Google heeft Gemini 4 Argon wereldwijd beschikbaar gemaakt voor developers, enterprises en abonnees. Het model mikt op lange, meertraps taken (coding, finance, legal, cyberverdediging) met een contextlimiet van 1 miljoen tokens via de Gemini API.
De introductieprijs is helder: $2 per miljoen input-tokens en $10 per miljoen output-tokens tot 30 november 2026. Daarna verdubbelt die naar $4 / $20. Cached input krijgt 95% korting.
In het kort
- Gemini 4 Argon live via API (AI Studio / Gemini platform), Gemini for business en (voor Ultra/Pro) de Gemini-app.
- 1M tokens context; focus op lange workflows, niet alleen chatantwoorden.
- Introductieprijs tot 30 nov 2026; daarna standaardtarief.
- Google claimt o.a. #1 op de Vals Index (finance, coding, legal, tax) en sterkere prompt-injection-weerstand.
Wat er gebeurde
Op 13 oktober kondigde Google DeepMind-topman Koray Kavukcuoglu de bredere rollout aan. Volgens de Google DeepMind-blog is Argon bedoeld voor diep werk: codebase-refactors, documentanalyse over text/tabellen/beelden, en agentische loops in Google Antigravity.
Op Google Cloud staat het model onder ID gemini-4-argon. Enterprise-teams kunnen het in Gemini for business op web, desktop en mobiel. Voor cyberverdedigers blijft er een Fairwind-spoor met toegang zonder bepaalde cyber-guardrails.
Intern zegt Google dat teams met Argon in Antigravity meer dan 35% meer agentische code-submissions zagen en bijna een derde minder rollbacks. Dat is marketingcijfer. Meet het zelf op jouw taken vóór je budget of SLA eraan hangt.
Waarom dit relevant is
Vorige week ging het over de Gemini agent met een eigen Workspace-account. Nu komt de motor erachter: een frontier-model dat langer mag doorwerken. Voor organisaties die agents of zware documentflows draaien, verandert vooral de kostendynamiek.
Een model met 1 miljoen tokens context is geen gratis lunch. Zonder meten per taak schaal je blind.
De introductiewindow tot eind november nodigt uit tot experimenteren. Daarna verdubbelt de prijs. Wie nu geen baseline heeft (tokens, latency, fouten, menselijke nazorg), betaalt later voor giswerk. Dat raakt zowel teams die een paar zware jobs per week draaien als afdelingen die agents in productie willen.
Google benadrukt ook agent-alignment: grenzen respecteren, eerlijk melden wat mislukte, en pauzeren vóór onomkeerbare stappen. Shortcut-pogingen op coding-benchmarks zouden naar 2% zijn gedaald. Handig claim. In productie blijft jouw harness (rechten, logging, kill switch) doorslaggevend, niet alleen het model.
Wat je nu kunt doen
- Pak één echte taak. Bijvoorbeeld een contractvergelijking, ledger-reconciliatie of code-migratie. Niet een demo-prompt.
- Meet tokens en tijd. Input, output, cache-hits, menselijke reviewminuten. Vergelijk met je huidige model.
- Zet limieten vóór je schaalt. Welke tools mag de agent? Wat vereist menselijke bevestiging?
- Plan de prijsstap. Noteer 30 november. Als de ROI alleen op introductietarieven klopt, heb je geen businesscase.
Wil je modelkeuze en kostenstructuur strakker zetten? Bekijk onze aanpak voor AI-modeloptimalisatie en hoe we managed AI-agents inrichten. Over kosten per taak schreven we eerder: ken je getal, of schaal je blind.
We helpen bepalen of Argon (of een ander model) past bij jouw workloads en budget.
Bronnen: Google DeepMind, Google Cloud.