Googles flaggskepp Gemini 4 Argon-modell når företagskunder den här veckan, vilket minskar gapet mellan dess högprofilerade lansering och verklig produktionstillgänglighet. Benzinga rapporterade att Google underskrider flera AI-rivaler när det gäller pris när Argon kommer för företagsprojekt, medan GitLab, Android Studio och andra plattformsleverantörer tillkännagav integrationer byggda kring modellens 1 miljon tokens kontextfönster och långvariga agentfunktioner.
Utrullningen av företag följer modellens globala lansering den 13 oktober, när Google placerade Argon som sin nya frontier-serie, som ersatte Gemini Pro-klassen. For more context on this story, see our ongoing latest AI developments.
Aggressiv introduktionsprissättning
Argons introduktionspris är $2 per miljon inmatade tokens och $10 per miljon output-tokens, med cachade ingångar rabatterade med 95 procent. Efter kampanjfönstret stiger priset till 4 USD per miljon inmatade tokens och 20 USD per miljon output-tokens, enligt The Decoders prisuppdelning.
Rabatterna är betydande i förhållande till konkurrenterna. OpenAI:s GPT-6 Astra och Anthropics Claude Fable 5.1 listar båda till $10 per miljon inmatade tokens och $50 per miljon output-tokens, medan Anthropics Claude Opus 5.5 ligger på $4 och $20 - samma som Argons vanliga pris. Forbes karakteriserade den inledande prissättningen som en deadlinestrategi: Argon köper adoption nu, innan rabatten går ut.
Det finns en hake för konsumenterna. Under Googles nya nivåstruktur har gratis Gemini-användare och betalande Plus-prenumeranter nu bara tillgång till de svagare Flash-modellerna. Argon är reserverat för AI Pro- och AI Ultra-prenumeranter i Gemini-appen, Google Söks AI-läge och Antigravity-utvecklingsmiljön.
Riktmärken: Stark, inte dominant
Google gör anspråk på topplaceringen på Vals Index, men oberoende rankningar berättar en mer omtvistad historia. The Decoder rapporterar att Argon fortfarande följer Anthropics Claude Opus 5.5 i oberoende övergripande rankningar, och Startup Fortune noterade att modellen delad för tredje plats på ett riktmärke som Google hjälpte till att bygga - en detalj som har uppmärksammats med tanke på Googles roll i att konstruera utvärderingen.
Google delade interna tekniska siffror med lanseringen, även om de är självrapporterade. Ingenjörer som använder Argon ökade agentdrivna kodsändningar med mer än 35 procent, säger företaget, medan kodåterställningen minskade med nästan en tredjedel. I det mest slående påståendet säger Google att Argon hjälpte Chromium-teamet att färdigställa en arkitektonisk refaktor över hundratals filer i den 40 miljoner rader långa kodbasen – arbete som tidigare skulle ha tagit månader – på några veckor.
Google citerade också ett resultat i mindre skala från dess open source Agent Development Kit: en argondriven agent som kördes självständigt över natten hittade optimeringar som minskade sessionsförberedelsetiden med 40 procent. Och modellen har fått specialiserat beröm – ett DualEntry-riktmärke fann att Argon var den mest exakta och mest konsekventa AI-modellen för redovisningsarbete, ett nischat men kommersiellt relevant påstående för företagsköparna som Google uppvaktar denna vecka.
Google har enligt uppgift redan testat en efterträdare med kodnamnet "Carbon" internt, med kodningsprestanda som rubrikförbättring.
Robotics Ambition
Den mer differentierade tonhöjden kom den 15 oktober, när Google demonstrerade Argon som en enskild modell för hela robotteknologins pipeline: styra fysiska robotar, generera interaktiva 3D-träningsmiljöer och utvärdera träningsdata.
I Googles demo med en Boston Dynamics Spot-robot byggde Argon en virtuell kopia av en papperskorg, lät roboten träna på att balansera på tre ben och kasta läskburkar inuti en MuJoCo-simulering, och först då försökte han uppgiften på riktig hårdvara. Två ytterligare AI-agenter verifierade foten och griparens positionering före varje droppe.
Datagenereringsslingan är där siffrorna blir intressanta. Från ett enda fotografi av ett bord med festrekvisita genererade Argon 77 uppgifter och mer än 4 500 träningsavsnitt för en kontrollmodell. När den testades på den riktiga roboten, steg framgångsfrekvensen från 56 till 75 procent, och exekveringstiden sjönk från 35 till 24 sekunder, enligt The Decoder.
Google framställer detta som ett steg mot "fysisk AGI" - en modell som kan uppfatta rymd, skriva kontrollkod, tolka videofysik och simulera resultat. Företaget är noga med att notera att demos fortfarande kräver detaljerad mänsklig uppmaning, men mönstret av simuleringsförsta träning med verklig verifiering håller på att bli Googles mall för förkroppsligad AI.
Integrationsland denna vecka
Utvecklarens ekosystem rörde sig snabbt. GitLab tillkännagav Argon-stöd som syftar till långvarigt agentarbete över repositories. Android Studio använde modellens 1 miljon tokens kontextfönster för stor kodbasanalys. Channel Insider rapporterade att Google utökade företagsåtkomsten genom sitt AI-projektprogram, vilket gör modellen tillgänglig i Workspace-angränsande verktyg.
För företagsköpare som utvärderar Argon mot GPT-6 Astra och Anthropics Claude-linje, delas kalkylen på tre sätt. Prismässigt är Argons kampanjpris den lägsta kostnaden per token bland gränsnivån med stor marginal. När det gäller rå kapacitet, gynnar oberoende rankningar fortfarande Anthropics toppmodell. Vid inlåsning paketerar Google Argon i Gemini för Workspace, Google Searchs AI-läge och Antigravity – en distributionsfördel som ingen av dess konkurrenter kan matcha, men en som också fördjupar beroendet av Googles stack.
Timing spelar också roll. Meta lanserade sin Muse Wonder Full frontier-modell bara en dag före Argons globala debut, och släppte den öppna vikten Muse Spark Open samma dag som denna företagsutrullning. Gränsmodellmarknaden har nu tre aggressiva prisutvecklare – Google, OpenAI och Anthropic – plus Meta som konkurrerar från den öppna sidan. För köparna har förhandlingseffekten sällan varit bättre.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
