Google heeft met Gemini 4 Argon een model uitgebracht dat is gebouwd voor werk dat meerdere stappen en veel context vraagt. Voor organisaties is de vraag niet of het model indrukwekkend is, maar wat u ermee kunt doen en wat u eerst moet regelen.
Wat is Gemini 4 Argon?
Gemini 4 Argon is het topmodel van Google voor diepgaand werk bij complexe, praktijkgerichte taken: softwareontwikkeling, bedrijfsanalyse, fysiek redeneren en agent-workflows. Google kondigde het model aan op 30 september 2026. Sinds 13 oktober is het breed beschikbaar via de betaalde Gemini API, Google AI Studio, Gemini Enterprise en, voor Pro- en Ultra-abonnees, de Gemini-app en AI Mode.
Voor een medewerker betekent dat: het model is bedoeld voor taken die u nu nog in stukken knipt, zoals een groot document analyseren, een softwareprobleem uitzoeken of een meerstappenproces laten uitvoeren door een AI-agent. De cijfers hieronder zijn grotendeels door Google zelf gemeld. Ze geven een richting, geen garantie voor uw situatie.
Wat kan het model volgens Google?
Langere uitvoer en groot contextvenster
De standaard maximale uitvoer is 65.536 tokens. Google noemt een uitgebreide modus waarmee de uitvoer kan oplopen tot ongeveer 1 miljoen tokens. Het contextvenster voor invoer en uitvoer samen is 1.048.576 tokens. Die lange uitvoer staat niet standaard aan: u moet hem via de API configureren. Google heeft ook nog niet duidelijk gemaakt hoe dit zich verhoudt tot één ononderbroken antwoord.
Instelbaar denkniveau
Het model ondersteunt drie denkniveaus: laag, gemiddeld en hoog. Dat is praktisch, want niet elke vraag heeft diep redeneren nodig. Een eenvoudige samenvatting hoeft geen hoog niveau; een lastige analyse wel. Een hoger niveau kost doorgaans meer tijd en tokens.
Fysiek redeneren en robotica
Op de benchmark voor belichaamd redeneren (ERQA) meldt Google 87 procent. In demonstraties zette het model een video van een cornhole-worp om in een simulatie voor de Apptronik Apollo-robot en een schets in een gesimuleerde taakomgeving. Voor de meeste kantoororganisaties is dit nog ver weg. Voor industrie, logistiek en productie is het een ontwikkeling om te volgen.
Agents en beveiliging
Google meldt sterke scores op agent-benchmarks, waaronder 51,3 procent op AutomationBench, 77,9 procent op DeepSWE v1.1 en 65,40 procent op Vals Finance Agent v2. Bij Gray Swan, een test op indirecte prompt-injectie, noemt Google een aanvalssucces van 0,7 procent. Dat laatste is relevant, omdat agents die e-mails of webpagina’s lezen een bekend aanvalspunt vormen. Het model wordt bovendien uitgerold via het Fairwind-programma voor cyberverdedigers, die ook versies zonder bepaalde cyber-vangrails kunnen krijgen.
Hoe goed is het echt?
Google meldt de eerste plaats op de Vals Index met 68,90 procent, tegenover 67,04 procent voor Claude Sonnet 5.5 en 66,97 procent voor Claude Opus 5.5. Dat verschil is klein. Het onafhankelijke Artificial Analysis geeft een ander beeld: Argon scoort daar 53 op de Intelligence Index, onder Claude Opus 5.5 (58) en Claude Sonnet 5.5 (56). Op Terminal-Bench 4.0 haalt Argon 57,4 procent tegenover 66,4 procent voor Opus 5.5.
De conclusie is nuchter: Argon is een sterk model, maar welk model het best werkt, hangt af van de taak. Wie een AI-model kiest op basis van één ranglijst, kiest op basis van een deel van het plaatje.
Wat kost het?
Volgens Google geldt tot en met 30 november 2026 een introductietarief van 2 dollar per miljoen invoertokens en 10 dollar per miljoen uitvoertokens. Vanaf 1 december is dat 4 dollar en 20 dollar. Gecachte invoer is 95 procent goedkoper (0,10 dollar per miljoen tokens). Dat is relevant als u steeds dezelfde lange documenten of instructies meestuurt. Het model ondersteunt impliciete caching; expliciete caching wordt niet ondersteund. Reken uw verwachte gebruik door voordat u het introductietarief als uitgangspunt neemt.
