Gemini 4 Argon: Nama Sama, Bobot Berbeda — Penampakan Carbon Arena

Pada 21 Oktober 2026, sebuah unggahan dari @chetaslua mengklaim bahwa checkpoint baru sedang diuji di Arena dengan nama yang tidak berubah. Model tersebut masih menjawab dengan nama G​emini 4 Argon — pengenal gemini-4-argon, yang diumumkan G​oogle pada 30 September 2026 dan telah tersedia secara umum sejak 13 Oktober — tetapi bobot di balik nama itu dikatakan Carbon, checkpoint internal yang menurut Business Insider pada 9 Oktober terasa sebanding dengan Claude Opus 5.5 untuk coding. Bukti dalam unggahan itu adalah tangkapan layar dari bot pemantau Arena pihak ketiga yang menunjukkan perubahan kemampuan yang tercatat pada alias Argon, ditambah video pendek yang disajikan penulisnya sebagai keluaran pertama checkpoint tersebut. Belum ada pengumuman, entri changelog, model card, maupun komentar dari G​oogle. Jadi ini bukan cerita peluncuran, dan tidak ada apa pun di sini yang menunjukkan bahwa model baru telah dirilis: model yang dibahas telah publik sejak 13 Oktober. Yang baru adalah klaim bahwa nama publik mungkin tidak lagi menunjuk ke bobot publik. Insiden AI dan kegagalan agen terdokumentasi yang melatarbelakangi model di kelas ini dikumpulkan dalam OrcaRouter AI Incident Archive, di mana setiap entri mencantumkan sumbernya sendiri, tingkat keparahan, kelas keyakinan, dan penanda status diperdebatkan.

Apa yang sebenarnya dikatakan postingan itu, tanpa leluconnya.

Postingan itu terdiri dari empat baris dan sebuah video, ditulis dengan gaya seseorang yang menganggap kamu sudah tahu latar belakang ceritanya. Jika diringkas menjadi klaim-klaim, isinya mengatakan ini:

• Sebuah checkpoint G​emini baru sedang diuji di Arena — arena perbandingan model publik tempat para lab terkadang menampilkan build yang belum dirilis dengan alias.

• Alias itu bukan hal baru. Namanya "sama", yang dalam konteks ini berarti pengenal gemini-4-argon, yang sudah merupakan model yang dirilis.

• Checkpoint di balik nama tersebut dilaporkan adalah Carbon, build internal yang oleh laporan 9 Oktober dipisahkan dari Barium-B, yaitu checkpoint yang sebenarnya dirilis G​oogle sebagai G​emini 4 Argon.

• Prompt pertama penulis meminta video 3D tentang "stabilitas karbon" yang dibangun seputar maskot Gemini, dan postingan tersebut menyajikan klip hasilnya sebagai keluaran pertama checkpoint. Baris penutup, "Logan Redemption Arc", adalah lelucon tentang seorang staf Google dan tidak mengandung klaim teknis.

Itulah keseluruhannya. Satu pengamatan alias, satu atribusi nama kode, satu sampel keluaran, dan tidak ada artefak yang dapat direproduksi dalam bentuk apa pun.

Tangkapan layar itu asli, dan isinya tidak mengatakan apa yang dikatakan unggahan tersebut.

Tangkapan terlampir layak dibaca dengan saksama, karena hanya bagian klaim inilah yang ada sebagai dokumen, bukan sebagai kalimat. Ini adalah kartu notifikasi dari bot bernama Arena Scout, dikreditkan kepada "Journey To AGI" dan "Synopsis on X", berjudul "Perubahan Kapabilitas" dan menyebut gemini-4-argon. Kartu ini mencatat deteksi pada 21 Oktober 2026, pukul 9.30 pagi, mencantumkan organisasi sebagai G​oogle dan penyedia sebagai "unknown", serta menunjukkan delta kapabilitas: teks masuk dan teks keluar, dengan input gambar dan flag web di sisi yang berubah sejauh tulisan kecil itu dapat dibaca.

Tiga hal berikut, dan hanya tiga.

• Alias gemini-4-argonsedang dilayani di Arena pada 21 Oktober, dan ada sesuatu dalam cara konfigurasinya berubah pagi itu. Itulah fungsi bot pendeteksi perubahan kapabilitas, dan itu adalah tafsiran yang paling tidak menarik dari kartu tersebut.

• Kartu ini adalah bukti bahwa sebuah alias melakukan sesuatu, bukan bukti bobot mana yang berada di balik alias. Flag kapabilitas yang berbalik memberi tahu Anda bahwa konfigurasi telah berubah. Flag itu tidak dapat memberi tahu Anda apakah model di bawahnya adalah Barium-B, Carbon, atau build ketiga yang belum dinamai siapa pun. Lompatan postingan dari "perubahan kapabilitas pada alias" ke "itu carbon" adalah inferensi penulis, bukan temuan bot.

• Bot itu sendiri adalah pihak ketiga, dan kartu tersebut adalah notifikasi, bukan transkrip. Tidak ada yang memposting sesi Arena, metadata alias, atau perbandingan berdampingan dengan model yang sudah dirilis.

