Gemini 4 Argon pimpin uji independen, tetapi masih hanya untuk mitra siber terpilih

Google DeepMind mengumumkan Gemini 4 Argon pada 30 September 2026 sebagai model frontier pertama di keluarga Gemini 4, dirancang untuk menahan alur kerja panjang di bidang rekayasa perangkat lunak, pekerjaan pengetahuan seperti hukum dan keuangan, serta pertahanan siber. Rangkuman independen The Batch dari DeepLearning.AI pada 9 Oktober menyebut Argon sebagai model penglihatan-bahasa dengan masukan teks, gambar, dan video sampai satu juta token, serta keluaran sampai satu juta token lewat fitur Long Decode Continuation yang memutus dan melanjutkan jawaban panjang agar permintaan tidak kehabisan waktu.

Sampai sekarang, satu-satunya pengguna adalah organisasi dalam program Fairwind, program akses terbatas Google untuk pertahanan siber, ditambah tim internal Google yang mendapat versi tanpa pagar pengaman siber. Google menyatakan sedang mengikuti proses sukarela pemerintah Amerika Serikat untuk akses model sebelum rilis, dan berencana memperluasnya ke pelanggan API berbayar lalu pelanggan Google AI Ultra, tetapi belum memberi tanggal. Harga perkenalannya 2 dolar AS per juta token masukan, 0,10 dolar AS untuk token cache, dan 10 dolar AS per juta token keluaran; setelah periode itu tarifnya menjadi 4 dan 20 dolar AS. Bobot model ini tetap tertutup.

Hasil uji independen menjelaskan mengapa penantian ini diperhatikan. Vals AI menempatkan Argon di peringkat pertama dari 41 model pada Vals Index versi terbaru dengan 68,9 persen, di atas Claude Sonnet 5.5 (67,04 persen) dan Claude Opus 5.5 (66,97 persen). Model ini juga peringkat pertama pada Finance Agent v2 dan menyamai GPT-6 Astra di IOI dengan nilai sempurna. Namun The Batch mencatat Argon berbagi peringkat ketiga pada Intelligence Index versi terbaru Artificial Analysis dengan skor 53, dan masih tertinggal dari model Anthropic terbaru pada pengodean agentik serta tes Terminal-Bench.

Yang belum diungkap Google justru daftarnya panjang: jumlah parameter, arsitektur, latensi dan throughput, data serta metode pelatihan, batas pengetahuan, kapan harga perkenalan berakhir, dan kapan akses luas dibuka. Untuk pembaca di Indonesia, kesimpulan praktisnya sederhana. Argon belum bisa dipakai membangun produk apa pun hari ini, dan pola peluncuran bertahap seperti ini makin sering dipakai laboratorium besar: mitra tertentu lebih dulu mendapat versi dengan pagar lebih longgar, publik menyusul dengan pembatas lebih ketat.