Die kurze Antwort: Gemini 4 Argon ist derzeit noch nicht als reguläre API verfügbar. Google hat das Modell am 30. September 2026 angekündigt und zunächst nur ausgewählten Fachleuten aus der Cyberabwehr im Rahmen des Fairwind-Programms zugänglich gemacht. Einen Termin für die breitere Verfügbarkeit nannte das Unternehmen nicht. Planen Sie künftige Budgets vor allem mit 4 USD je Million Eingabe- und 20 USD je Million Ausgabe-Token – nicht nur mit dem halb so hohen Einführungspreis.
Was Google am 30. September 2026 tatsächlich angekündigt hat
Google stellte Gemini 4 Argon als Modell für umfangreiche Aufgaben in der Programmierung, Wissensarbeit und Cyberabwehr vor. Es handelt sich jedoch noch nicht um einen Dienst, den ein gewöhnliches Unternehmen sofort buchen und verbindlich in seine Produktionsplanung aufnehmen kann.
Laut der Ankündigung von Google vom 30. September 2026 erhielten zunächst ausgewählte Sicherheitspartner Zugang. Den gleichen Stand beschreibt auch Ars Technica: Das Modell wurde angekündigt, eine allgemein verfügbare API gibt es bislang aber nicht.
Die auffälligste Kennzahl ist die maximale Ausgabe von einer Million Token. Das vorherige Limit lag bei 64.000 Token. Ein größerer Ausgabespielraum kann bei umfangreichen Programmier- oder Analyseaufgaben helfen, belegt für sich genommen jedoch weder die Genauigkeit noch die Zuverlässigkeit oder Wirtschaftlichkeit des Modells.
Für Unternehmensentscheidungen sind vor allem drei bislang offene Fragen wichtig:
- wann die API tatsächlich verfügbar sein wird,
- welche betrieblichen und regionalen Bedingungen gelten werden,
- ob das Modell konkrete Unternehmensaufgaben besser oder günstiger bewältigt als die derzeit verfügbaren Lösungen.
API-Preis: Kalkulieren Sie mit 4/20 USD
Google kündigte zwei Preisstufen an. Der Einführungspreis soll 2 USD je Million Eingabe-Token und 10 USD je Million Ausgabe-Token betragen. Nach Ende der Einführungsphase sollen die Preise auf 4 beziehungsweise 20 USD steigen. Wie lange die vergünstigte Phase dauern wird, geht aus der Ankündigung nicht hervor.
| Position | Einführungspreis | Späterer Preis |
|---|---|---|
| 1 Million Eingabe-Token | 2 USD | 4 USD |
| 1 Million Ausgabe-Token | 10 USD | 20 USD |
| 1 Million Eingabe- und 1 Million Ausgabe-Token | 12 USD | 24 USD |
Die letzte Zeile ist lediglich die Summe der veröffentlichten Preise. Wiederholte Versuche, weitere Schritte eines agentenbasierten Prozesses und Aufrufe externer Werkzeuge sind darin nicht enthalten. Caching wirkt sich dagegen kostensenkend aus: Aus dem Cache geladene Eingabe-Token sollen laut Google 95 Prozent weniger kosten als reguläre Eingaben.
Eine Aufgabe mit 250.000 Eingabe- und 100.000 Ausgabe-Token würde zum Einführungspreis beispielsweise 1,50 USD kosten:
- Eingabe: 0,25 × 2 USD = 0,50 USD,
- Ausgabe: 0,10 × 10 USD = 1 USD.
Zum späteren Preis würde derselbe Umfang 3 USD kosten:
- Eingabe: 0,25 × 4 USD = 1 USD,
- Ausgabe: 0,10 × 20 USD = 2 USD.
Dies ist lediglich ein Rechenbeispiel und keine Schätzung für eine typische Aufgabe. Der Verbrauch hängt von der Aufgabenstellung, der Länge der Antwort, der Zahl der Korrekturen und dem Aufbau der gesamten Anwendung ab.
Der Einführungspreis darf daher nicht die einzige Grundlage für die Rentabilitätsberechnung sein. Dasselbe Prinzip gilt auch beim Vergleich von Unternehmenstarifen und APIs anderer Modelle: Entscheidend sind nicht die Kosten eines einzelnen gelungenen Aufrufs, sondern die Kosten eines abgeschlossenen und geprüften Vorgangs.
Was eine Million Ausgabe-Token bedeutet
Eine Million Token ist die Obergrenze für die Ausgabe. Sie ist weder ein Versprechen, dass das Modell jedes Mal eine derart lange Antwort erzeugt, noch ein Beleg dafür, dass die gesamte Ausgabe korrekt und praktisch nutzbar sein wird.
