische Änderungen zusätzlich:

  • automatisiert getestet

  • emuliert

  • manuell geprüft

werden.

DeepSWE: 77,9 Prozent

Bei Googles genanntem Softwareengineering-Benchmark:

DeepSWE v1.1

erreicht Gemini 4 Argon laut Google:

77,9 Prozent.

Der Benchmark soll reale, langfristige Softwareentwicklungsaufgaben abbilden.

Solche Zahlen sollte man natürlich immer etwas vorsichtig betrachten.

Benchmarks zeigen nur bestimmte Ausschnitte der tatsächlichen Modellleistung.

Trotzdem verdeutlicht der Wert, wo Google Argon positioniert:

nicht als schnelles Alltagsmodell, sondern als leistungsfähiges Werkzeug für komplexe Entwicklungsarbeit.

Auch Cybersicherheit ist ein Schwerpunkt

Ein weiterer großer Bereich ist:

Cybersicherheit.

Google beschreibt Argon als besonders leistungsfähig bei:

  • Erkennung von Schwachstellen

  • Analyse komplexer Software

  • Validierung von Sicherheitsproblemen

  • Erstellung von Patches

Das ist allerdings gleichzeitig ein sensibler Bereich.

Denn ein Modell, das Sicherheitslücken finden kann, könnte theoretisch auch missbräuchlich eingesetzt werden.

Spezielle Version für vertrauenswürdige Sicherheitsforscher

Deshalb arbeitet Google mit einem Programm namens:

Fairwind.

Vertrauenswürdige Cybersicherheitsverteidiger können darüber Zugang zu einer Version von Argon mit erweiterten Cyber-Fähigkeiten erhalten.

Für die normale öffentliche Version gelten dagegen zusätzliche Schutzmaßnahmen.

Google versucht damit, leistungsfähige Sicherheitsfunktionen gezielt an legitime Forscher und Verteidiger zu geben.

Argon soll Prompt-Injections besser widerstehen

Für Agenten ist ein anderes Sicherheitsproblem besonders wichtig:

Prompt Injection.

Dabei versteckt beispielsweise eine Webseite einen manipulierten Befehl.

Ein KI-Agent liest die Webseite und könnte anschließend unbemerkt den versteckten Anweisungen folgen.

Google sagt, Argon habe deshalb gezieltes adversariales Training und automatisiertes Red Teaming erhalten.

Im Gray Swan Indirect Prompt Injection Benchmark soll die Erfolgsrate adaptiver Angriffe bei nur:

0,7 Prozent

liegen.

Das ist gerade für Computer- und Browser-Agenten ein wichtiger Bereich.

Wissenschaft spielt ebenfalls eine große Rolle

Google positioniert Argon außerdem stark als:

Forschungsmodell.

Das Unternehmen nennt Beispiele aus:

  • Quantencomputing

  • Kernfusion

  • Lebenswissenschaften

  • Robotik

  • Biochemie

In einem Projekt unterstützte das Modell Wissenschaftler beispielsweise beim Entwurf neuer:

Serinesterasen.

Dabei handelt es sich um Enzyme.

Argon sammelte Informationen, analysierte Modelle und entwickelte mehrere Kandidaten.

Anschließende Labortests bestätigten laut Google bei mehreren Designs eine tatsächliche katalytische Aktivität.

KI-Ergebnis musste im Labor bestehen

Genau dieser letzte Punkt ist interessant.

Das Ergebnis wurde nicht einfach nur anhand eines KI-Benchmarks bewertet.

Die vorgeschlagenen Enzyme wurden tatsächlich:

im Labor getestet.

Google nutzt solche Beispiele, um zu zeigen, dass Argon nicht ausschließlich bessere Texte erzeugen soll.

Das Ziel sind zunehmend:

reale wissenschaftliche Ergebnisse.

Robotik: Vom Video zur Simulation

Auch im Bereich Robotik zeigt Google einen ziemlich futuristischen Test.

Argon bekam ein Video eines Menschen zu sehen, der:

Cornhole

spielt.

Das Modell analysierte daraus:

  • Raumgeometrie

  • Bewegungsabläufe

  • physikalische Zusammenhänge

und erstellte anschließend selbstständig eine Simulation.

