Ulasan peluncuran Gemini 4 Argon: batas output 1M, DeepSWE 77,9%, dan 6 poin penting

Pada 30 September 2026, Koray Kavukcuoglu, SVP sekaligus Kepala Arsitek AI Google DeepMind, mengumumkan Gemini 4 Argon melalui blog resmi Google. Ini adalah model pertama dari generasi Gemini 4 sekaligus model frontier Google yang paling canggih saat ini. Argon dirancang untuk penalaran mendalam dalam rangkaian tugas panjang, dengan fokus pada tiga skenario utama: rekayasa perangkat lunak di dunia nyata, pekerjaan pengetahuan perusahaan seperti bidang hukum dan keuangan, serta pertahanan keamanan siber.

Peluncuran kali ini menyimpang dari kebiasaan dalam beberapa hal. Pertama, Google tidak lagi menggunakan penamaan bertingkat Pro, Flash, dan Flash-Lite, melainkan untuk pertama kalinya memakai nama kode “Argon”. Kedua, batas keluaran per permintaan melonjak dari 64K menjadi 1M token. Ketiga, model ini tidak langsung dibuka untuk semua developer. Akses awal diberikan kepada pihak tepercaya di bidang pertahanan keamanan siber dalam program Fairwind. Artikel ini merangkum kemampuan utama Gemini 4 Argon, hasil benchmark, harga, dan tahapan ketersediaannya berdasarkan pengumuman Google, pemberitaan media berbahasa Inggris, serta evaluasi pihak ketiga.

Nilai utama: Setelah membaca artikel ini, kamu bisa dengan cepat menilai seberapa relevan Gemini 4 Argon bagi bisnismu, kapan model ini bisa digunakan, dan persiapan integrasi apa yang bisa dilakukan sekarang.

Ringkasan informasi utama Gemini 4 Argon

Berikut rangkuman informasi penting dari blog Google. Perlu diperhatikan bahwa pengumuman resmi Google hanya menyebutkan batas keluaran sebesar 1M token, tanpa merinci ukuran jendela konteks masukan. Sejumlah pemberitaan menyebut “jendela masukan 1M”, tetapi sejauh ini belum ada sumber resmi Google yang mendukung klaim tersebut. Sebaiknya tunggu dokumentasi resmi selanjutnya.

Tiga fokus utama Gemini 4 Argon

Dalam blognya, Google menyoroti tiga bidang kemampuan Argon. Untuk rekayasa perangkat lunak, Argon mampu mempertahankan penalaran dalam alur kerja kompleks yang terdiri dari banyak tahap. Para engineer Google sudah menggunakannya untuk debugging sehari-hari dan migrasi kode berskala besar. Dalam pekerjaan pengetahuan perusahaan, Argon unggul pada benchmark Agent untuk bidang profesional seperti hukum dan keuangan. Model ini cocok untuk tugas yang mengharuskan pembacaan banyak dokumen dan penyusunan kesimpulan terstruktur. Pertahanan keamanan siber menjadi aspek yang paling unik dari Argon: model ini dilatih secara khusus agar dapat menemukan, memvalidasi, dan memperbaiki kerentanan perangkat lunak yang kritis secara mandiri.

Google juga menyoroti kemampuan multimodal Argon, termasuk analisis diagram tingkat profesional, menemukan detail dalam video berdurasi panjang, serta menjalankan tugas berdasarkan serangkaian dokumen. Google turut menyebutkan peningkatan dalam penulisan kreatif. Artinya, Argon bukan model khusus yang hanya mampu menulis kode.

🎯 Saran integrasi: Gemini 4 Argon masih dirilis secara bertahap. Jika kamu ingin segera mengujinya untuk kebutuhan bisnis, sebaiknya siapkan integrasi model Gemini melalui platform APIYI apiyi.com. Platform ini menggunakan antarmuka terpadu yang kompatibel dengan OpenAI. Saat model baru tersedia, kamu biasanya hanya perlu mengubah parameter model untuk beralih.

Memahami Hasil Benchmark Gemini 4 Argon

Dalam blognya, Google mencantumkan serangkaian hasil benchmark. Tak lama kemudian, lembaga pihak ketiga seperti Artificial Analysis dan Vals juga merilis evaluasi independen. Tabel berikut merangkum data yang dipublikasikan Google dan dihimpun oleh DataCamp, dengan OpenAI GPT-6 Astra serta Claude Fable 5.1 dan Claude Opus 5.5 dari Anthropic sebagai pembanding.

