Pembaruan Rilis Gemini 4: Gemini 4 Argon Tersedia
Informasi diperiksa: 16 Oktober 2026.
Gemini 4 telah melampaui spekulasi rilis. Google mengumumkan Gemini 4 Argon pada 30 September 2026, awalnya memperkenalkan akses bagi para pembela keamanan siber tepercaya. Pada 13 Oktober 2026, Google mengumumkan ketersediaan yang lebih luas bagi pengembang, perusahaan, dan konsumen.
Tanggal-tanggal ini menggambarkan tahapan peluncuran berbeda: 30 September adalah pengumuman awal, sementara 13 Oktober menandai akses yang lebih luas. Pengumuman Oktober dari Google mencakup akses API melalui AI Studio dan ketersediaan bagi pelanggan Google AI yang memenuhi syarat di produk-produk tertentu.
Gemini 4 Argon dirancang untuk pekerjaan kompleks bertahap, termasuk rekayasa perangkat lunak, riset profesional, analisis dokumen, dan pertahanan keamanan siber. Kemampuan ini harus dievaluasi menggunakan dokumentasi model yang dirilis dan evaluasi terpublikasi.
Referensi sebelumnya dalam artikel ini terkait spesifikasi hipotetis Gemini 4 Pro, Flash, atau Flash-Lite tidak boleh diperlakukan sebagai spesifikasi Argon yang terkonfirmasi. Demikian pula, skor benchmark yang bocor dan harga yang diprediksi tidak boleh digunakan sebagai panduan pembelian atau penerapan.
Untuk detail akses terkini, lihat pengumuman ketersediaan Gemini 4 Argon dari Google dan dokumentasi model Gemini API.
Ringkasan Utama
- Gemini 4 Argon adalah model paling mumpuni dari Google sejauh ini, dioptimalkan untuk alur kerja kompleks multilangkah dalam pengodean, pekerjaan pengetahuan hukum/keuangan, dan pertahanan siber.
- Argon dirancang untuk penalaran berkelanjutan di sepanjang alur kerja panjang multilangkah, bukan percakapan pendek biasa. Google menekankan rekayasa perangkat lunak dunia nyata, pekerjaan hukum dan keuangan, pemahaman multimodal, dan pertahanan keamanan siber.
- Google memperluas output maksimum dari level 64K token sebelumnya menjadi 1 million tokens. Google belum menerbitkan spesifikasi publik Gemini API yang lengkap untuk konteks input Argon, modalitas, perilaku endpoint, atau batas laju.
- Pada tabel perbandingan Google, Argon meraih 68.9% pada Vals Index, 77.9% pada DeepSWE v1.1, 91.7% pada LVBench, dan 68% pada CWE-bench v1. Argon tidak memimpin setiap tes: GPT-6 Astra menang di FrontierSWE v2 dan Terminal-Bench Science, sementara Claude Opus 5.5 memimpin Terminal-Bench 4.0 dan PostTrainBench.
- Harga API perkenalan Google adalah $2 per 1 million input tokens dan $10 per 1 million output tokens. Setelah masa perkenalan, harga naik menjadi $4 dan $20. Input yang di-cache diiklankan 95% di bawah harga token input yang berlaku.
- Katalog publik CometAPI mencantumkan
gemini-4-argonsebagai tersedia, bukan akan datang, pada 1 Oktober 2026.
Google telah merebut kembali posisi unggul dalam perlombaan AI frontier dengan peluncuran Gemini 4 Argon. Diumumkan pada 30 September 2026, model ini menandai dimulainya era Gemini 4 dan secara eksplisit diposisikan sebagai โera frontier intelligence berikutnyaโ dari Google. Model ini menargetkan beban kerja dunia nyata yang paling berat: pengodean agenik berkelanjutan, pekerjaan pengetahuan perusahaan berisiko tinggi (hukum, keuangan, pajak), dan keamanan siber defensif.
Berbeda dengan pembaruan inkremental sebelumnya, Argon memperkenalkan pergeseran mendasar dalam kedalaman kemampuan melalui panjang output yang diperluas secara dramatis dan pelatihan khusus untuk tugas berjangka panjang. Ribuan karyawan Google sudah menggunakannya secara internal untuk pekerjaan rekayasa produksi, sementara akses eksternal dimulai secara sempit dengan mitra keamanan siber yang telah diverifikasi.
