Google kunngjør Gemini 4 Argon Frontier-modell for koding og cybersikkerhetsforsvar

Google kunngjorde Gemini 4 Argon 30. september 2026, og beskrev den som selskapets nye frontier-modell for reell programvareutvikling, bedriftskunnskapsarbeid som juridisk og økonomi, samt cybersikkerhetsforsvar. Modellen rulles først ut til betrodde cybersikkerhetsforsvarere gjennom Googles Fairwind-program, til en introduksjonspris på $2 per million inndata‑token.

I et innlegg på The Keyword sa Koray Kavukcuoglu, SVP for Google DeepMind og Chief AI Architect hos Google, at sikker lansering av frontier‑kapasiteter på dette nivået krever en faset tilnærming. Google er aktivt engasjert i den amerikanske regjeringens frivillige prosess for forhåndstilgang til modeller mens de gradvis utvider tilgangen, og sa at de vil fortsette å samle tilbakemeldinger fra tidlige testere mens de itererer på sikkerhetsrammer.

Argons introduksjonspris er $2 per million inndata‑token og $10 per million utdata‑token, med lagrede inndata‑token priset til 95 % av inndata‑token‑prisen. En fotnote i kunngjøringen oppgir at etter at introduksjonsperioden utløper, vil prisen være $4 per million inndata‑token og $20 per million utdata‑token.

Intern utrulling og utvidede utdata‑grenser

Google sa at Argon allerede driver interne arbeidsflyter, med tusenvis av ansatte som fremhever modellens styrker i spesialiserte kodeoppgaver, dypere forskning og kvalitetsskriving. Selskapet rapporterte flere eksempler fra den utrullingen. Argon hjelper Googles kvantedatamaskinforskere med å optimalisere rom‑tid‑ressursene (qubits × gates) i delrutiner som flaskehals i viktige applikasjoner; i ett eksempel overgikk den publiserte referansen med 40 % på bare noen minutter. Et team av Argon‑agenter analyserte flåte‑omfattende profileringstelemetri for autonomt å identifisere og anvende minneoptimaliseringer på tvers av Googles datasentre, og frigjorde mer enn 300 TiB minne etter utrulling, med anslåtte 500 TiB til 1 PiB i totale besparelser.

Google sa at Argon‑agenter også migrerer C/C++‑kodebaser til Rust i hele selskapet, fra titalls tusen linjer i kjernelibra som re2 og libgav1 til over 800 000 linjer for Fuchsia OS Zircon‑kjernen. Gitt kritikaliteten til mange av disse systemene, gjennomgår de storskalare omskrivningene streng automatisert og manuell revisjon, emuleringstesting og gjennomgang før utrulling i produksjon.

For libgav1, Googles åpne kildekode‑programvare for videodekoding, tok Argon‑agenter en eksisterende Rust‑port og erstattet 32 000 linjer SIMD‑kode ved å gjennomføre runder med profil‑styrte eksperimenter og studere kompilatorens resultat. Google sa at resultatet er en minnesikker videodekoder som kjører 2,7 × raskere enn Rust‑porten, med identisk videoutdata.

For å støtte lengre, mer komplekse bruksområder utvidet Google modellens grense for utdata‑token til 1 M token, opp fra tidligere 64 K token, et tall selskapet beskriver som bransjeledende.

Bedriftsbenchmarker og cybersikkerhetsforsvar

Google rapporterer at Argon setter ny topp på DeepSWE v1.1 med en score på 77,9 %, et benchmark som måler ytelse på reelle, langsiktige programvareutviklingsoppgaver. Selskapet beskriver Argon som den ledende modellen på Vals‑indeksen, som måler økonomisk påvirkning på tvers av finans, koding, juridisk og skattearbeid, med hver sektor vektlagt etter sitt bidrag til USAs BNP, og rapporterer tilsvarende ledende ytelse på Vals Finance Agent v2 for flertrinns finansiell forskning og Harvey’s Legal Agent Benchmark for juridisk forskning og utkast.