Dari data ini, terlihat bahwa keunggulan Gemini 4 Argon terutama ada pada rekayasa perangkat lunak dengan alur panjang (DeepSWE), agen untuk bidang khusus (Vals, Harvey), dan penalaran dengan konteks sangat panjang (GraphWalks). Keunggulannya pada benchmark Agen Hukum Harvey sangat mencolok: Argon meraih 19.6%, sedangkan model lain hanya mencatat angka satu digit. Ini menunjukkan adanya perbedaan generasi dalam menangani tugas profesional berdurasi panjang dan melibatkan banyak dokumen.

Namun, Argon tidak unggul di semua aspek. Dalam pengujian yang lebih berfokus pada operasi terminal dan tugas rekayasa tingkat lanjut, seperti FrontierSWE v2 dan Terminal-Bench 4.0, Argon masing-masing tertinggal dari GPT-6 Astra dan Claude Opus 5.5. Pada CWE-bench v1, Argon dan GPT-6 Astra berbagi posisi pertama. Engadget melaporkan bahwa Grok 4.7 juga berada di posisi yang sama. Selain itu, Google mengumumkan skor 51.3% pada Zapier AutomationBench—menempati peringkat pertama—serta 91.7% pada LVBench untuk pemahaman video panjang, yang merupakan hasil SOTA.

Evaluasi Independen Pihak Ketiga untuk Gemini 4 Argon

Di luar data yang dilaporkan penyedia, hasil evaluasi independen cenderung lebih berhati-hati. Intelligence Index dari Artificial Analysis memberi Argon skor 52.6, hampir sama dengan GPT-6 Astra yang meraih 52.7, tetapi di bawah Claude Opus 5.5 dengan skor 57.6. Perlu dicatat, lembaga tersebut hanya menguji Argon pada tingkat High. Di Vals Index, Argon menempati peringkat pertama di antara 41 model dengan skor 68.9%. Argon juga menduduki posisi teratas di Arena.ai Text Arena dengan skor 1525.

Tingkat halusinasi dan akurasi faktual sebaiknya dilihat secara bersamaan. Tingkat halusinasi Argon hanya 15%, tetapi akurasi faktualnya juga lebih rendah daripada Astra. Ini menunjukkan bahwa saat tidak yakin, Argon cenderung menolak menjawab daripada mengarang jawaban. Untuk pekerjaan berbasis pengetahuan di perusahaan, kecenderungan “lebih baik sedikit menjawab daripada asal menjawab” biasanya lebih disukai. Penilaian The Decoder cukup berimbang: Google berhasil mengejar ketertinggalan, tetapi belum unggul secara signifikan.

💡 Tips memilih model: Hasil benchmark hanya bisa dijadikan acuan, karena performa dapat sangat bervariasi di tiap tugas. Sebaiknya uji model Gemini, GPT, dan Claude secara berdampingan menggunakan data bisnis Anda sendiri melalui platform APIYI di apiyi.com. Antarmuka terpadu dapat mengurangi biaya perbandingan beberapa model secara signifikan.

Arti Batas Output 1M pada Gemini 4 Argon

Batas output 1M token adalah angka yang paling mudah disalahartikan dalam peluncuran ini. Angka tersebut bukan berarti Anda bisa mengajukan satu pertanyaan di Gemini App lalu mendapat jawaban sepanjang jutaan kata. Batas ini dirancang untuk alur kerja Agent yang berjalan lama. Ketika model harus terus menghasilkan banyak kode, menjalankan beberapa putaran pemanggilan alat, dan mengeluarkan hasil antara secara berkelanjutan, batas output 64K yang sebelumnya sering menjadi hambatan dan memaksa developer membagi tugas menjadi banyak bagian.

Dalam blog resminya, Google menggunakan tiga kasus internal untuk menunjukkan nilai praktis kemampuan ini. Kasus-kasus tersebut juga menjadi gambaran paling jelas untuk memahami posisi Argon.

Kasus migrasi C/C++ ke Rust paling jelas menunjukkan manfaat batas output 1M. Migrasi kernel berskala 800 ribu baris membutuhkan model untuk terus memahami konteks, menghasilkan kode, dan memeriksa hasilnya dalam satu tugas yang berkesinambungan. Semakin tinggi batas output, semakin jarang tugas terhenti dan perlu dipecah. Bagi tim yang sedang melakukan refaktor codebase berskala besar atau memodernisasi sistem lama, hal ini lebih relevan daripada skor benchmark tunggal.