Die daraus gewonnenen Bewegungen wurden auf einen humanoiden:

Apollo-Roboter von Apptronik

übertragen.

Dieser traf anschließend sieben Würfe hintereinander.

Google bezeichnet diesen Ansatz als:

Video-to-Sim-to-Real.

Gemini 4 Argon ist inzwischen öffentlich verfügbar

Bei der ersten Ankündigung am:

30. September 2026

war Argon noch stark eingeschränkt verfügbar.

Google startete zunächst mit vertrauenswürdigen Sicherheitsforschern und ausgewählten Testern.

Das hat sich inzwischen geändert.

Seit dem:

13. Oktober 2026

ist Gemini 4 Argon weltweit breiter verfügbar.

Gemini-App: Pro und Ultra bekommen Argon

Normale Nutzer können Argon innerhalb der:

Gemini-App

verwenden.

Voraussetzung ist derzeit ein:

Google AI Pro

oder:

Google AI Ultra

Abonnement.

Auch im:

KI-Modus der Google Suche

steht das Modell für entsprechende Abonnenten zur Verfügung.

Kostenlose Gemini-Nutzer bekommen dagegen derzeit keinen direkten Zugriff auf Gemini 4 Argon.

Entwickler bekommen Argon über die API

Entwickler können das Modell über:

Google AI Studio

und die:

Gemini API

verwenden.

Die Modell-ID lautet:

gemini-4-argon.

Damit kann Argon direkt in eigene:

  • Apps

  • Agenten

  • Entwicklerwerkzeuge

  • Unternehmenssoftware

integriert werden.

Einführungspreis: 2 und 10 Dollar

Google startet Gemini 4 Argon außerdem mit einem vergleichsweise aggressiven Einführungspreis.

Bis zum:

30. November 2026

kostet das Modell:

2 US-Dollar pro Million Input-Token

und:

10 US-Dollar pro Million Output-Token.

Danach steigen die Preise laut Google auf:

4 US-Dollar pro Million Input-Token

und:

20 US-Dollar pro Million Output-Token.

Zwischengespeicherte Input-Token werden während der Einführung außerdem deutlich günstiger berechnet.

Argon ist nicht für jede Aufgabe gedacht

Trotzdem sollte man nicht daraus schließen:

Argon ist jetzt automatisch für jede Gemini-Anfrage das beste Modell.

Ein großes Reasoning-Modell benötigt mehr Rechenleistung.

Für einfache Aufgaben wie:

„Wie lange müssen Nudeln kochen?“

wäre Argon wahrscheinlich vollkommen überdimensioniert.

Genau deshalb entwickelt Google weiterhin kleinere und schnellere Gemini-Modelle.

Modelle wie Flash bleiben wichtig für:

  • schnelle Antworten

  • geringe Kosten

  • große Nutzerzahlen

  • einfache Aufgaben

Argon ist dagegen eher für Situationen gedacht, in denen:

mehr Rechenzeit tatsächlich einen Mehrwert bringt.

Antworten sollen direkter werden

Auch bei der normalen Chat-Nutzung verspricht Google Verbesserungen.

Argon soll:

direkter antworten

weniger unnötig relativieren

sich weniger wiederholen

und:

Klischees in Antworten vermeiden.

Das klingt zunächst nach einer kleinen Änderung.

Im Alltag kann aber gerade die Art, wie ein Modell formuliert, einen erheblichen Unterschied machen.

Google versucht offensichtlich, nicht nur die reine Benchmarkleistung zu erhöhen, sondern auch die:

Qualität der tatsächlichen Unterhaltung.

Bei längeren Aufgaben zeigt Gemini häufiger Fortschritt

Bei umfangreichen Aufgaben soll Argon außerdem besser erklären, was gerade passiert.

Google verspricht:

häufigere und sinnvollere Fortschrittsmeldungen.

Das passt zu den langen agentischen Aufgaben.

Wenn ein Modell mehrere Minuten beziehungsweise über viele Schritte an einem Projekt arbeitet, möchte man schließlich nicht nur einen leeren Bildschirm sehen.

Stattdessen soll Gemini besser zeigen:

woran gerade gearbeitet wird.

Antigravity wird besonders wichtig

Eng verbunden ist Argon mit:

Google Antigravity.

