Google gjorde Gemini 4 Argon bredt tilgjengelig 13. oktober 2026. Modellen ble først kunngjort 30. september, da tilgangen var forbeholdt utvalgte cybersikkerhetseksperter gjennom Fairwind-programmet. Nå kan også utviklere, bedrifter og kvalifiserte abonnenter prøve den. Men hvor du får tilgang, avhenger av produkt og abonnement – og benchmarkresultatene gir ikke et endelig svar på hvilken modell som passer best.
3
20
43
49
Hvor kan du bruke Gemini 4 Argon?
Google oppgir at utviklere og bedrifter kan bruke modellen via Gemini API og Gemini-plattformen i AI Studio. Google AI Ultra-abonnenter får tilgang i Antigravity, mens både Pro- og Ultra-abonnenter kan bruke Argon i Gemini-appen og AI-modus i Søk.
43
For utviklere er den stabile modell-ID-en gemini-4-argon. Googles utviklerinformasjon nevner også Android Studio som et sted å bygge med Argon via det betalte Gemini API-et.
17
33
Det er viktig å skille mellom API-tilgang og tilgang gjennom Googles apper. Argon er ikke tilgjengelig på gratisnivået til Gemini API eller som API-tilgang gjennom Google AI Pro. Pro-abonnenter kan likevel bruke modellen i Gemini-appen og AI-modus i Søk. App-tilgang betyr altså ikke gratis API-bruk.
36
43
Google beskriver lanseringen som global. Det betyr ikke nødvendigvis at alle funksjoner er tilgjengelige for alle brukere på alle steder med én gang.
43
API-priser: introduksjonstilbud til 30. november
Introduksjonsprisen for API-et er 2 dollar per million inndatatokener og 10 dollar per million utdata-tokener. Bufrede inndatatokener koster 0,10 dollar per million – 95 prosent mindre enn ordinær pris for inndata. Introduksjonsprisen gjelder til og med 30. november. Fra 1. desember øker prisene til 4 dollar per million inndatatokener og 20 dollar per million utdata-tokener.
1
3
13
Gemini API har en samlet grense på én million tokener for inndata og utdata. Det er én felles ramme, ikke én million tokener til inndata pluss en egen million til utdata.
43
44
Skal du sammenligne kostnader, bør du anslå tokenbruken for oppgavene dine – inkludert bufrede inndata, utdata og eventuelle nye forsøk. Pris per million tokener alene sier ikke nødvendigvis hva det koster å få en oppgave ferdig. De tilgjengelige sammenligningene gir ikke grunnlag for en direkte kostnad per fullført oppgave mot konkurrerende modeller.
Hva Google mener Argon egner seg til
Google presenterer Argon som en modell for krevende programvareutvikling, matematisk og vitenskapelig problemløsning, selvstendige agenter som utfører oppgaver i flere steg, og lange tekstutdata. Selskapet trekker også fram juridisk og finansielt kunnskapsarbeid samt cybersikkerhet. Dette er Googles beskrivelse av hva modellen er laget for – ikke en uavhengig garanti for hvordan den vil prestere på oppgavene til et bestemt team.
33
43
For utviklere og bedrifter er et avgrenset pilotprosjekt et fornuftig neste steg. Prøv modellen på representative oppgaver, og mål kvalitet, behovet for menneskelig kontroll, pålitelighet og samlet tokenbruk før dere legger om arbeidsflyter eller budsjett.
Hva benchmarkene viser – og ikke viser
I Googles publiserte benchmarktabell får Argon 68,9 prosent på Vals Index. Til sammenligning står Claude Opus 5.5 med 67,0 prosent og GPT-6 Astra med 63,1 prosent. Dette er resultater Google presenterer for en bestemt test; de beviser ikke at Argon er best på tvers av alle oppgaver.
56
En separat sammenligning fra Artificial Analysis gir Argon 53 poeng på Intelligence Index. Det er likt med GPT-6 Astra, men lavere enn Claude Opus 5.5 på 58 og Claude Sonnet 5.5 på 56.
14
57 At rangeringene varierer, understreker poenget: Resultatet avhenger av hva som testes og hvordan det måles – ikke av én enkelt topplassering.
Kort oppsummert
Den brede lanseringen gir utviklere et betalt API-alternativ og gjør Argon tilgjengelig i flere Google-produkter for kvalifiserte abonnenter. API-prisen er redusert i en begrenset periode. Før du velger modellen, bør du teste den på oppgavene du faktisk skal løse, ta høyde for den samlede tokenrammen og prisøkningen i desember, og lese benchmarkresultater som funn fra bestemte tester – ikke som en garanti for at modellen passer best til alt.