Gemini 4 Argon er ute – Google er tilbake i toppkampen

Hvis du har ventet på at Google skulle svare skikkelig på de sterkeste modellene fra OpenAI og Anthropic, er ventetiden over: Gemini 4 Argon er lansert globalt. Dette er ikke lenger en modell som bare noen utvalgte cyberforsvarere får røre. Argon er tilgjengelig i Gemini-appen, AI Mode, Gemini API, Google AI Studio og Antigravity, med ulike abonnementskrav.

Google lover bedre resonnering i komplekse arbeidsflyter, mindre gjentakelse og færre av de slitne AI-klisjeene som får en tekst til å høres ut som den er skrevet av en komité med altfor mye kaffe og altfor lite å si. Enda viktigere: Modellen er laget for lange oppgaver innen koding, agenter, vitenskap, finans, jus og cybersikkerhet.

Dette er stort. Etter et år der Google i stor grad har latt mindre Flash-modeller holde hjulene i gang, er selskapet tilbake med en ordentlig frontiermodell. Benchmarktallene er Googles egne og må testes i virkelig arbeid, men kombinasjonen av bred tilgang, én million tokens samlet kontekst og aggressiv introduksjonspris gjør Argon umulig å avfeie som en papirlansering.

Hva er Gemini 4 Argon?

Gemini 4 Argon er Googles nye toppmodell for krevende, flertrinns arbeid. Den tar imot tekst, bilder, video, lyd og PDF, mens svaret er tekst. Ifølge Googles modelloversikt har Argon et samlet vindu på 1 048 576 tokens for input og output.

«Samlet» er viktig. Du får ikke én million tokens inn og enda én million ut i samme jobb. Input, modellens tenking og svar deler det samme budsjettet. Vanlige synkrone kall kan levere opptil 65 536 output-tokens, mens bakgrunnskjøring åpner for lengre svar helt opp mot den samlede grensen.

Argon er en stor, sparse Mixture-of-Experts-transformer med innebygd støtte for flere medietyper. Google oppgir ikke antall parametere, så alle bastante tall om modellstørrelsen blir gjetting. Det vi faktisk vet, er at dette er en ny modell og ikke en finjustert utgave av en tidligere Gemini-versjon.

Modellen støtter blant annet function calling, kodekjøring, filsøk, søkeforankring, strukturerte svar, URL-kontekst og computer use i preview. Den kan settes til low, medium eller high thinking level. medium er standard, og det er et fornuftig startpunkt før du begynner å betale for maksimal tenking på absolutt alt.

Hvor kan du bruke Gemini 4 Argon?

Vanlige brukere får Argon i Gemini-appen og AI Mode i Google Søk med Google AI Pro eller Ultra. Utviklere får modellen i betalt Gemini API og Google AI Studio, mens Antigravity-tilgangen krever Ultra. Google sier også at Gemini nå kan kobles til mer enn 40 apper for oppgaver som bestilling, reservasjoner, design og arbeid på tvers av Google-tjenester.

Her er det lett å gå seg vill i Googles navnesuppe. Pro gir tilgang i forbrukerproduktene, men Gemini API har ikke Argon på gratisnivået eller inkludert i Google AI Pro. Skal du bygge med modellen, må du bruke betalt API. Skal du bare chatte med den, holder Pro eller Ultra.

I appen får Argon også en oppgavebryter som lar modellen jobbe videre med lengre oppgaver. På Mac bygger Google Antigravitys agentgrensesnitt inn i Gemini-appen, slik at brukeren kan veksle mellom vanlig samtale og kodearbeid. Det er et tydelig signal om at Google vil selge en arbeidsmodell, ikke bare enda en chatbot med et høyere versjonsnummer.

Den brede lanseringen er en egen hendelse. Jeg skrev 1. oktober om at Gemini 4 Argon bare var tilgjengelig for utvalgte cyberforsvarere. Nå er modellen ute for vanlige betalende brukere, utviklere og bedrifter. Et tidlig, lukket sikkerhetsprogram er ikke det samme som en global produktlansering. Ferdig snakka.

Hva betyr Argon i praktisk arbeid?

Gemini 4 Argon er først og fremst bygget for oppgaver som krever mange steg, mye kontekst og et langt svar. Google trekker fram migrering av store kodebaser, flertrinns undersøkelser, dokumentanalyse, vitenskapelige problemer og kunnskapsarbeid innen blant annet finans og jus. Det er der modellen må bevise at den fortjener frontier-stempelet.

Google oppgir flere interne eksempler som er mer interessante enn en tilfeldig poengsum. Argon skal ha hjulpet Chrome-teamet med å skille ut funksjonalitet fra en mappe på rundt 6 millioner linjer i en Chromium-kodebase på 40 millioner linjer. Selskapet sier også at modellen bidro til å redusere regnebehovet for YouTube-kommentarer med omtrent halvparten og finne feil i Wing sin dronesimulator.

Dette er leverandørens egne historier, ikke uavhengige tester. Likevel sier de noe om ambisjonsnivået: Argon er ment for arbeid som varer lenge nok til at planlegging, verktøybruk og kurskorrigering betyr mer enn et pent svar på første forsøk.

Den kanskje mest merkbare forbedringen for vanlige brukere kan være enklere. Google sier Argon svarer mer direkte, gjentar seg mindre og kutter ned på forbehold og klisjeer. Hvis det holder i praksis, er det ikke pynt. En modell som bruker færre avsnitt på å komme fram til poenget sparer både tid, tokens og irritasjon.

