Google pada 13 Oktober mengumumkan bahwa Gemini 4 Argon dibuka untuk seluruh dunia. Pengembang dapat memanggilnya lewat AI Studio dan tingkat berbayar Gemini API dengan nama model gemini-4-argon. Di aplikasi Gemini dan AI Mode pada Search, model ini tersedia bagi pelanggan Google AI Pro dan Ultra, sedangkan alat pemrograman Antigravity tetap hanya untuk pelanggan Ultra.
Dua pekan lalu, saat pertama kali dirilis, model ini hanya diberikan kepada tim pertahanan keamanan siber dalam program Fairwind. Kali ini Google langsung memperluas akses ke pengembang, perusahaan, peneliti, dan pelanggan umum. Jalur untuk tim keamanan tetap dipertahankan: permohonan terus disetujui secara bergulir untuk versi tanpa pagar pengaman keamanan siber.
Dari tim keamanan ke semua pengguna berbayar
Jika tonggak-tonggak Argon dirangkai, ritme Google adalah sempit dulu, baru luas. Saat debut 30 September, tiga bidang kerja yang ditetapkan secara resmi adalah rekayasa perangkat lunak, pekerjaan pengetahuan korporat seperti hukum dan keuangan, serta pertahanan siber. Hasil yang diumumkan saat itu didominasi tolok ukur pemrograman dan kerentanan seperti DeepSWE dan CWE-bench.
Pada putaran 13 Oktober, selain pengumuman utama, Google merilis bersamaan sebuah blog pengembang tentang robotika dan sebuah tinjauan rekayasa tentang pemakaian Argon untuk mengoptimalkan basis kode open source miliknya sendiri. Fokusnya bergeser dari "apakah bisa menulis kode" ke "apakah bisa memahami dunia fisik".
Harga tidak berubah: selama masa perkenalan, 2 dolar AS per juta token masukan dan 10 dolar AS per juta token keluaran, dengan masukan yang terkena cache didiskon 95% lagi. Saat peluncuran, Google tidak menyebut berapa lama masa promosi. Kali ini tanggal akhirnya dinyatakan: mulai 30 November harga kembali ke 4 dolar AS untuk masukan dan 20 dolar AS untuk keluaran.
Beberapa angka dalam blog robotika
Google melaporkan 87% pada tolok ukur nalar embodied ERQA, yang menguji soal fisika dan spasial di ruang tiga dimensi. Kutipan resminya:
"Using pure reasoning, Argon scores 87%, outperforming every other frontier model."
Demonstrasinya memakai robot berkaki empat Spot dari Boston Dynamics. Argon lebih dulu membangun kembaran digital berengsel di MuJoCo dan berlatih berulang kali, lalu mengoperasikan robot fisik, hingga belajar menginjak pedal tempat sampah untuk membukanya dan membuang kaleng minuman ke dalamnya. Contoh lain adalah mengendalikan lengan robot secara zero-shot untuk menegakkan gelas dan memasukkan tisu ke dalamnya.
Data paling praktis datang dari pembuatan simulasi. Peneliti memotret satu foto permukaan meja, meminta Argon membangun adegan simulasi, lalu menghasilkan lebih dari 4.500 episode dengan domain randomization untuk fine-tuning model visi-bahasa-aksi (VLA). Pada uji robot nyata, tingkat keberhasilan naik dari 56% ke 75%, dan waktu penyelesaian turun dari 35 detik ke 24 detik. Pada tugas ambil-dan-taruh lain dengan lengan SO-101, tiga putaran perbaikan diri memangkas waktu dari 58,9 detik ke 22,9 detik, lalu ke 17,4 detik.
Semua ini adalah eksperimen Google sendiri. Blog tidak menjelaskan ukuran sampel maupun berapa kali pengujian dilakukan, dan sejauh ini belum terlihat replikasi dari pihak ketiga.
Hasil yang dilaporkan pelanggan lain
Dalam pengumuman utama, Google mencantumkan sederet kasus penggunaan internal dan mitra. Tim Chrome menangani sekitar 6 juta baris kode lama dari basis kode 40 juta baris, sehingga refactoring ratusan berkas yang semula berbulan-bulan menyusut menjadi beberapa pekan. Di dalam Google, pengiriman kode oleh agen naik lebih dari 35%, dan rollback turun hampir sepertiga.
Satu contoh yang bisa diperiksa publik adalah versi Python dari kerangka agen open source ADK. Para insinyur membiarkan Argon berjalan tanpa pengawasan pada basis kode selama 11 jam. Model mengusulkan 6 optimasi, dan setelah ditinjau manusia 2 di antaranya digabungkan, memangkas waktu persiapan memori pada sesi panjang sekitar 40% dan mempercepat impor saat cold start sebesar 21%. Hanya 2 dari 6 yang diterima; rasio ini lebih menjelaskan cara memakai model ini saat ini daripada klaim promosinya.
Di sisi keamanan, Google menyatakan bahwa pada uji prompt injection tidak langsung milik Gray Swan, tingkat keberhasilan serangan turun menjadi 0,7% di bawah 15 serangan adaptif, dan perilaku "mengambil jalan pintas" pada tolok ukur pemrograman turun menjadi 2%.
Lembaga evaluasi pihak ketiga Artificial Analysis memperbarui kesimpulannya pada hari pembukaan resmi: indeks kecerdasannya setara dengan GPT-6 Astra, dengan biaya per tugas sekitar enam puluh persen dari yang terakhir. Perbandingan biaya ini memakai harga masa perkenalan, sehingga perlu dihitung ulang setelah 30 November.
Sumber: blog resmi Google, Google Developers Blog (laporan khusus robotika dan tinjauan optimasi ADK), CocoLoop, model card Google DeepMind; indeks kecerdasan Artificial Analysis dan metodologi biaya per tugas.