Google mengumumkan Gemini 4 Argon pada 30 September 2026, dengan akses awal terbatas bagi pembela keamanan terverifikasi melalui Program Fairwind dan penguji awal seperti Wiz. Model ini tersedia bagi developer pada 13 Oktober melalui tingkat berbayar Gemini API dan AI Studio, sementara Antigravity tersedia untuk pelanggan Google AI Ultra. ID model-nya adalah gemini-4-argon, dan ada varian terpisah bernama gemini-4-argon-cyber-permissive yang ditujukan untuk pembela yang berwenang. Argon adalah transformer mixture-of-experts yang jarang (sparse), dengan batas pengetahuan Maret 2026. Model ini menerima teks, kode, gambar, audio, video, dan PDF, tetapi hanya menghasilkan teks dan kode.
Perubahan paling mencolok ada pada jendela output. Model Gemini sebelumnya memproses sekitar satu juta token input dan mengembalikan paling banyak 64 ribu token. Argon menaikkan batas output menjadi 1 juta token, menggunakan jendela terpadu sebesar 1.048.576 token yang dibagi antara input, proses berpikir, dan output. Dengan demikian, prompt 100 ribu token masih menyisakan ruang untuk jawaban hampir 950 ribu token. Batas output default tetap 65.536 token, dan developer harus menaikkan max_output_tokens serta menggunakan long decode untuk melampauinya. Long decode dapat berjalan selama beberapa menit, sehingga cocok untuk tugas latar belakang.
Model ini juga menawarkan tiga tingkat berpikir: LOW, MEDIUM (default), dan HIGH. Gambaran benchmark-nya tidak merata. Argon unggul dalam rekayasa perangkat lunak tingkat repositori, tetapi tertinggal dalam pekerjaan terminal, dan panggilan API yang ceroboh bisa menelan biaya $10 hingga $20. Kelemahan tersebut lebih penting bagi pengguna harian dibandingkan rata-rata keseluruhannya.
Bagi developer, kesimpulan praktisnya adalah Argon menghilangkan kebutuhan memecah generasi besar dan mengirim ulang konteks pada setiap giliran. Kekuatannya paling jelas pada tugas pemrograman yang panjang dan kompleks, sementara performa terminal yang lebih lemah serta biaya per panggilan yang lebih tinggi menuntut perencanaan anggaran yang cermat dan pengaman di dalam skrip.
Sumber: Towards Data Science · Diringkas oleh HeadlinesBriefing