Er Gemini 4 Argon best nå?

Google har et reelt toppmodellargument, men ingen benchmarktabell avgjør hvilken modell som er best for alle. I modellkortet for Gemini 4 Argon slår modellen konkurrentene på flere tester innen kunnskapsarbeid, kode, langt kontekstvindu og multimodal forståelse. På andre tester ligger GPT-6 Astra eller Claude Opus 5.5 foran.

Eksempelvis oppgir Google 77,9 prosent på DeepSWE v1.1, mens GPT-6 Astra får 74,1 og Claude Opus 5.5 får 74,2 prosent i samme tabell. På FrontierSWE v2 får Argon derimot 55,0 prosent, mot 65,5 for Astra og 62,3 for Opus. Det er nettopp derfor «best» uten å nevne oppgaven er et ganske tomt ord.

På langt kontekstvindu ser Argon svært sterk ut i Googles målinger. Modellen får 84,2 prosent på GraphWalks mellom 256 000 og én million tokens, mot 71,8 for Astra og 66,8 for Opus 5.5. Det er lovende hvis jobben innebærer enorme dokumentmengder eller kodebaser, men et benchmark er fortsatt ikke prosjektet ditt.

Min dom er derfor tydelig, men ikke blind: Google er tilbake i toppkampen. Ikke migrer en viktig arbeidsflyt fordi en grønn celle i Googles tabell ser pen ut. Kjør samme oppgaver, samme verktøy og samme godkjenningskrav mot modellene du faktisk vurderer. Mål ferdige leveranser, ikke bare tokenpris eller leaderboard-poeng.

Hva koster Gemini 4 Argon?

Gemini 4 Argon koster fram til 30. november 2 dollar per million input-tokens og 10 dollar per million output-tokens, inkludert thinking-tokens. Med en dollarkurs på omtrent 9,51 kroner 14. oktober tilsvarer det cirka 19 kroner for input og 95 kroner for output per million tokens. Introduksjonsprisen gjelder bare den offentlige Argon-modellen.

Fra 1. desember dobles prisen til 4 dollar for input og 20 dollar for output, altså rundt 38 og 190 kroner per million tokens med dagens kurs. Implicit caching gir 95 prosent rabatt på input som faktisk treffer cache: 0,10 dollar per million tokens nå og 0,20 dollar etter introduksjonsperioden. Googles utviklerguide samler prisene og migreringskravene.

Prisen er aggressiv for en toppmodell, men billig per token er ikke det samme som billig per jobb. En modell som tenker lenge, bruker mange verktøykall eller skriver enorme svar kan koste mer enn en dyrere modell som løser oppgaven på færre tokens. Følg kostnaden per godkjent resultat.

Jeg ville også budsjettert med desemberprisen fra første dag hvis arbeidsflyten skal i produksjon. En introduksjonspris som varer i halvannen måned er fin til testing, men den er et dårlig fundament for et årsbudsjett. Bruk rabatten til å måle. Ikke bruk den til å lure regnearket.

Hva må utviklere endre?

Utviklere bruker modell-ID-en gemini-4-argon. Google anbefaler minst 32 768 i max_output_tokens, fordi tenkingen bruker av samme output-budsjett. For oppgaver over 65 536 tokens må kallene kjøres i bakgrunnen, og tunge oppgaver kan kreve klienttimeout på minst 15 minutter.

Eksplisitt context caching støttes ikke. Kode som oppretter eller refererer til cached_content må fjernes. Implicit caching er på som standard for prompter på minst 4 096 tokens, men du styrer ikke et eget cache-objekt slik som før.

Argon ignorerer også temperature, top_p og top_k. Hvis en eksisterende integrasjon er avhengig av disse parameterne, må den testes på nytt i stedet for å late som gammel konfigurasjon fortsatt bestemmer oppførselen. For samtaler og function calling anbefaler Google serverlagret tilstand gjennom previous_interaction_id.

Dette er små detaljer på papiret og klassiske produksjonsfeil i praksis. Feilen er å bytte modellnavnet og anta at resten ordner seg. Løsningen er å fjerne eksplisitt caching og ignorerte sampling-parametere, øke token- og timeoutgrensene, bruke bakgrunnskjøring for lange svar og teste alle tre thinking-nivåene mot kostnad og kvalitet.

Google har endelig levert modellen som manglet

Gemini har lenge vært mer enn én chatbot. Google har plattformen, søket, Workspace, Android, skyen og utviklerverktøyene. Den komplette Gemini-guiden min forklarer hvordan delene henger sammen. Det som manglet i store deler av 2026, var en ny toppmodell som kunne bære hele dette apparatet.

Argon fyller det hullet. Den er bredt tilgjengelig, priset for å bli brukt og laget for de lange oppgavene AI-agenter stadig oftere får. Én million tokens alene gjør ingen modell klok, og Googles benchmarkseire må møte virkeligheten. Men dette er ikke et forsiktig mellomslipp. Det er Google som melder seg på igjen.

Hvis du vurderer Argon, er rådet enkelt: Test den nå, men planlegg for prisen som gjelder fra 1. desember. Bruk egne kodebaser, dokumenter og godkjenningskrav. Sammenlign hele jobben – kvalitet, tid, tokenbruk og hvor mye opprydding et menneske må gjøre. På papiret har Google levert en ekte toppmodell. Nå begynner den delen som faktisk teller.

Ofte stilte spørsmål