Aus dieser angekündigten Kennzahl lässt sich auch nicht auf die Größe des Eingabekontexts schließen. Eingabekontext und maximale Ausgabe sind zwei unterschiedliche Eigenschaften eines Modells.
Ein hohes Limit kann beispielsweise hilfreich sein bei:
- der Bearbeitung einer umfangreichen Programmieraufgabe in mehreren aufeinanderfolgenden Schritten,
- der Erstellung einer längeren Fachanalyse,
- der Arbeit eines Agenten, der Vorgehen und Ergebnisse mehrerer Werkzeuge beschreiben muss.
Gleichzeitig birgt es ein Kostenrisiko. Eine Anwendung kann unnötig lange Antworten erzeugen, fehlgeschlagene Schritte wiederholen oder fortfahren, obwohl keine ausreichende Grundlage für eine verlässliche Schlussfolgerung mehr vorhanden ist.
Ein Unternehmen muss daher nicht testen, ob das Modell das maximale Limit ausschöpfen kann. Es muss feststellen, ob es eine konkrete Aufgabe in der geforderten Qualität, Länge und zu den vorgesehenen Kosten abschließt.
Verfügbarkeit: Termin für die breitere Einführung unbekannt
Die erste begrenzte Bereitstellung erfolgt für vertrauenswürdige Fachleute aus der Cyberabwehr, die am Fairwind-Programm teilnehmen. Vor einer breiteren Veröffentlichung will Google die Sicherheitstests und die Anpassung der Schutzmechanismen fortsetzen.
Laut Ankündigung soll die anschließende Freigabe zunächst für zahlende API-Kunden und Abonnenten von Google AI Ultra beginnen. Einen konkreten Termin nannte Google jedoch nicht.
Für ein gewöhnliches Unternehmen folgt daraus ein einfacher Schluss: Argon kann in die Evaluierung und einen geplanten Pilotbetrieb einbezogen werden, nicht aber in ein Projekt, das von einem verbindlichen Liefertermin abhängt.
Aus den bisher verfügbaren Ankündigungen lassen sich auch die praktischen API-Beschränkungen, die regionale Verfügbarkeit und die Bedingungen für die Verarbeitung von Unternehmensdaten noch nicht bestätigen. Ohne diese Informationen kann nicht entschieden werden, ob der Dienst für personenbezogene Daten, Verträge, Kundenkommunikation, Quellcode oder andere sensible Unterlagen geeignet ist.
So bereiten Sie einen Pilotbetrieb im Unternehmen vor
Sie können den Pilotbetrieb im Voraus vorbereiten, sollten ihn aber erst nach Erhalt des Zugangs und Veröffentlichung der Betriebsbedingungen starten.
1. Wählen Sie reale Aufgaben aus
Vergleichen Sie Modelle nicht nur anhand allgemeiner Fragen in einem Chatfenster. Wählen Sie mehrere wiederholbare Anwendungsfälle, zum Beispiel:
- die Behebung eines Fehlers in einem konkreten Repository,
- die Prüfung einer Codeänderung anhand von Tests und Vorgaben,
- die Analyse einer Sammlung technischer Dokumente,
- die Erstellung einer Antwort auf Grundlage genau festgelegter interner Unterlagen.
Verwenden Sie für den ersten Test synthetische oder anonymisierte Daten. Geben Sie keine sensiblen Unternehmensdokumente in den Dienst ein, solange Sie die Bedingungen für deren Speicherung und Verarbeitung nicht kennen.
2. Legen Sie das richtige Ergebnis im Voraus fest
Definieren Sie für jede Aufgabe:
- was die Ausgabe enthalten muss,
- welche Fehler nicht akzeptabel sind,
- was von einem Menschen geprüft werden muss,
- wann das System die Arbeit abbrechen soll,
- wann das Modell eine unzureichende Datengrundlage eingestehen muss.
Ohne vorab festgelegte Kriterien wird aus dem Test schnell eine subjektive Bewertung, welche Antwort „besser wirkt“.
3. Messen Sie den gesamten Prozess
Es reicht nicht, nur die Token des letzten erfolgreichen Aufrufs zu erfassen. Beobachten Sie außerdem:
- die Eingabe- und Ausgabe-Token aller Schritte,
- die Zahl der Wiederholungen,
- fehlgeschlagene oder unbrauchbare Durchläufe,
- den Zeitaufwand für die menschliche Prüfung,
- menschliche Eingriffe während der Aufgabe,
- die Kosten eines abgeschlossenen Vorgangs.
Berechnen Sie das Kostenmodell mit dem späteren Preis von 4 USD je Million Eingabe- und 20 USD je Million Ausgabe-Token. Den Einführungspreis können Sie separat ausweisen, er sollte jedoch nicht über die langfristige Rentabilität entscheiden.