Apa itu Gemini 4 Argon?
Gemini 4 Argon adalah model bahasa besar frontier terbaru dari Google DeepMind dan rilis pertama dalam keluarga Gemini 4. Model ini dirancang khusus untuk mempertahankan penalaran mendalam di sepanjang alur kerja kompleks, multilangkah, berjangka panjang yang sebelumnya sulit diselesaikan secara andal dalam satu lintasan oleh model-model sebelumnya.
Menurut Google, Argon โmenyajikan kinerja frontier dalam alur kerja kompleks di rekayasa perangkat lunak dunia nyata, pekerjaan pengetahuan perusahaan seperti hukum dan keuangan, serta pertahanan keamanan siber.โ Model ini dibangun dari pelajaran upaya Gemini 3.5 Pro yang tertunda atau dibatalkan lebih awal pada 2026 dan fokus berikutnya pada seri Gemini 3.8 Flash.
Model ini menekankan kemampuan agenikโperencanaan otonom, penggunaan alat, pembuatan dan pengeditan kode, penemuan serta perbaikan kerentanan, analisis multidokumen, dan pemahaman video panjangโserta menggabungkan sistem keamanan yang lebih kuat untuk daya tingkat frontier.
Secara internal, Argon sudah memberikan dampak terukur pada skala Google:
- Tim komputasi kuantum menggunakannya untuk mengoptimalkan sumber daya ruang-waktu (qubit ร gate), mengalahkan baseline yang dipublikasikan sebesar 40% dalam hitungan menit.
- Tim agen menganalisis telemetri seluruh armada dan secara otonom menerapkan optimasi memori, membebaskan lebih dari 300 TiB memori di seluruh pusat data (dengan perkiraan total penghematan 500 TiB hingga 1 PiB).
- Migrasi kode skala besar dari C/C++ ke Rust sedang berlangsung, termasuk puluhan ribu baris di pustaka inti (re2, libgav1) dan lebih dari 800.000 baris di kernel Fuchsia Zircon. Satu hasil penting: decoder video aman memori (libgav1) yang berjalan 2,7ร lebih cepat daripada port Rust sebelumnya setelah optimasi berbasis profil.
Penerapan dunia nyata ini menegaskan bahwa Argon bukan hanya juara benchmark, melainkan pengali produktivitas yang praktis bagi organisasi rekayasa yang kompleks.
Fitur Utama Gemini 4 Argon
1. Penalaran Jangka Panjang dengan Hingga 1M Output Tokens
Google menyebut output maksimum Argon adalah 1 million tokens, naik dari 64,000 tokens pada generasi sebelumnya. Itu adalah batas generasi maksimum, bukan pernyataan bahwa setiap respons harus sangat besar. Batas ini memberi model ruang untuk lintasan penalaran panjang, pembuatan kode multifile, riset mendetail, atau pekerjaan agen yang diperpanjang tanpa memaksa permintaan baru setiap beberapa langkah.
2. Rekayasa Perangkat Lunak Dunia Nyata
Skor Argon 77.9% pada DeepSWE v1.1 adalah nilai tertinggi di tabel perbandingan Google. DeepSWE berfokus pada pekerjaan rekayasa perangkat lunak berjangka panjang, yang lebih cocok dengan agen pengodean otonom dibandingkan tes pelengkapan kode pendek. Model ini juga mencapai 91.9% pada Vibe Code Bench.
Gambarannya tidak sepihak. GPT-6 Astra meraih 65.5% pada FrontierSWE v2 versus 55.0% milik Argon, dan Claude Opus 5.5 meraih 66.4% pada Terminal-Bench 4.0 versus 57.4% milik Argon. Karena itu, pembeli sebaiknya menguji penyuntingan repositori, penggunaan shell, debugging, dan pekerjaan migrasi secara terpisah alih-alih mengandalkan satu skor โpengodean.โ
3. Pekerjaan Pengetahuan Perusahaan
Google melaporkan Argon di 68.9% pada Vals Index, yang membobot pekerjaan keuangan, pengodean, hukum, dan pajak berdasarkan kontribusi terhadap PDB AS. Argon juga memimpin model yang dibandingkan pada Vals Finance Agent v2, Harvey's Legal Agent Benchmark, dan AutomationBench.