På AutomationBench, Zapiers benchmark som måler ende‑til‑ende‑utførelse på tvers av kjerneforretningsfunksjoner, rapporterer Google at Argon rangerer først med en score på 51,3 %. På LVBench, som måler forståelse av lange videoer, rapporterer selskapet en toppscore på 91,7 %, og sa at Argon kan drive profesjonell diagramanalyse, identifisere detaljer fra lange videoer og iverksette handlinger basert på en rekke dokumenter.

Google sa at de trente Argon til autonomt å finne, validere og reparere kritiske programvare‑sårbarheter, og at de vil slippe modellen uten cybersikkerhetsrammer til betrodde forsvarere og egne interne team. Wiz bruker allerede Argon gjennom sitt Scan for Good‑initiativ, et program dedikert til å beskytte kritisk offentlig infrastruktur gratis ved å finne og utbedre høy‑risiko eksponeringer. Google sa at modellen avdekket en kritisk sårbarhet som eksponerte sensitiv personlig informasjon i helsesystemer som brukes av sykehus verden over, og identifiserte en alvorlig risiko som tidligere frontier‑modeller hadde oversett.

På CWE‑bench v1, som evaluerer en modells evne til å utbedre sikkerhetssårbarheter, rapporterer Google at Argon deler førsteplass med en toppscore på 68 %. Selskapet sa at Argon også avdekket eksponeringer i komplekse kodebaser som spenner over 20 programmeringsspråk i deres interne sårbarhetsbenchmark, og overgikk Gemini 3.8 Flash Cyber i Wizs interne black‑box penetrasjonstest‑benchmark, som tester en modells evne til å analysere levende websider uten kildekode.

The Fairwind Program, lansert av Google den 2. september 2026, er et program med begrenset tilgang for regjeringer og betrodde partnere til å bruke selskapets verktøy for cyberforsvar. Deltakende organisasjoner godtar operasjonelle standarder som inkluderer å begrense tilgang for ansatte i interne cybersikkerhets-, hendelsesrespons- eller penetrasjonstestteam, samt å implementere beskyttelser som flerfaktorautentisering. Google sa at programmet har mer enn 650 deltakende partnere globalt, og det første tilbudet kombinerte Gemini 3.8 Flash Cyber med CodeMender-harness for å hjelpe forsvarere med å finne, verifisere og fikse sårbarheter.

Frontier-sikringer og trinnvis utrulling

Google sa at de styrker frontier-sikringene på fire områder før Argons brede tilgjengelighet. For misbrukssikring er modellen designet for å avvise skadelige cyber- og kjemiske, biologiske, radiologiske og nukleære forespørsler, samtidig som den ivaretar legitimt dual‑use vitenskapelig forskning under Googles Frontier Safety Framework. Selskapet sa at de forbedrer teknikkene sine for å overvåke modellens interne aktiveringer for å oppdage misbruk, og at sikringene gjennomgikk robusthetstesting av interne og eksterne red teams ved bruk av manuelle og automatiserte angrepsmetoder.

Google beskriver Argon som sin mest robuste modell hittil mot indirekte prompt‑injeksjon, hvor ondsinnede instruksjoner eller kontekst brukes til å kapre en modells oppførsel, og rapporterer ledende robusthet på Gray Swan’s Indirect Prompt Injection benchmark gjennom automatisert red teaming og adversarial trening.

Selskapet implementerer også misalignment‑mitigeringer som overvåker Argons tankerekke og handlinger og stopper utførelsen når det er nødvendig. Google sa at et lignende system overvåket deres treningskjøringer og sendte varsler til et dedikert hendelsesrespons‑team, med nøye forholdsregler for å hindre at funnene mates tilbake i treningen. Til slutt sa Google at de styrker sine sandkassemiljøer ved å isolere og forsegle dem før høy‑risiko trening eller evalueringer starter, i tråd med deres agent control roadmap.

Google sa at tilbakemeldinger fra den første kohorten av cyberforsvarere og betrodde testere vil hjelpe dem med å styrke systemene før Argon slippes til utviklere, bedrifter og forbrukere, med start for betalende API‑kunder og Google AI Ultra‑abonnenter, så snart som mulig.