Spesifikasi teknis Gemini 4 Argon
| Spesifikasi | Gemini 4 Argon |
|---|---|
| Penyedia | Google DeepMind |
| Keluarga model | Gemini 4 |
| ID model | gemini-4-argon |
| Tipe model | Model penalaran multimodal terdepan |
| Fokus utama | Alur kerja kompleks, pengodean berbasis agen, pekerjaan pengetahuan perusahaan, keamanan siber |
| Kapabilitas multimodal | Google menggambarkan pemahaman multimodal; halaman model publik belum menyediakan skema modalitas API yang lengkap |
| Output maksimum | Hingga 1,000,000 token, menurut daftar API pihak ketiga saat ini; ini jangan disamakan dengan jendela konteks input |
| Jendela konteks input | Belum dipublikasikan secara jelas oleh Google di halaman model publik saat ini |
| Ketersediaan API publik | Akses terbatas/prarilis; Google belum mengumumkan tanggal rilis publik umum |
Apa itu Gemini 4 Argon?
Gemini 4 Argon adalah model unggulan yang menjadi penopang generasi Gemini 4 dari Google. Google menggambarkannya dirancang untuk performa terdepan pada beban kerja kompleks, termasuk rekayasa perangkat lunak, pekerjaan pengetahuan perusahaan, dan pertahanan keamanan siber. Set evaluasi yang diterbitkan mencakup pekerjaan pengetahuan, pengodean berbasis agen, sains dan matematika, penggunaan komputer, pemahaman multimodal, tugas konteks panjang, dan keamanan siber.
Posisioning Argon secara khusus berorientasi pada alur kerja dan bukan terbatas pada tanya jawab percakapan. Google menyoroti kemampuan untuk mempertahankan tugas panjang multi-langkah dan beroperasi lintas alur kerja rekayasa perangkat lunak serta perusahaan yang kompleks.
Fitur utama Gemini 4 Argon
- Kompleksitas penalaran alur kerja: Dirancang untuk tugas panjang multi-langkah yang membutuhkan penalaran berkelanjutan, bukan hanya satu respons singkat.
- Pengodean berbasis agen: Google melaporkan hasil kuat pada DeepSWE v1.1, Vibe Code Bench, dan evaluasi pengodean lainnya.
- Pekerjaan pengetahuan perusahaan: Evaluasi yang diterbitkan mencakup tugas finansial dan agen legal, serta otomasi bisnis end-to-end.
- Pemahaman multimodal: Google melaporkan hasil kuat pada Chartography dan LVBench, mencakup pemahaman multimodal dan video panjang.
- Performa konteks panjang: Hasil GraphWalks dilaporkan untuk rentang hingga 128K dan 256K–1M token.
- Pertahanan keamanan siber: Google secara khusus memposisikan Argon untuk keamanan siber defensif dan melaporkan hasil CWE-bench v1 untuk remediasi kerentanan.
