Google gjorde Gemini 4 Argon brett tillgänglig den 13 oktober 2026. Modellen hade först presenterats den 30 september för betrodda cybersäkerhetsförsvarare genom programmet Fairwind. Nu omfattar lanseringen även utvecklare, företag och abonnenter som uppfyller kraven – men tillgången beror på vilken Google-tjänst och plan man använder. Benchmarkresultaten ger inte heller något entydigt svar på vilken modell som är bäst för alla uppgifter.
3
20
43
49
Var går det att använda Gemini 4 Argon?
Google uppger att modellen lanseras globalt för utvecklare och företag via Gemini API och Gemini-plattformen i AI Studio. Google AI Ultra-abonnenter kan använda Argon i Antigravity, medan både Pro- och Ultra-abonnenter får tillgång i Gemini-appen och i AI-läget i Sök.
43
Den stabila modellbeteckningen för utvecklare är gemini-4-argon. Google nämner också Android Studio som en plats där utvecklare kan bygga med Argon via den betalda nivån av Gemini API.
17
33
Det är viktigt att skilja mellan API-åtkomst och tillgång i Googles konsumenttjänster. Argon ingår inte i API-tjänstens gratisnivå och går inte att använda via API:t med Google AI Pro. Däremot kan Pro-abonnenter använda modellen i Gemini-appen och AI-läget i Sök.
36
43
Google beskriver utrullningen som global, men det innebär inte i sig att alla funktioner omedelbart finns för alla användare på alla platser.
43
API-priserna är lägre tillfälligt
Introduktionspriset för Gemini API är 2 USD per miljon inmatade token och 10 USD per miljon utmatade token. Cachade indata kostar 0,10 USD per miljon token – 95 procent mindre än ordinarie indata. Priset gäller till och med den 30 november. Från den 1 december höjs det till 4 USD per miljon inmatade token och 20 USD per miljon utmatade token.
1
3
13
API:t har en gemensam gräns på en miljon token för indata och utdata. Det är alltså en delad pott, inte en miljon token för indata plus ytterligare en miljon för utdata.
43
44
För att uppskatta kostnaden i praktiken behöver man räkna på tokenåtgången för den egna uppgiften, inklusive cachad indata, utdata och eventuella omförsök. En jämförelse av enbart listpriser säger inte vad det kostar att slutföra en uppgift, och underlaget här ger ingen direkt jämförbar kostnad per slutfört arbete mot konkurrerande modeller.
Vad Google säger att modellen är byggd för
Google beskriver Argon som en modell för avancerad mjukvaruutveckling, matematiska och vetenskapliga problem, självständiga arbetsflöden i flera steg och långa svar. Företaget lyfter också fram användning inom juridiskt och finansiellt kunskapsarbete samt cybersäkerhet. Det är Googles beskrivning av modellens tänkta styrkor, inte en oberoende garanti för hur den fungerar i en viss verksamhet.
33
43
För utvecklare och företag är nästa rimliga steg därför ett avgränsat test med uppgifter som liknar det faktiska arbetet. Mät kvaliteten på resultaten, hur mycket mänsklig granskning som behövs, tillförlitligheten och den totala tokenåtgången innan ni bygger in modellen i ett arbetsflöde eller en budget.
Vad visar benchmarkresultaten?
I Googles publicerade jämförelse får Argon 68,9 procent i Vals Index, mot 67,0 procent för Claude Opus 5.5 och 63,1 procent för GPT-6 Astra. Det är resultat som Google redovisar och bör läsas som belägg för just det testet – inte som ett bevis på att Argon generellt är bättre på alla sorters uppgifter.
56
En separat jämförelse från Artificial Analysis ger Argon 53 poäng i Intelligence Index, samma resultat som GPT-6 Astra. Claude Opus 5.5 får 58 och Claude Sonnet 5.5 får 56.
14
57 Att resultaten skiljer sig mellan testerna visar varför modellvalet beror på uppgiften och utvärderingen, inte på en enda topplacering.
Slutsatsen
Gemini 4 Argon är nu ett alternativ för utvecklare via betalt API och för abonnenter i flera av Googles produkter. API-rabatten är tidsbegränsad, och den gemensamma tokenbudgeten är värd att ta med i kostnadskalkylen. Testa modellen på de uppgifter ni faktiskt behöver lösa och se benchmarkresultat som information om specifika tester – inte som en garanti för att Argon passar bäst i alla lägen.