Gemini 4 Argon: o que o Google anunciou e a que o nome está associado

Gemini 4 Argon é o único Gemini 4 que existe. Essa frase parece trivial até você calcular o custo, e calcular o custo é o objetivo desta página. Goog​le anunciou o Gemini 4 Argon em 30 de setembro de 2026, em uma publicação do DeepMind atribuída a Koray Kavukcuoglu; é um nome de modelo real em uma página real e própria, foi medido pela Artificial Analysis com um Intelligence Index de 52,56 na revisão v4.3.2, e está a menos de meio ponto do GPT-6 Astra, com 52,67, e do Claude Fable 5.1, com 53,35 — enquanto está cinco pontos abaixo do Claude Opus 5.5, com 57,62, e do Claude Sonnet 5.5, com 56,00, e a um ponto do GPT-6.1 Sol, com 51,83. O que ele não tem é aquilo que todos esses concorrentes têm: um identificador de modelo que você pode colocar em uma requisição.

Então, a resposta honesta de uma linha para “o que é Gemini 4 Argon” é que se trata de um modelo que o Google anunciou e avaliou em benchmarks, mas ainda não disponibilizou para chamada; que o nome está associado a um lançamento com acesso restrito, e não a um produto; e que “Gemini 4”, por si só, não está associado a absolutamente nada. As duas metades dessa frase podem ser verificadas a partir de um terminal, e é por isso que esta página as verifica em vez de afirmá-las.

O nome é real. O produto não.

Comece com o que uma verificação de entidade realmente retorna. Em 8 de outubro de 2026, a página da família do Google em deepmind.google/models/gemini/ traz o Gemini 4 Argon como seu card principal, sob o slogan “Nossa próxima era de inteligência de fronteira”, com texto de capacidades que menciona engenharia de software, trabalho de conhecimento empresarial nas áreas jurídica e financeira, e cibersegurança defensiva. O post de anúncio existe no blog.google/innovation-and-ai/models-and-research/gemini-models/ caminho. Há uma página da família de modelos. Há uma tabela de benchmarks de fornecedores com dezenove linhas. Há um PDF de metodologia de avaliações com cinco páginas. Isso é um rastro documental substancial, e é mais do que um vazamento costuma ter.

Agora liste o que está faltando nele, porque a lista do que falta é o artigo.

• Um ID de modelo — a lista de modelos da API Gemini contém zero ocorrências de “argon” e zero ocorrências de “gemini-4”. Os identificadores mais recentes reconhecidos pela documentação do Google são da família 3.8.

• Um endpoint ou preço pelo qual você pode ser cobrado — os US$ 2 de entrada / US$ 10 de saída por milhão de tokens no anúncio são uma tarifa introdutória para um lançamento que ainda não chegou aos clientes pagantes.

Um cartão de modelo ou de sistema — o índice de cartões de modelo da DeepMind não tem uma linha do Argon, e o caminho do cartão de modelo da família retorna 404.

• Uma janela de contexto — O Google publicou um limite de saída de 1 milhão de tokens, acima de um teto anterior de 64K, e não publicou o lado de entrada desse par. Artificial Analysis registra 1M para o modelo que mediu.

• Uma data de disponibilidade geral — o anúncio descreve um lançamento faseado sem datas em nenhuma fase além da primeira.

• Uma contagem de parâmetros, que o Google não publicou para nenhum Gemini.

O lançamento que o Google descreve ocorre em três estágios de duração não especificada. Primeiro, um grupo nomeado de defensores cibernéticos por meio do Fairwind Program. Segundo, clientes pagos da API e assinantes do Google AI Ultra. Terceiro, desenvolvedores, empresas e consumidores. Apenas o primeiro estágio está ativo em qualquer sentido que um leitor possa verificar, e o Google não atribui nenhuma data aos estágios dois e três. Isso não é uma nota de rodapé. É a diferença entre um modelo e uma contagem regressiva.