Wat wij in de praktijk zien
Inzicht 1: een nieuw model lost een ontbrekend proces niet op
Organisaties wisselen graag van model in de verwachting dat de resultaten vanzelf verbeteren. Als het probleem zit in onduidelijke opdrachten of ontbrekende controle, neemt een sterker model dat niet weg. Het verschil zit meestal in de manier van vragen en nakijken.
Inzicht 2: de benchmark die telt is uw eigen taak
Een model dat bovenaan een ranglijst staat, kan op uw dossiers, uw contracten of uw code anders presteren. Wij raden aan een kleine set eigen testtaken samen te stellen en elk model daarop te vergelijken, met een medewerker die de uitkomst beoordeelt.
Inzicht 3: agents vragen om afspraken vóór de eerste test
Zodra een model zelfstandig e-mails leest, bestanden opent of acties uitvoert, verschuift de vraag van “wat kan het?” naar “wat mag het?”. Zonder afspraken over welke data het mag zien en welke stappen een mens moet goedkeuren, loopt een pilot snel vast bij de compliance-afdeling.
Hoe wij dit aanpakken
In onze trainingen leren deelnemers een nieuw model te beoordelen zonder zich te laten leiden door de aankondiging. Een Gemini-training duurt een dag en is praktisch ingericht. Wat u doet:
- Een eigen testset van vijf tot tien echte werktaken opstellen en meerdere modellen daarop vergelijken.
- Vastleggen welke data in welk model mag, met de dataclassificatie uit het AIP Duurzame AI Kompas.
- Per taak bepalen welk denkniveau en welke menselijke controle passen.
- De uitkomst vertalen naar AI-beleid en een duidelijke taakverdeling.
Na afloop weten teams welke taken zich lenen voor het nieuwe model, wie de uitkomst controleert en waar de grens ligt. Hoe uw organisatie dit bestuurt, hoort bij AI-governance, en medewerkers die dit begrijpen zijn onderdeel van uw AI-geletterdheid. Meer over de eerdere ontwikkelingen leest u in ons overzicht van Gemini-updates.
Tot slot
Gemini 4 Argon is een serieuze stap voor complexe taken, maar de beste keuze bepaalt u met uw eigen werk en uw eigen spelregels. Bekijk onze Gemini-training of plan een kennismaking.
Bronnen
- Google: aankondiging Gemini 4 Argon (30 september 2026) en beschikbaarheid (13 oktober 2026)
- Google AI for Developers: Gemini 4 Argon
- VentureBeat: berichtgeving over Gemini 4 Argon (13 oktober 2026)
- Artificial Analysis: Intelligence Index
Veelgestelde vragen over Gemini 4 Argon
Wat is Gemini 4 Argon?
Gemini 4 Argon is het nieuwste topmodel van Google, bedoeld voor diepgaand werk bij complexe taken zoals softwareontwikkeling, bedrijfsanalyse, fysiek redeneren en agent-workflows. Google kondigde het model op 30 september 2026 aan en maakte het op 13 oktober breed beschikbaar.
Wat kost Gemini 4 Argon?
Volgens Google geldt tot en met 30 november 2026 een introductietarief van 2 dollar per miljoen invoertokens en 10 dollar per miljoen uitvoertokens. Vanaf 1 december is dat 4 dollar en 20 dollar. Gecachte invoer kost 95 procent minder. Controleer de actuele prijzen altijd in de documentatie van Google.
Is Gemini 4 Argon het beste model op de markt?
Dat hangt af van de maatstaf. Google meldt de eerste plaats op de Vals Index. Op de Artificial Analysis Intelligence Index scoort Argon 53, onder Claude Opus 5.5 (58) en Claude Sonnet 5.5 (56). Een benchmark zegt bovendien weinig over uw eigen taken, dus test het model op uw eigen werk.
Kan mijn organisatie Gemini 4 Argon direct gebruiken?
Het model is beschikbaar via de betaalde Gemini API, Google AI Studio, Gemini Enterprise en, voor Pro- en Ultra-abonnees, de Gemini-app en AI Mode. Of het gebruik is toegestaan, hangt af van uw eigen AI-beleid, uw dataclassificatie en de afspraken met uw leverancier.
Wat betekent de grotere uitvoerlimiet in de praktijk?
De standaard maximale uitvoer is 65.536 tokens. Met een uitgebreide modus, die u via de API moet instellen, kan dat oplopen tot ongeveer 1 miljoen tokens. Het contextvenster voor invoer en uitvoer samen is 1.048.576 tokens. Voor langere uitvoer is dus configuratie nodig.