Dabei handelt es sich um Googles agentische Entwicklungs- und Arbeitsumgebung.

Auf dem Mac wurde Antigravity inzwischen direkt in die:

Gemini-App für macOS

integriert.

Nutzer können dadurch beispielsweise:

im normalen Chat eine Idee entwickeln

und anschließend:

direkt einen Coding-Agenten starten.

Damit verschwimmen die Grenzen zwischen:

Chatbot, Entwicklerwerkzeug und autonomem Agenten.

Gemini bekommt einen eigenen Aufgabenmodus

Auch normale Gemini-Nutzer sehen diese Entwicklung zunehmend.

Google bietet inzwischen einen Wechsel zwischen:

Chat

und:

Tasks.

Im Tasks-Modus kann Gemini umfangreichere Aufgaben selbstständig bearbeiten.

Teilweise können diese Aufgaben sogar weiterlaufen, während der Nutzer nicht aktiv am Computer sitzt.

Argon ist genau für solche langen Workflows ausgelegt.

Mehr als 40 verbundene Apps

Hinzu kommt die wachsende Zahl an:

Connectors beziehungsweise verbundenen Apps.

Gemini kann inzwischen mit mehr als:

40 Diensten

zusammenarbeiten.

Dazu gehören beispielsweise:

  • Adobe

  • Shopify

  • OpenTable

  • Instacart

und zahlreiche Google-Dienste.

Damit kann Argon nicht nur über eine Aufgabe nachdenken, sondern zunehmend auch:

tatsächlich etwas tun.

Der Name passt zur neuen Rolle

Genau deshalb könnte die neue Namensstrategie sogar sinnvoll sein.

Ein Modell wie Flash beschreibt hauptsächlich eine:

Leistungsklasse.

Argon wirkt dagegen eher wie ein:

eigenständiges Werkzeug mit eigener Identität.

Wenn Google in Zukunft mehrere spezialisierte Gemini-4-Modelle herausbringt, könnten Namen dabei helfen, sie klarer voneinander zu unterscheiden.

Ob Google diesen Weg tatsächlich weitergeht, ist allerdings noch offen.

Gemini 4 Argon ist nur der Anfang

Google formuliert ausdrücklich:

„Gemini 4 Argon ist erst der Anfang.“

Das bedeutet:

Weitere Gemini-4-Modelle werden folgen.

Interessant wird deshalb vor allem die Frage:

Wie werden diese heißen?

Kommt beispielsweise:

Gemini 4 Neon?

Gemini 4 Krypton?

oder kehrt Google bei kleineren Modellen wieder zu:

Flash

und:

Flash-Lite

zurück?

Dazu hat Google bislang nichts angekündigt.

Nicht jedes Gemini-Modell bekommt plötzlich einen Elementnamen

Man sollte also nicht zu früh daraus schließen, dass Google jetzt das gesamte Periodensystem abarbeitet.

Dafür gibt es bislang:

keine Bestätigung.

Argon könnte ein einzelner Produktname bleiben.

Oder der Beginn einer neuen Namensfamilie sein.

Fest steht derzeit nur:

Das erste veröffentlichte Spitzenmodell von Gemini 4 heißt offiziell Argon.

Und was ist mit Nano Banana?

Hier wird die Aussage vom:

„ersten echten Namen“

etwas kompliziert.

Google besitzt bereits Modelle mit Bezeichnungen wie:

Nano Banana.

In der offiziellen Modellübersicht taucht beispielsweise:

Nano Banana 2.1

als eigenes Modell auf.

Deshalb wäre die Aussage:

„Google hat noch nie zuvor einem KI-Modell einen richtigen Namen gegeben“

falsch.

Was sich mit Argon verändert, ist vielmehr:

Das zentrale Spitzenmodell der nummerierten Gemini-Hauptfamilie trägt erstmals einen individuellen Namen statt einer reinen Leistungsklasse wie Pro oder Flash.

Das ist der eigentlich interessante Punkt.

Pro bezeichnet jetzt eher das Abo als das Modell

Dadurch entsteht außerdem eine interessante Verschiebung.

Früher gab es:

Gemini Pro

als Modellbezeichnung.

Heute steht:

Google AI Pro

hauptsächlich für das Abo.