Evaluasi ini membuat Argon sangat relevan bagi alur kerja yang sarat riset: uji tuntas, tinjauan kontrak, analisis keuangan, riset pajak, dan sintesis lintas dokumen. Evaluasi tersebut tidak menghilangkan kebutuhan verifikasi sumber atau tinjauan profesional. Kepemimpinan pada benchmark mengukur kinerja di bawah harness spesifik; itu tidak menetapkan kelayakan untuk keputusan hukum atau keuangan tanpa pengawasan.
4. Pemahaman Multimodal dan Video Panjang
Argon meraih 71.6% pada Chartography dan 91.7% pada LVBench, sedikit memimpin GPT-6 Astra pada pemahaman grafik dan lebih jelas memimpin pada pemahaman video panjang. Google juga menggambarkan alur kerja di mana Argon menafsirkan serangkaian dokumen dan bertindak berdasarkan hasilnya.
Kombinasi ini berguna saat teks saja tidak cukup: menganalisis grafik pendapatan bersama dokumen pengajuan, mengekstrak bukti dari berjam-jam video, meninjau tangkapan layar produk dengan kebutuhan tertulis, atau merekonsiliasi data lintas PDF dan laporan visual.
5. Keamanan Siber Defensif
Google melatih Argon untuk menemukan, memvalidasi, dan menambal kerentanan kritis. Pada CWE-bench v1, Argon dan GPT-6 Astra sama-sama meraih 68%, sementara Claude Opus 5.5 meraih 67%. Google mengatakan Argon juga melampaui Gemini 3.8 Flash Cyber dalam evaluasi internal penemuan kerentanan dan pengujian penetrasi black-box.
Akses awal mencerminkan risikonya. Pembela siber tepercaya dapat menggunakan model ini melalui Fairwind Program dari Google, dan Google mengatakan Wiz menggunakan Argon dalam inisiatif Scan for Good untuk mengidentifikasi kerentanan kritis yang memengaruhi perangkat lunak layanan kesehatan. Distribusi terbatas memberi Google waktu untuk mengumpulkan bukti sebelum mengekspos kemampuan siber tingkat lanjut lebih luas.
6. Tingkat halusinasi turun menjadi 10%.
Gemini 4 Argon memiliki tingkat halusinasi yang sangat rendah pada Artificial Analysis. 15%. Arena melaporkan perkiraan halusinasi alat 0.10% +/- 0.48% untuk Gemini 4 Argon High, dibandingkan 0.16% +/- 0.09% untuk Gemini 3.8 Flash High. Estimasi titiknya lebih rendah, yang menyiratkan peningkatan. Namun, interval ketidakpastiannya tumpang tindih secara substansial, dan interval Argon jauh lebih lebar.
Kinerja Benchmark Gemini 4 Argon
Angka-angka berikut berasal dari tabel perbandingan Google DeepMind. Google menautkan dokumen metodologi terpisah dan menyatakan bahwa skor adalah pass@1 kecuali disebutkan. Perlakukan ini sebagai hasil yang dipublikasikan vendor dan validasi terhadap beban kerja privat.
| Benchmark | Beban kerja | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 | Pemenang |
|---|---|---|---|---|---|
| Vals Index | Pekerjaan pengetahuan berbobot PDB | 68.9% | 63.1% | 67.0% | Argon |
| AutomationBench | Automasi bisnis ujung-ke-ujung | 51.3% | 41.4% | 42.5% | Argon |
| Vals Finance Agent v2 | Riset keuangan multilangkah | 65.4% | 53.5% | 58.6% | Argon |
| Harvey Legal Agent | Riset hukum dan penyusunan | 19.6% | 5.4% | 3.8% | Argon |
| DeepSWE v1.1 | Rekayasa perangkat lunak jangka panjang | 77.9% | 74.1% | 74.2% | Argon |
| FrontierSWE v2 | Pengodean agenik | 55.0% | 65.5% | 62.3% | Astra |
| Terminal-Bench 4.0 | Kerja agen berbasis terminal | 57.4% | 58.2% | 66.4% | Opus |
| Terminal-Bench Science 0.1 | Agen sains dan matematika | 57.6% | 68.1% | 63.3% | Astra |
| GraphWalks, 256K-1M | Traversi graf konteks panjang, F1 | 84.2% | 71.8% | 66.8% | Argon |
| Agent's Last Exam | Penggunaan komputer | 39.5% | 34.2% | 38.2% | Argon |
| OSWorld 2.0 offline subset | Penggunaan komputer, skor parsial | 69.2% | 72.6% | Not reported | Astra |
| Chartography | Pemahaman grafik | 71.6% | 71.0% | 66.3% | Argon |
| LVBench | Pemahaman video panjang | 91.7% | 87.5% | 83.7% | Argon |
| CWE-bench v1 | Perbaikan kerentanan | 68.0% | 68.0% | 67.0% | Seri |
Cara Membaca Hasil
Keunggulan paling jelas Argon adalah keluasan di pekerjaan pengetahuan profesional, konteks panjang, analisis grafik, dan video panjang. Hasil agen hukum 19.6% milik Argon lebih dari tiga kali 5.4% milik Astra, meski ketiga skor absolut menunjukkan benchmark ini tetap sulit. Argon juga memimpin AutomationBench sebesar 8.8 poin persentase atas Opus 5.5.
