Google Rilis Gemini 4 Argon, AI Baru untuk Coding dan Keamanan Siber

Gemini 4 Argon menjadi bagian dari pengembangan model AI Google yang semakin berfokus pada kemampuan menyelesaikan pekerjaan dalam jangka panjang. Model ini dirancang untuk mempertahankan proses penalaran ketika menghadapi tugas yang membutuhkan banyak langkah, sehingga dapat mengerjakan persoalan yang tidak selalu bisa diselesaikan melalui satu instruksi sederhana. Google menyebut kemampuan tersebut relevan untuk berbagai kebutuhan, termasuk pemrograman, pekerjaan profesional, dan keamanan siber.

Untuk mendukung kemampuan tersebut, Google meningkatkan batas keluaran Gemini 4 Argon menjadi 1 juta token dari sebelumnya 64 ribu token. Peningkatan ini memberikan ruang bagi model untuk melakukan penalaran yang lebih panjang dan menghasilkan keluaran dalam jumlah besar dalam satu rangkaian pekerjaan. Pendekatan tersebut ditujukan agar AI dapat menyelesaikan tugas yang membutuhkan analisis mendalam tanpa harus terlalu sering memecah prosesnya menjadi pekerjaan terpisah.

Kemampuan penalaran yang lebih panjang juga menjadi salah satu pembeda Gemini 4 Argon dibandingkan pendekatan AI yang hanya berfokus pada respons cepat. Google ingin model ini mampu menangani persoalan yang melibatkan banyak informasi, keputusan, dan tahapan kerja secara lebih konsisten. Karena itu, pengembangannya diarahkan untuk kebutuhan pengguna profesional yang memerlukan bantuan AI dalam pekerjaan dengan tingkat kompleksitas tinggi.

Salah satu bidang yang menjadi fokus utama Gemini 4 Argon adalah pengembangan perangkat lunak. Google menyebut model ini telah digunakan secara internal untuk berbagai pekerjaan pemrograman, mulai dari menemukan kesalahan kode hingga membantu proses migrasi basis kode berskala besar. Kemampuannya juga mencakup perancangan algoritma dan optimalisasi perangkat lunak yang membutuhkan pemahaman terhadap banyak bagian kode sekaligus.

Dalam pengujian DeepSWE v1.1, Gemini 4 Argon mencatatkan skor 77,9 persen. Pengujian tersebut dirancang untuk mengukur kemampuan model AI dalam menangani pekerjaan rekayasa perangkat lunak dunia nyata yang berlangsung melalui banyak tahapan. Google mengklaim hasil tersebut menempatkan Gemini 4 Argon pada posisi terdepan dalam evaluasi tersebut.

Google juga memberikan contoh penggunaan Gemini 4 Argon untuk membantu migrasi kode C/C++ ke Rust. Proyek tersebut mencakup pustaka perangkat lunak seperti re2 dan libgav1, hingga komponen kernel Fuchsia Zircon yang memiliki lebih dari 800 ribu baris kode. Pada pengembangan libgav1, agen berbasis Argon membantu mengganti sekitar 32 ribu baris kode SIMD dan menghasilkan decoder video berbasis Rust yang berjalan 2,7 kali lebih cepat dibandingkan versi Rust sebelumnya, dengan keluaran video yang tetap identik.

Kemampuan Gemini 4 Argon tidak hanya dikembangkan untuk pemrograman, tetapi juga pekerjaan profesional yang membutuhkan pemahaman terhadap informasi dalam jumlah besar. Google menyebut model ini dapat digunakan untuk analisis keuangan, penelitian hukum, hingga penyusunan dokumen yang melibatkan banyak sumber informasi. Kemampuan penalaran dan pemahaman multimodal menjadi bagian penting ketika AI harus menghubungkan informasi dari dokumen, grafik, maupun materi visual lainnya.

Dalam pengujian Vals Index, Gemini 4 Argon diklaim menempati posisi teratas untuk pekerjaan yang berkaitan dengan sektor keuangan, pemrograman, hukum, dan perpajakan. Pengujian tersebut mengukur kemampuan model dalam menyelesaikan pekerjaan yang memiliki dampak ekonomi, dengan pembobotan berdasarkan kontribusi masing-masing sektor terhadap produk domestik bruto Amerika Serikat. Google juga menyebut Argon menunjukkan performa tinggi pada Vals Finance Agent v2 dan Harvey's Legal Agent Benchmark.

Kemampuan lainnya terlihat dalam pengujian AutomationBench yang dikembangkan Zapier untuk mengevaluasi penyelesaian pekerjaan bisnis secara menyeluruh. Gemini 4 Argon mencatatkan skor 51,3 persen dan diklaim menempati peringkat pertama dalam pengujian tersebut. Sementara itu, pada LVBench yang mengukur pemahaman terhadap video berdurasi panjang, model ini memperoleh skor 91,7 persen, memperlihatkan fokus Google pada kemampuan AI untuk memahami informasi visual yang kompleks.

Keamanan siber menjadi salah satu kemampuan yang paling mendapat perhatian dalam pengembangan Gemini 4 Argon. Google melatih model ini agar mampu menemukan, memvalidasi, dan membantu memperbaiki kerentanan keamanan pada perangkat lunak secara otomatis. Kemampuan tersebut ditujukan untuk membantu tim keamanan menghadapi ancaman yang semakin kompleks sekaligus mempercepat proses identifikasi masalah.