4. Bauen Sie Schutzmechanismen in Ihre eigene Anwendung ein
Die genaue Ausgestaltung der künftigen API ist noch nicht bekannt. Grundlegende Begrenzungen sollten Sie daher auch in Ihrer eigenen Anwendung vorsehen:
- ein Kostenlimit pro Vorgang,
- eine maximale Ausgabelänge,
- eine maximale Zahl von Wiederholungen,
- eine Liste zulässiger Werkzeuge,
- eine menschliche Bestätigung vor unumkehrbaren Aktionen,
- ein Auditprotokoll der Eingaben, Schritte und Ergebnisse.
Wenn Sie statt eines einmaligen Tests im Chat einen messbaren Pilotbetrieb vorbereiten möchten, unterstützen wir Sie bei der Konzeption und Einführung von KI-Automatisierung im Unternehmen – von der Auswahl der Aufgaben über die Sicherheit bis zur Auswertung der Kosten.
Testen Sie Prompt Injection in Ihrem eigenen Workflow
Google bezeichnet Argon als sein bislang widerstandsfähigstes Modell gegen indirekte Prompt Injection. Zugleich räumt das Unternehmen ein, dass diese Angriffsart kontinuierliche Aufmerksamkeit und mehrere Schutzebenen erfordert. Die Aussage des Herstellers ersetzt daher keinen eigenen Sicherheitstest.
Bei indirekter Prompt Injection befindet sich die schädliche Anweisung nicht in der Eingabe des Benutzers, sondern beispielsweise in einem Dokument, auf einer Webseite, in einer E-Mail oder im Quellcode, den der Agent einliest. Der angreifende Text kann versuchen, das Ziel der Aufgabe zu verändern, sensible Daten anzufordern oder den Agenten zum Einsatz eines Werkzeugs außerhalb des vorgesehenen Ablaufs zu bewegen.
Fügen Sie dem Pilotbetrieb deshalb ein Dokument mit einer absichtlich schädlichen Anweisung hinzu und prüfen Sie, ob das System:
- die Benutzeranweisung vom Inhalt des Dokuments trennt,
- eine nicht zulässige Aktion verweigert,
- keine Daten an ein anderes Werkzeug sendet,
- den Vorfall im Auditprotokoll erfasst,
- eine menschliche Bestätigung anfordert.
Praktische Schutzebenen beschreiben wir im Artikel über die Sicherheit von KI-Agenten, Berechtigungen und Prompt Injection.
Erst Datenregeln festlegen, dann den API-Zugang nutzen
Legen Sie noch vor dem Pilotbetrieb fest, welche Daten an einen externen Dienst übermittelt werden dürfen und welche innerhalb des Unternehmens bleiben müssen. Eine allgemeine Kennzeichnung als „sensibel“ reicht nicht aus. Unterscheiden Sie zumindest zwischen personenbezogenen Daten, Geschäftsverträgen, Kundendokumenten, Zugangsdaten, Quellcode und internen Sicherheitsinformationen.
Nach Veröffentlichung der API-Bedingungen müssen insbesondere die Speicherung von Eingaben, die Protokollierung, der Zugriff des Anbieters und eine mögliche weitere Nutzung der Daten geprüft werden. Erfüllen die Bedingungen die Anforderungen eines konkreten Anwendungsbereichs nicht, kann auch ein genaueres Modell dieses Problem nicht lösen.
Eine erste Bestandsaufnahme der Werkzeuge und Datenflüsse lässt sich anhand unseres Leitfadens zu KI-Audit, Shadow AI und Data Residency vorbereiten.
Was bereits heute entschieden werden kann
Gemini 4 Argon bietet ein interessantes angekündigtes Ausgabelimit, doch eine Million Token allein ist kein geschäftlicher Grund für die Einführung. Für Unternehmen werden die Verfügbarkeit der API, die Bedingungen für den Umgang mit Daten, die Qualität bei eigenen Aufgaben und die Kosten des gesamten abgeschlossenen Prozesses entscheidend sein.
Testfälle, erwartete Ergebnisse, Sicherheitsszenarien und Messverfahren lassen sich bereits jetzt vorbereiten. Ein Produktionstermin oder die Verarbeitung sensibler Daten kann derzeit jedoch noch nicht auf Argon gestützt werden. Es fehlen ein verbindlicher Termin für die breitere Verfügbarkeit und veröffentlichte Betriebsbedingungen.
Wo Sie uns finden
ITHOPE ist eine Firma aus Brno, Tschechien: wir machen Datenrettung von Festplatten, RAID und NAS, PC- und Notebook-Service und IT für Unternehmen, alles im eigenen Labor in der Viniční 3587/216, 615 00 Brno.
Telefon +420 775 556 063 (rund um die Uhr). Das Gerät können Sie persönlich bringen oder per Kurier schicken (Zásilkovna, PPL).