Pengodean memerlukan kesimpulan yang lebih bernuansa. Argon memimpin DeepSWE dan Vibe Code Bench, tetapi Astra memimpin FrontierSWE, dan Opus memimpin Terminal-Bench 4.0. Untuk pekerjaan terminal berorientasi sains, Astra memimpin Argon sebesar 10.5 poin. Judul yang tepat bukan โArgon memenangkan setiap benchmark.โ Judulnya adalah bahwa Argon sangat kuat di alur kerja perusahaan berjangka panjang sementara para pesaing mempertahankan keunggulan penting spesifik tugas.

Bukti benchmark kuat namun tidak universal. GPT-6 Astra tetap unggul pada sejumlah ukuran sains, pengodean, dan penggunaan komputer, sementara Claude Opus 5.5 memimpin tes terminal dan rekayasa ML yang penting. Bukti independen juga bernuansa serupa: Artificial Analysis menempatkan Argon #8 dari 223 model dalam kelas perbandingannya, dan Arena menempatkan Gemini 4 Argon High #8 dari 46 model agen sembari menempatkannya pertama dalam keterarahannya. Keunggulan terbesar Argon adalah kombinasi penalaran jangka panjang, performa domain perusahaan, dan kedalaman multimodal dengan harga pengenalan yang agresif.
Apakah Gemini 4 Argon Tersedia?
Pada saat pengumuman (30 September 2026) dan peliputan berikutnya, tidakโbukan untuk publik umum atau pengembang standar. Akses dibatasi untuk:
- Anggota tepercaya Fairwind Program (pembela siber, pemerintah, mitra infrastruktur kritis).
- Tim internal Google.
- Peserta dalam proses pra-rilis sukarela pemerintah AS.
Google menyatakan akan memperluas โsecepat mungkinโ setelah mengumpulkan masukan dan menyempurnakan pagar pembatas, dimulai dengan pelanggan API berbayar dan pelanggan Google AI Ultra, kemudian akses yang lebih luas bagi pengembang, perusahaan, dan konsumen. Tidak ada tanggal publik tetap yang diberikan.
Harga API Gemini 4 Argon
Harga perkenalan Google adalah $2 per 1 million input tokens dan $10 per 1 million output tokens. Tarif pascaperkenalan adalah $4 untuk input dan $20 untuk output. Input yang di-cache diberi harga diskon 95% dari tarif input yang berlaku, yang menyiratkan $0.10 per million selama periode perkenalan dan $0.20 sesudahnya jika kebijakan diterapkan persis seperti yang diumumkan.
Harga ini menarik relatif terhadap model frontier premium lainnya, tetapi biaya per token bukan biaya per tugas yang diselesaikan. Model yang menghasilkan ratusan ribu token output atau melakukan banyak panggilan alat tetap dapat menciptakan tagihan besar. Tetapkan batas output, pantau loop alat, dan ukur biaya per hasil yang diterima.
Cara Mengakses API Gemini 4 Argon melalui CometAPI
Begitu Google membuka akses API yang lebih luas, platform yang mengagregasi model frontier menjadi cara tercepat dan sering kali paling hemat biaya bagi pengembang untuk bereksperimen dan memproduksi.
CometAPI menyediakan endpoint terpadu yang kompatibel dengan OpenAI untuk 500+ model dari OpenAI, Anthropic, Google, dan lainnya. Ini berarti Anda dapat beralih antara model Gemini, varian GPT-6, dan model Claude hanya dengan mengubah parameter modelโtanpa mengelola banyak akun, sistem penagihan, atau SDK.