Das Modell darin heißt dagegen:

Gemini 4 Argon.

Damit trennt Google zunehmend:

Abonnement

und:

Modellname

voneinander.

Das dürfte langfristig übersichtlicher sein.

Keine Verwechslung mit Google AI Pro

Das ist durchaus hilfreich.

Denn bisher konnte beispielsweise:

Pro

gleichzeitig bedeuten:

  • ein Gemini-Modell

  • ein kostenpflichtiges Google-AI-Abo

  • eine Leistungsstufe

Mit Argon ist die Trennung klarer:

Google AI Pro = Tarif

Gemini 4 Argon = Modell

Das könnte ein weiterer Grund für die neue Namensstrategie sein.

Google selbst hat diesen Zusammenhang allerdings nicht offiziell als Begründung genannt.

Argon kann keine Bilder erzeugen

Trotz seiner enormen Fähigkeiten ist Argon übrigens kein universelles Modell für alles.

Die Entwicklerdokumentation nennt beispielsweise:

Bildgenerierung: nicht unterstützt.

Auch:

Audioerzeugung

und die:

Live API

gehören derzeit nicht zu Argons Fähigkeiten.

Für solche Aufgaben verwendet Google weiterhin andere spezialisierte Modelle.

Gemini wird immer stärker zu einem Modellverbund

Damit zeigt sich erneut:

Gemini ist nicht mehr ein einzelnes KI-Modell.

Stattdessen besteht das System zunehmend aus einer ganzen Modellfamilie.

Ein Modell übernimmt:

komplexes Reasoning.

Ein anderes:

schnelle Alltagsaufgaben.

Ein weiteres:

Bilderzeugung.

Ein weiteres:

Audio oder Sprache.

Gemini wird dadurch eher zur gemeinsamen Plattform über diesen Modellen.

Argon übernimmt darin die Rolle des:

leistungsfähigen Spitzenmodells für besonders schwierige Aufgaben.

Fazit

Mit Gemini 4 Argon verändert Google nicht nur die technischen Fähigkeiten seiner KI, sondern möglicherweise auch die:

Namensstrategie der gesamten Gemini-Familie.

Statt das neue Spitzenmodell schlicht:

Gemini 4 Pro

zu nennen, verwendet Google erstmals innerhalb der nummerierten Gemini-Hauptfamilie einen eigenständigen Namen:

Argon.

Der offizielle API-Name lautet:

gemini-4-argon.

Warum Google ausgerechnet den Namen Argon gewählt hat, wurde bislang:

nicht erklärt.

Technisch ist die Position dagegen eindeutig.

Gemini 4 Argon ist Googles aktuelles:

Flagship-Reasoning-Modell

und wurde besonders für:

  • komplexe Programmierung

  • Mathematik

  • Wissenschaft

  • Finanzen

  • Recht

  • Cybersicherheit

  • autonome Agenten

entwickelt.

Argon unterstützt Text, Bilder, Audio, Video und PDFs als Eingabe und besitzt ein einheitliches Kontext- beziehungsweise Arbeitsbudget von bis zu:

1 Million Token.

Google möchte damit insbesondere Aufgaben ermöglichen, bei denen die KI über einen langen Zeitraum:

planen, recherchieren, programmieren, Werkzeuge verwenden und Ergebnisse kontrollieren

muss.

Seit dem 13. Oktober 2026 steht Gemini 4 Argon weltweit für Google-AI-Pro- und Ultra-Abonnenten in der Gemini-App zur Verfügung. Entwickler können das Modell zusätzlich über die Gemini API und Google AI Studio nutzen.

Und Google macht bereits klar:

Argon ist nur das erste Modell der Gemini-4-Familie.

Weitere Modelle sollen folgen.

Genau deshalb ist der Name vielleicht fast genauso interessant wie die Technik dahinter.

Denn Google scheint Gemini langsam von einem einfachen Schema aus:

Pro, Flash und Lite

wegzubewegen.

Stattdessen könnten einzelne Spitzenmodelle künftig eine deutlich stärkere eigene Identität bekommen.

Gemini 4 Argon könnte damit nicht nur der Beginn einer neuen Modellgeneration sein – sondern auch der Beginn einer neuen Art, wie Google seine KI-Modelle benennt.