Kinerja benchmark Gemini 4 Argon
Google DeepMind melaporkan hasil berikut di halaman evaluasi Gemini 4 Argon saat ini. Ini adalah hasil yang diterbitkan oleh vendor dan sebaiknya dibandingkan hanya dalam metodologi benchmark yang disebutkan. [1]
| Benchmark | Kategori | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|---|
| Vals Index | Pekerjaan berbasis pengetahuan | 68.9% | 63.1% | 65.8% | 67.0% |
| AutomationBench | Pekerjaan berbasis pengetahuan | 51.3% | 41.4% | 31.4% | 42.5% |
| Vals Finance Agent v2 | Pekerjaan berbasis pengetahuan | 65.4% | 53.5% | 58.9% | 58.6% |
| Harvey's Legal Agent Benchmark | Pekerjaan berbasis pengetahuan | 19.6% | 5.4% | 6.7% | 3.8% |
| DeepSWE v1.1 | Pengodean berbasis agen | 77.9% | 74.1% | 67.4% | 74.2% |
| FrontierSWE v2 | Pengodean berbasis agen | 55.0% | 65.5% | 56.3% | 62.3% |
| Vibe Code Bench | Pengodean berbasis agen | 91.9% | 89.6% | 90.3% | 90.3% |
| Terminal-bench 4.0 | Pengodean berbasis agen | 57.4% | 58.2% | 57.9% | 66.4% |
| Terminal-Bench Science 0.1 | Sains & matematika | 57.6% | 68.1% | 52.6% | 63.3% |
| LABBench | Sains & matematika | 88.8% | 85.4% | 68.6% | 73.1% |
| RiemannBench | Sains & matematika | 76.0% | 72.0% | 65.6% | 69.6% |
| GraphWalks, up to 128K | Konteks panjang | 99.7% | 98.7% | 91.4% | 90.6% |
| GraphWalks, 256K–1M | Konteks panjang | 84.2% | 71.8% | 65.0% | 66.8% |
| Chartography | Pemahaman multimodal | 71.6% | 71.0% | 46.2% | 66.3% |
| LVBench | Pemahaman multimodal | 91.7% | 87.5% | 79.7% | 83.7% |
| CWE-bench v1 | Keamanan siber | 68.0% | 68.0% | 58.0% | 67.0% |
Hasil menunjukkan bahwa kinerja Argon bervariasi menurut tugas: ia memimpin perbandingan yang dikutip pada beberapa evaluasi pekerjaan pengetahuan, pengodean, sains, konteks panjang, dan multimodal, sementara model lain mencetak nilai lebih tinggi pada benchmark pengodean, sains, atau penggunaan komputer tertentu. Hasil-hasil tersebut tidak boleh digabungkan menjadi satu peringkat keseluruhan.
Gemini 4 Argon vs GPT-6 Astra vs Claude Fable 5.1
| Bidang | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 |
|---|---|---|---|
| Pekerjaan berbasis pengetahuan | Hasil terbitan yang kuat di Vals, AutomationBench, evaluasi finansial dan agen legal | Kuat pada himpunan evaluasi yang sama | Kuat pada beberapa evaluasi kerja pengetahuan |
| Pengodean berbasis agen | 77.9% pada DeepSWE v1.1; 91.9% pada Vibe Code Bench | 74.1% pada DeepSWE v1.1; 89.6% pada Vibe Code Bench | 67.4% pada DeepSWE v1.1; 90.3% pada Vibe Code Bench |
| Konteks panjang | 99.7% pada GraphWalks hingga 128K; 84.2% dari 256K–1M | 98.7% dan 71.8% masing-masing | 91.4% dan 65.0% masing-masing |
| Pemahaman multimodal | 71.6% Chartography; 91.7% LVBench | 71.0%; 87.5% | 46.2%; 79.7% |
| Keamanan siber | 68.0% pada CWE-bench v1 | 68.0% | 58.0% |
Perbandingan ini spesifik terhadap benchmark. Sebagai contoh, GPT-6 Astra mencetak nilai lebih tinggi daripada Argon pada FrontierSWE v2 dan Terminal-Bench Science 0.1, sementara Argon lebih tinggi pada DeepSWE v1.1, Vibe Code Bench, GraphWalks 256K–1M, dan LVBench.
Kasus penggunaan representatif
- Rekayasa perangkat lunak skala repositori — coding jangka panjang, refactoring, debugging, dan pengembangan berbasis agen.
- Alur kerja pengetahuan perusahaan — riset legal, analisis finansial, dan otomasi proses bisnis.
- Pertahanan keamanan siber — penemuan, validasi, dan remediasi kerentanan dalam lingkungan terkontrol.
- Alur kerja sains dan matematika — tugas-tugas yang tercermin oleh LABBench, RiemannBench, dan evaluasi berorientasi sains.
- Analisis video panjang dan multimodal — beban kerja yang membutuhkan interpretasi lintas informasi visual dan temporal.
- Agen konteks panjang — aplikasi yang perlu mempertahankan informasi sepanjang alur tugas yang sangat besar.