Melalui Fairwind Program, Google mulai memberikan akses Gemini 4 Argon kepada sejumlah pakar keamanan siber tepercaya. Salah satu pihak yang memanfaatkan model ini adalah Wiz melalui program Scan for Good, yang berfokus pada perlindungan infrastruktur publik penting. Dalam pengujian awal, Argon berhasil menemukan kerentanan kritis pada perangkat lunak layanan kesehatan yang digunakan rumah sakit di berbagai negara, termasuk risiko paparan informasi pribadi sensitif yang sebelumnya tidak terdeteksi oleh model AI lain.

Google juga menguji kemampuan Gemini 4 Argon melalui CWE-bench v1 yang mengukur efektivitas model dalam memperbaiki kerentanan perangkat lunak. Hasilnya, Argon mencatatkan skor 68 persen dan berada di posisi teratas bersama model lainnya. Dalam pengujian internal Google, model ini juga mampu menemukan berbagai kerentanan pada basis kode kompleks yang mencakup 20 bahasa pemrograman.

Sebelum diperkenalkan kepada publik, Gemini 4 Argon telah digunakan oleh ribuan karyawan Google untuk mendukung berbagai pekerjaan internal. Pemanfaatannya mencakup pengembangan perangkat lunak, penelitian, hingga optimalisasi infrastruktur komputasi. Google menyebut model ini membantu mempercepat penyelesaian sejumlah persoalan teknis yang sebelumnya membutuhkan proses analisis lebih panjang.

Salah satu penerapannya berada pada penelitian komputasi kuantum, ketika Gemini 4 Argon digunakan untuk membantu mengoptimalkan sumber daya algoritma kuantum. Dalam salah satu contoh, model tersebut berhasil menghasilkan peningkatan 40 persen dibandingkan hasil acuan yang telah dipublikasikan hanya dalam beberapa menit. Google menggunakan contoh ini untuk menunjukkan potensi AI dalam membantu penelitian yang membutuhkan perhitungan dan analisis kompleks.

Gemini 4 Argon juga digunakan untuk meningkatkan efisiensi penggunaan memori di pusat data Google. Sejumlah agen berbasis Argon menganalisis data performa infrastruktur untuk menemukan peluang optimalisasi yang dapat diterapkan secara otomatis. Google memperkirakan penerapan hasil optimalisasi tersebut dapat membebaskan lebih dari 300 TiB memori, dengan potensi penghematan keseluruhan mencapai 500 TiB hingga 1 PiB.

Kemampuan Gemini 4 Argon dalam menyelesaikan pekerjaan kompleks juga membawa tantangan baru dari sisi keamanan. Google menyadari bahwa model AI yang semakin mampu menjalankan tugas secara mandiri membutuhkan pengawasan lebih ketat agar tidak digunakan untuk aktivitas berbahaya. Karena itu, perusahaan mengembangkan sejumlah perlindungan sebelum memperluas akses model tersebut kepada pengguna yang lebih luas.

Salah satu fokusnya adalah mencegah penyalahgunaan Gemini 4 Argon untuk serangan siber maupun aktivitas berbahaya yang berkaitan dengan bahan kimia, biologi, radiologi, dan nuklir. Google juga meningkatkan ketahanan model terhadap serangan prompt injection, yakni upaya menyisipkan instruksi berbahaya melalui informasi atau konteks yang diproses AI. Pengujian keamanan dilakukan menggunakan metode red teaming internal dan eksternal untuk mengevaluasi potensi penyalahgunaan.

Google turut mengembangkan sistem pemantauan untuk mendeteksi ketika agen AI mencoba melakukan tindakan di luar maksud pengguna. Sistem tersebut dirancang untuk memeriksa proses penalaran dan tindakan model, kemudian menghentikan eksekusi apabila ditemukan perilaku yang tidak sesuai. Perlindungan tambahan juga diterapkan melalui penguatan lingkungan pengujian terisolasi untuk mengurangi risiko ketika model menjalankan tugas berkemampuan tinggi.

Pada pengumuman awalnya, Google menyampaikan bahwa Gemini 4 Argon akan diluncurkan secara bertahap, dimulai dari sejumlah pakar keamanan siber melalui Fairwind Program. Perusahaan memilih mengumpulkan masukan dari pengguna awal sekaligus menyempurnakan perlindungan keamanan sebelum membuka akses lebih luas. Rencana distribusinya mencakup pengembang, perusahaan, dan konsumen, dengan prioritas awal bagi pelanggan API berbayar serta Google AI Ultra.

Google menetapkan harga pengenalan Gemini 4 Argon sebesar 2 dolar AS untuk setiap satu juta token masukan dan 10 dolar AS untuk setiap satu juta token keluaran. Perusahaan juga menawarkan potongan harga 95 persen untuk token masukan yang menggunakan mekanisme cache. Setelah periode harga pengenalan berakhir, tarifnya dijadwalkan meningkat menjadi 4 dolar AS per satu juta token masukan dan 20 dolar AS per satu juta token keluaran.

Sebagai perkembangan terbaru, Google pada 13 Oktober 2026 mengumumkan bahwa Gemini 4 Argon telah tersedia secara global bagi pengembang dan perusahaan melalui Gemini API. Pelanggan Google AI Pro dan Ultra juga sudah dapat mengakses model tersebut melalui aplikasi Gemini dan AI Mode di Google Search, sementara pelanggan Ultra memperoleh akses melalui Google Antigravity. Peluncuran ini memperluas penggunaan Gemini 4 Argon dari pengujian terbatas menjadi model AI yang dapat dimanfaatkan untuk berbagai kebutuhan profesional dan konsumen.