Ada juga keanehan kecil soal jam yang perlu disebutkan alih-alih dihaluskan: unggahan itu bertanda waktu 08:46 UTC, sementara kartu di dalamnya menunjukkan 9:30 AM. Stempel waktu lokal di sisi bot menjelaskan itu dengan wajar, dan itu tidak mengubah apa pun soal tanggal. Namun itu menjadi pengingat bahwa artefaknya adalah tangkapan layar sebuah notifikasi yang diteruskan — bukan log.

Mengapa nama yang tidak berubah justru menjadi bagian yang menarik

Alias model seharusnya merupakan kontrak yang stabil. Saat Anda mengirim permintaan ke model bernama, Anda mengandalkan nama itu untuk mengunci perilaku: tokenizer yang sama, profil penolakan yang sama, bentuk latensi yang sama, harga yang sama. Lab yang menempatkan build yang belum dirilis di Arena biasanya melakukannya dengan alias sekali pakai justru agar nama yang dirilis tetap memiliki satu makna.

Jika unggahan itu benar, konvensi tersebut dilewati, dan konsekuensinya konkret, bukan teoretis. Siapa pun yang melakukan benchmark gemini-4-argon minggu lalu dan siapa pun yang melakukannya minggu ini mungkin tidak mengukur sistem yang sama. Itulah perbedaan antara kebocoran tentang model masa depan dan kebocoran tentang model yang sudah Anda bayar — dan itulah alasan kemunculan ini layak mendapat satu halaman meskipun nama kode yang mendasarinya telah publik sejak 9 Oktober.

Yang bisa menyelesaikannya bukanlah tangkapan layar lain. Melainkan evaluasi berpasangan: kumpulan prompt yang sama dijalankan terhadap alias sebelum dan sesudah perubahan, ditambah uji tokenizer dan distribusi latensi. Belum ada yang menerbitkannya. Sampai ada yang melakukannya, posisi yang jujur adalah bahwa sebuah nama mungkin telah berpindah dan kita belum bisa melihat ke mana.

Apa sebenarnya model pengirimannya, sehingga perbandingan memiliki dasar acuan

Gemini 4 Argon bukan rumor. Google mengumumkannya pada 30 September 2026, dan changelog API Gemini mencatat ketersediaan umumnya pada 13 Oktober dengan pengenal gemini-4-argon. Spesifikasi yang diterbitkan terbilang sangat spesifik, sehingga menjadikannya tolok ukur yang baik untuk menilai klaim apa pun bahwa bobotnya telah berpindah:

• Harga — tarif pengenalan $2.00 per juta token input dan $10.00 per juta token output, dengan input yang di-cache mendapat diskon 95%; tarif setelah masa pengenalan disebutkan sebesar $4.00 dan $20.00.

• Konteks — jendela terpadu 1 juta token, dengan dekode panjang hingga 1 juta token keluaran, naik dari batas keluaran 64K pada generasi sebelumnya.

• Skor independen — Artificial Analysis mencantumkan G​emini 4 Argon (High) pada 53 di Intelligence Index miliknya, berada di peringkat ke-8 dalam pelacak tersebut, diukur pada $1.99 per tugas Index.

• Kecepatan — 83,1 token keluaran per detik, dengan waktu 47,43 detik hingga token pertama, menurut sumber yang sama.

• {{1}}Modalitas keluaran{{/1}} — {{2}}teks{{/2}}, dalam setiap spesifikasi publik yang dapat kami baca. Masukan bersifat luas: teks, gambar, audio, video, dan file. Keluaran berupa teks.

Baris terakhir itulah yang membuat video dalam postingan sulit dinilai. Klip bukanlah sesuatu yang menurut dokumentasi dapat dihasilkan oleh model ini. Entah checkpoint yang diuji memiliki modalitas yang tidak dimiliki model rilis, atau klip tersebut dihasilkan oleh sesuatu yang lain dalam rantai — langkah rendering, model video terpisah, atau perkakas milik penulis sendiri — lalu disajikan sebagai keluaran model. Postingan tidak menyebutkan yang mana, dan klip itu saja tidak dapat memberi tahu Anda.

Karbon, dan apa yang dibuktikan serta tidak dibuktikan oleh pemberitaan 9 Oktober

Nama sandi Carbon bukanlah informasi baru, dan ada baiknya kita tepat mengenai asal-usulnya karena unggahan baru mewarisi semua kelemahannya. Business Insider melaporkan, dan outlet pelacak kebocoran TestingCatalog meneruskan pada 9 Oktober, bahwa staf Google secara internal sedang menguji checkpoint Gemini 4 tambahan bernama Carbon; bahwa umpan balik internal awal menempatkannya sebagai terasa sebanding dengan Claude Opus 5.5 untuk coding; bahwa Barium-B adalah checkpoint yang dipilih untuk rilis publik Argon; dan bahwa Carbon, yang dijalankan melalui platform Jetski internal Google, adalah iterasi terpisah dan berpotensi lebih kuat. Laporan yang sama menyatakan secara gamblang bahwa apakah Carbon akan menjadi pembaruan Argon di masa depan atau rilis tersendiri masih belum dikonfirmasi.