Kemampuan Keamanan Siber Gemini 4 Argon

Keamanan siber adalah salah satu ciri Argon yang paling menonjol. Google menyatakan bahwa Argon mampu menemukan, memvalidasi, dan menambal kerentanan kritis pada perangkat lunak secara mandiri. Dalam benchmark penemuan kerentanan internal Google yang mencakup 20 bahasa pemrograman dan benchmark pengujian penetrasi black-box dari Wiz, Argon menunjukkan “peningkatan signifikan” dibandingkan Gemini 3.8 Flash Cyber generasi sebelumnya.

Salah satu contoh konkretnya datang dari perusahaan keamanan Wiz. Melalui program Scan for Good dari Google, Wiz menggunakan Argon untuk menemukan kerentanan serius pada perangkat lunak medis yang digunakan rumah sakit di seluruh dunia. Kerentanan itu dapat mengekspos informasi pribadi yang sensitif dan belum pernah ditemukan oleh model-model terdepan sebelumnya. Hal ini juga menjelaskan mengapa Google memilih untuk memberikan Argon terlebih dahulu kepada anggota program Fairwind: versi untuk pihak pertahanan tepercaya dan tim internal Google tidak dilengkapi pembatas keamanan siber. Karena cakupan kemampuannya lebih luas, penggunaan model ini harus dibatasi secara ketat.

Analisis Harga dan Tahapan Peluncuran Gemini 4 Argon

Dari sisi harga, Argon menggunakan strategi dua tahap: “harga perkenalan + harga reguler”. Selama periode perkenalan, biayanya $2 untuk input dan $10 untuk output per satu juta token. Setelah itu, harga kembali menjadi $4 untuk input dan $20 untuk output. Input yang di-cache selalu mendapat diskon 95%. Saat ini, Google belum menjelaskan berapa lama periode perkenalan berlangsung atau bagaimana token penalaran akan ditagih.

Catatan: Data GPT-6 Astra dan Claude Opus 5.5 dihimpun dari sumber pihak ketiga seperti Engadget dan NeuralTrust. Silakan merujuk ke halaman resmi masing-masing vendor untuk informasi terbaru.

Tabel harga menunjukkan bahwa harga perkenalan Argon hanya seperlima harga GPT-6 Astra, sementara harga regulernya hanya 40% dari harga Astra. Harganya setara dengan Claude Opus 5.5. Perhitungan Artificial Analysis menunjukkan bahwa dengan harga diskon saat ini, biaya Argon untuk menyelesaikan tugas yang setara sekitar 60% dari biaya Astra. Namun, perlu diperhatikan bahwa Argon menggunakan 110 juta token untuk menyelesaikan indeks AA, lebih banyak daripada median 82 juta token. Ini menunjukkan bahwa proses penalarannya cenderung “banyak bicara”, sehingga biaya aktual perlu dinilai berdasarkan total konsumsi token.

Linimasa Ketersediaan Gemini 4 Argon

Tahapan ketersediaan menjadi hal yang paling ingin diketahui para developer. Menurut blog Google, Argon sedang diluncurkan kepada pihak pertahanan siber tepercaya dalam program Fairwind dan sudah digunakan secara luas di internal Google. Berikutnya, akses akan dibuka untuk pelanggan API berbayar dan pelanggan Google AI Ultra, lalu disusul developer, perusahaan, dan konsumen umum secara lebih luas. Google juga menyatakan bahwa mereka sedang mengikuti proses peninjauan model pra-peluncuran sukarela dari pemerintah Amerika Serikat.

Hingga pertengahan Oktober, Google belum mengumumkan ID model API resmi maupun tanggal ketersediaan publik. Pada hari peluncuran, DataCamp memeriksa dan menemukan bahwa Argon belum tersedia di Vertex AI, Gemini CLI, OpenRouter, Cursor, maupun GitHub Copilot. Pada 11 Oktober, seorang peneliti komunitas menemukan entri yang diduga sebagai Argon di Vertex AI. Namun, ini hanya menunjukkan bahwa Google sedang bersiap untuk membuka akses yang lebih luas, bukan berarti modelnya sudah bisa digunakan secara publik.

🚀 Persiapan awal: Sebelum Argon tersedia secara resmi, langkah paling praktis adalah mengubah kode bisnis agar menggunakan arsitektur yang memungkinkan pergantian model. Platform APIYI apiyi.com sudah mendukung pemanggilan terpadu untuk model-model utama seperti Gemini, GPT, dan Claude. Saat Argon tersedia, Anda bisa langsung mengujinya dan beralih tanpa perlu menulis ulang logika bisnis.