Langkah yang direkomendasikan untuk menyiapkan dan mengakses via CometAPI:
- Daftar di cometapi.com dan buat kunci API dari dasbor (diawali dengan
sk-). - Gunakan URL dasar
https://api.cometapi.com/v1. - Panggil model dengan SDK OpenAI standar atau format Gemini native.
CometAPI sudah mendukung keluarga Gemini (termasuk model Pro dan Flash sebelumnya) dengan harga kompetitif, kredit uji coba gratis, dan perpindahan yang mulus. Periksa halaman Models CometAPI secara berkala untuk ketersediaan Gemini 4 Argon. Pendekatan ini menghindari friksi onboarding Google Cloud dan memungkinkan A/B testing yang mudah terhadap Claude Opus 5.5 atau GPT-6 Astra dalam basis kode yang sama.
Gemini 4 Argon vs GPT-6 Astra vs Claude Opus 5.5
| Kategori | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Status rilis per 1 Okt 2026 | Peluncuran terbatas bagi penguji tepercaya; akses lebih luas akan datang | Model API aktif | Model terbaru aktif; dirilis 22 Sep 2026 |
| Kecocokan terbaik | Pekerjaan pengetahuan jangka panjang, analisis multimodal, pertahanan siber, output besar | Penalaran kompleks, sains, penggunaan komputer, ekosistem alat luas | Pengodean agenik jangka panjang dan pekerjaan pengetahuan |
| Konteks input | Belum diterbitkan sebagai spesifikasi API publik final | 1,050,000 tokens | 1,000,000 tokens |
| Output maksimum | 1,000,000 tokens | 128,000 tokens | 128,000 sinkron; 300,000 Batch beta |
| Input dan output | Kemampuan multimodal dinyatakan; matriks API publik terperinci masih menunggu | Teks dan gambar masuk; teks keluar | Teks dan gambar masuk; teks keluar |
| Kontrol penalaran | Penalaran jangka panjang; kontrol API publik masih menunggu | upaya penalaran rendah hingga maksimum | Pemikiran adaptif selalu aktif; upaya default sedang |
| Harga standar per 1M token | Intro: $2 input / $10 output; kemudian $4 / $20 | $10 input / $50 output | $4 input / $20 output |
| Kemenangan menonjol di tabel Google | Vals, AutomationBench, DeepSWE, konteks panjang, LVBench | FrontierSWE, pekerjaan terminal sains, subset OSWorld | Terminal-Bench 4.0, PostTrainBench |
| Catatan utama | Ketersediaan API luas dan spesifikasi lengkap masih dalam proses | Harga daftar tertinggi dari ketiganya | Tidak memimpin tabel pekerjaan pengetahuan Google; pemikiran adaptif tidak dapat dinonaktifkan |
Model Mana yang Terbaik?
Pilih Gemini 4 Argon saat pekerjaan pengetahuan konteks panjang, bukti multimodal, keamanan siber defensif, atau artefak yang dihasilkan berukuran tidak biasa mendominasi beban kerja. Pilih GPT-6 Astra saat Anda membutuhkan permukaan alat OpenAI yang matang, performa agen sains yang kuat, atau kekuatan spesifik penggunaan komputer miliknya. Pilih Claude Opus 5.5 untuk pengodean agenik native Claude dan alur kerja terminal, terutama saat perilakunya sudah berkinerja baik dalam harness evaluasi Anda.
Bagi sebagian besar bisnis, strategi yang lebih baik bukan keputusan satu model permanen. Rutekan permintaan rutin ke model berbiaya lebih rendah, evaluasi Argon, Astra, dan Opus pada ekor yang sulit, dan pertahankan fallback. CometAPI berguna di sini karena satu lapisan integrasi dapat memudahkan pengujian lintas model dan perutean terkontrol.
Kesimpulan
Gemini 4 Argon menandai re-entri terkuat Google ke frontier absolut, merebut kepemimpinan pada sejumlah benchmark penting bagi perusahaan dan jangka panjang sambil memperkenalkan kemajuan praktis seperti 1M output tokens dan harga perkenalan yang agresif. Peluncuran bertahap yang mengutamakan keamanan menempatkan prioritas pada penerapan bertanggung jawab atas kemampuan pertahanan siber yang kuat.