Perhatikan jenis klaim apa "terasa sebanding dengan Claude Opus 5.5 untuk coding" ini. Ini adalah kesan staf, bukan benchmark. Tidak ada set tugas, tidak ada ukuran sampel, tidak ada rubrik penilaian, dan tidak ada nomor revisi, dan tidak ada orang di luar G​oogle yang bisa mereproduksinya. Ini adalah hal yang benar-benar berguna sebagai sinyal arah dan benar-benar tidak berguna sebagai angka — dan tulisan yang mengemasnya sebagai skor akan membohongi Anda.

Postingan 21 Oktober, jika ada, justru mendorong laporan sebelumnya ke arah yang secara eksplisit dibiarkannya terbuka: bukan rilis terpisah, melainkan alias yang sama dengan bobot berbeda. Itu adalah pembaruan yang berarti bagi gambaran tersebut. Itu juga masih merupakan inferensi satu orang dari notifikasi bot.

Apa artinya ini jika Andalah yang membayar panggilan tersebut

Ada dua audiens untuk cerita ini dan mereka seharusnya melakukan hal yang berbeda.

Jika Anda sedang melakukan benchmarking, konsekuensi praktisnya adalah angka Anda perlu disertai tanggal. Skor untuk gemini-4-argon yang dikumpulkan sebelum 21 Oktober mungkin menggambarkan checkpoint yang tidak lagi berada di balik nama tersebut. Jalankan ulang evaluasi Anda sebelum membandingkannya dengan apa pun, dan catat tanggalnya di samping angka tersebut sebagaimana Anda mencatat revisi model.

Jika Anda mengirimkan produk melalui alias tersebut, konsekuensinya lebih kecil daripada yang disiratkan oleh judul berita, tetapi bukan nol. Penggantian checkpoint secara diam-diam mengubah nada, perilaku penolakan, dan distribusi latensi sebelum mengubah skor benchmark, dan hal-hal itulah yang diperhatikan pengguna Anda. Pertahanannya sama dengan yang ampuh menghadapi kejutan dari penyedia tunggal mana pun: pastikan model kedua tetap dapat diakses, dan jadikan pergantian itu sebagai perubahan konfigurasi, bukan insiden. Itulah kasus yang menjadi alasan OrcaRouter dibangun — satu API untuk 200+ model dengan failover otomatis antarpenyedia, tanpa markup (0%) atas harga daftar penyedia, sehingga model yang mulai berperilaku berbeda pada pukul 09.30 di hari Selasa menjadi aturan routing yang Anda ubah, bukan gangguan layanan yang harus Anda jelaskan.

Soal ketersediaan, versi jujurnya: Gemini 4 Argon tidak ada di OrcaRouter. Saat menanyakan katalog kami untuk google/gemini-4-argon hasilnya "model not found", karena Google tidak membuatnya dapat kami panggil — alasan yang sama dengan checkpoint Carbon yang tidak ada dan tidak mungkin ada. Yang kami layani saat ini mencakup penawaran Google Gemini 3.8 Flash seharga $0,75 per juta token input dan $3,75 per juta token output dengan pembacaan cache sebesar $0,075, dan penawaran Anthropic Claude Opus 5.5 seharga $4,00 dan $20,00 dengan pembacaan cache sebesar $0,20 — yang terakhir adalah model yang terus dijadikan pembanding Carbon, dan satu-satunya model dalam seluruh kisah ini yang endpoint-nya berfungsi dan harganya dipublikasikan sehingga bisa Anda periksa.

Apa yang akan mengubah ini dari sekadar penampakan menjadi fakta?

The gap between the two is narrow, which is why this is worth reading now rather than in a week. Any one of the following would do it:

• Sebuah perbandingan berdampingan yang dipublikasikan di papan peringkat milik Arena sendiri yang menunjukkan entri baru dengan alias Argon dengan sidik jari gaya yang khas.

• Pengamat kedua yang independen yang mencatat perubahan alias yang sama pada hari yang sama, idealnya dengan permintaan dan responsnya, bukan kartu notifikasi.

• Entri changelog, pengenal model baru, atau sufiks versi pada gemini-4-argon — cara biasa sebuah lab memberi tahu Anda bahwa bobotnya telah berubah.

• Tokenizer atau probe latensi yang dijalankan sebelum dan sesudah 21 Oktober, yakni uji termurah yang tersedia dan yang belum pernah dipublikasikan oleh siapa pun.

Sampai salah satunya terkonfirmasi, pembacaan yang tepat bersifat sempit: sebuah bot pihak ketiga mencatat perubahan kapabilitas pada alias sebuah model yang sudah dirilis pada 21 Oktober, dan sebuah akun dengan banyak pengikut menyebut bahwa checkpoint di balik alias itu adalah Carbon. Kedua bagian itu mungkin benar. Namun keduanya belum terbukti demikian, dan bagian kedua menanggung beban yang jauh lebih besar daripada bagian pertama.