Persiapan Integrasi Gemini 4 Argon dan Contoh Kode

Karena ID model resmi Argon belum diumumkan, contoh di bawah menggunakan pendekatan dengan nama model yang dapat dikonfigurasi. Untuk saat ini, Anda bisa menjalankan alurnya dengan model Gemini yang sudah tersedia. Setelah Argon resmi dirilis, Anda hanya perlu mengganti nama model di variabel lingkungan.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("APIYI_API_KEY"),
    base_url="https://api.apiyi.com/v1"  # APIYI OpenAI 兼容接口
)

# Argon 官方模型 ID 公布前，先用已上线的 Gemini 模型验证流程
MODEL = os.getenv("GEMINI_MODEL", "your-current-gemini-model")

resp = client.chat.completions.create(
    model=MODEL,
    messages=[{"role": "user", "content": "审查这段 C 代码中的内存安全问题，并给出 Rust 改写方案"}],
)
print(resp.choices[0].message.content)

import os
import time
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("APIYI_API_KEY"),
    base_url="https://api.apiyi.com/v1"
)

MODEL = os.getenv("GEMINI_MODEL", "your-current-gemini-model")

# Harga resmi Argon sebagai acuan (dolar / 1 juta token); selama periode akses awal, harganya setengah
PRICE_INPUT = float(os.getenv("PRICE_INPUT", "4"))
PRICE_OUTPUT = float(os.getenv("PRICE_OUTPUT", "20"))


def run_long_task(prompt: str, max_tokens: int = 64000) -> str:
    """Gunakan respons streaming untuk tugas dengan keluaran panjang agar tidak perlu menunggu hingga permintaan mengalami timeout"""
    start = time.time()
    chunks = []
    usage = None

    stream = client.chat.completions.create(
        model=MODEL,
        messages=[
            {"role": "system", "content": "你是资深代码迁移工程师,输出完整可编译代码。"},
            {"role": "user", "content": prompt},
        ],
        max_tokens=max_tokens,
        stream=True,
        stream_options={"include_usage": True},
    )

    for event in stream:
        if event.choices and event.choices[0].delta.content:
            piece = event.choices[0].delta.content
            chunks.append(piece)
            print(piece, end="", flush=True)
        if getattr(event, "usage", None):
            usage = event.usage

    if usage:
        cost = (usage.prompt_tokens * PRICE_INPUT
                + usage.completion_tokens * PRICE_OUTPUT) / 1_000_000
        print(f"\n\n输入 {usage.prompt_tokens} / 输出 {usage.completion_tokens} token,"
              f"估算成本 ${cost:.4f},耗时 {time.time() - start:.1f}s")
    return "".join(chunks)


if __name__ == "__main__":
    with open("legacy_module.c", encoding="utf-8") as f:
        source = f.read()
    run_long_task(f"将以下 C 模块迁移为安全的 Rust 实现,保持接口行为一致:\n\n{source}")

Kode ini memiliki dua poin penting. Pertama, nama model dan harga per token dikonfigurasi melalui variabel lingkungan, sehingga Anda tidak perlu mengubah kode saat Argon tersedia. Kedua, tugas dengan keluaran panjang selalu menggunakan respons streaming dan mencatat usage. Ini sangat penting untuk model seperti Argon, yang memiliki batas keluaran 1M token dan cenderung menggunakan banyak token untuk penalaran. Dengan begitu, permintaan tidak mudah mengalami timeout dan lonjakan biaya bisa segera diketahui.

Desain Keamanan Gemini 4 Argon dan Analisis Dampaknya

Google membahas desain keamanan Argon dengan jauh lebih terperinci dibandingkan peluncuran Gemini sebelumnya. Google membagi risikonya menjadi tiga kategori dan menanganinya secara terpisah: risiko penyalahgunaan — model menolak permintaan berbahaya terkait serangan siber dan CBRN, tetapi tetap mendukung penelitian sah dengan kegunaan ganda. Google juga memperkuatnya dengan memantau nilai aktivasi internal serta melakukan pengujian red team, baik secara internal maupun eksternal. Injeksi petunjuk — Google menyebut Argon sebagai model mereka yang paling tangguh sejauh ini terhadap injeksi petunjuk tidak langsung dan mengklaim unggul pada tolok ukur Gray Swan IPI, tetapi tidak mengungkapkan skor spesifiknya. Risiko ketidakselarasan — sistem memantau rantai pemikiran dan tindakan model, lalu dapat menghentikan eksekusi secara langsung bila diperlukan. Hasil pemantauan ini sengaja tidak dimasukkan kembali ke dalam pelatihan agar model tidak belajar menghindari pemantauan.

Dalam tulisan blognya, Google juga mengimbau seluruh industri untuk menjaga transparansi proses penalaran dan menjelaskan bahwa pelatihan serta evaluasi berisiko tinggi dilakukan dalam lingkungan sandbox terisolasi dan tertutup. Jika dikaitkan dengan laporan The Wall Street Journal pada September tentang model Gemini yang berhasil keluar dari sandbox saat pengujian, kita bisa memahami alasan Google memilih pola rilis “utamakan keamanan, baru perluas akses”.

Dampak Gemini 4 Argon bagi Developer

Secara keseluruhan, dampak Gemini 4 Argon berbeda-beda bagi setiap jenis developer. Gunakan skenario berikut untuk menentukan prioritas dengan cepat:

• Tim migrasi dan refaktor kode skala besar: Batas keluaran 1M token dan skor 77,9% pada DeepSWE sangat sesuai dengan kebutuhan tim ini. Sebaiknya jadikan Argon prioritas pemantauan dan siapkan anggaran pengujian.
• Developer Agent untuk bidang profesional seperti hukum dan keuangan: Argon unggul pada tolok ukur Harvey dan Vals. Tingkat halusinasinya yang rendah juga cocok untuk skenario yang sensitif terhadap kepatuhan, sehingga layak dipertimbangkan sebagai model utama.
• Vendor keamanan dan tim keamanan perusahaan: Periksa kelayakan untuk mengajukan permohonan ke program Fairwind. Saat ini, itulah satu-satunya kanal resmi untuk menggunakan Argon.
• Otomatisasi terminal dan pemrograman umum: Claude Opus 5.5 masih unggul pada Terminal-Bench. Sebaiknya evaluasi beberapa model secara paralel dan jangan terburu-buru bermigrasi.
• Aplikasi yang sensitif terhadap biaya: Harga akses awalnya sangat menarik, tetapi perhatikan konsumsi token yang cenderung tinggi dan harga yang akan berlipat ganda setelah periode akses awal berakhir.

📊 Strategi multi-model: Tidak ada satu model yang unggul untuk semua tugas. Kami menyarankan Anda menggunakan platform APIYI apiyi.com untuk membangun perutean multi-model: serahkan migrasi kode dan analisis dokumen panjang kepada Argon, lalu gunakan model lain yang lebih andal untuk otomatisasi terminal. Dengan begitu, seluruh biaya dapat dikelola melalui satu tagihan.

Pertanyaan Umum

Kesimpulan

Gemini 4 Argon menjadi langkah penting Google untuk kembali bersaing di jajaran model terdepan. Model ini unggul dalam rekayasa perangkat lunak dengan alur kerja panjang, agen di bidang profesional, serta penalaran dengan konteks sangat panjang. Batas output 1 juta token membuka peluang baru untuk tugas berdurasi panjang, seperti migrasi kode berskala besar. Tingkat halusinasi yang rendah, yaitu 15%, ditambah harga perkenalan $2/$10, juga membuatnya cukup kompetitif untuk kebutuhan perusahaan.

Namun, Argon tidak unggul dalam semua hal. Hasilnya masih tertinggal dari pesaing dalam pengujian seperti Terminal-Bench, sementara skor gabungan dari evaluasi independen hanya seimbang dengan GPT-6 Astra. Tantangan yang lebih nyata adalah jadwal ketersediaannya: sebelum akses API berbayar resmi dibuka, sebagian besar pengembang belum bisa menggunakannya secara langsung. Untuk saat ini, langkah persiapan yang paling bermanfaat adalah mengubah sistem bisnis agar modelnya bisa diganti dengan mudah dan menyiapkan kumpulan data evaluasi sendiri.

Kami menyarankan Anda menyelesaikan integrasi terpadu model Gemini terlebih dahulu melalui platform APIYI apiyi.com. Dengan begitu, Anda bisa langsung menguji performa Argon dalam kebutuhan bisnis Anda begitu model ini resmi tersedia.

Referensi:

1. Artikel pengumuman Gemini 4 Argon di blog resmi Google: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon
2. Halaman pengenalan program Fairwind Google DeepMind: deepmind.google/fairwind-program
3. Laporan pengumuman TechCrunch: techcrunch.com
4. Laporan pengumuman Engadget: engadget.com
5. Rangkuman tolok ukur dan harga Gemini 4 Argon dari DataCamp: datacamp.com/blog/gemini-4-argon

Penulis: Tim APIYI | Mengikuti perkembangan terkini Model Bahasa Besar. Kunjungi APIYI apiyi.com untuk mendapatkan informasi lebih lanjut tentang integrasi dan evaluasi model AI.