O que a própria tabela do Google afirma, e quem de fato a mediu

A página da família do Google traz uma tabela comparativa de quatro colunas com Gemini 4 Argon, GPT-6 Astra, Claude Fable 5.1 e Claude Opus 5.5. Vale a pena lê-la, e vale a pena lê-la com a proveniência em vista, porque o Google divulga essa proveniência no PDF da metodologia, e essa divulgação altera o quanto a tabela pode sustentar.

As alegações, rotuladas como sendo do Google: o Argon lidera no Vals Index, com 68,9 contra 67,0 do Opus 5.5 e 65,8 do Fable 5.1; no AutomationBench, com 51,3 contra 42,5, 31,4 e 41,4; no Vals Finance Agent v2, com 65,4; no Harvey’s Legal Agent Benchmark, com 19,6 contra 3,8, 6,7 e 5,4 — uma diferença de quatro a cinco vezes; no DeepSWE v1.1, com 77,9 contra 74,2, 67,4 e 74,1; no Vibe Code Bench, com 91,9, uma margem de 1,6 ponto; no LABBench 2, com 88,8 contra 73,1, 68,6 e 85,4; no RiemannBench, com 76,0; em ambas as linhas do GraphWalks, 99,7 em ≤128k e 84,2 em 256k–1M; no Agent’s Last Exam, com 39,5; no Terminal-Bench Science 0.1, com 57,6; no Chartography, com 71,6; e no LVBench, com 91,7, como estado da arte.

E perde, na própria página do Google: FrontierSWE v2 com 55,0 contra os 65,5 do Astra e os 62,3 do Opus 5.5; Terminal-bench 4.0 com 57,4 contra os 66,4 do Opus 5.5; PostTrainBench com 45,3 contra os 49,3 do Opus 5.5; e OSWorld-2.0 com 69,2 contra os 72,6 do Astra. CWE-bench v1 é um empate em 68,0 com o Astra.

A linha de proveniência importa mais do que qualquer linha individual. A metodologia do Google afirma que os resultados são pass@1, de tentativa única, nas configurações de pensamento mais altas e — crucialmente — que os números não Gemini naquela tabela são os números autorrelatados dos próprios provedores, com GPT-6 Astra, Claude Fable 5.1 e Claude Opus 5.5 medidos no pensamento máximo quando disponível. Uma tabela de fornecedor cujas colunas de concorrentes são os comunicados à imprensa dos concorrentes é um documento útil, mas não é uma comparação controlada. Cada uma dessas linhas é relatada pelo Google, e algumas delas são o Google relatando o que outra pessoa relatou. Trate as margens, não apenas os valores, de acordo com isso.

Um modelo, três números de índice, e por que todos estão corretos

A posição independente de Argon é mais interessante do que um único número, porque o número muda dependendo de onde você o lê, e a variação não é um erro.

A Artificial Analysis mede o Gemini 4 Argon (High) em 52,56 na revisão v4.3.2 de seu Intelligence Index. O mesmo índice coloca o Claude Opus 5.5 em 57,62, o Claude Sonnet 5.5 em 56,00, o Claude Fable 5.1 em 53,35, o GPT-6 Astra em 52,67, o GPT-6.1 Sol em 51,83 e o Gemini 3.8 Flash em 40,93. Na ordenação exibida do ranking, os cerca de dez melhores modelos ficam comprimidos em aproximadamente seis pontos do índice, e o Argon cai nesse pelotão, e não abaixo dele.

Então, um leitor vê um segundo número — 53 — na exibição arredondada do ranking, e um terceiro se comparar com uma configuração diferente de um modelo irmão, e conclui que uma das fontes está errada. Nenhuma delas está errada. O 53 arredondado é a mesma medição que 52,56. O que difere entre as configurações é o esforço de raciocínio: Artificial Analysis mede cada modelo em vários níveis de esforço, e o mesmo modelo em um nível de esforço mais alto pode ter vários pontos de diferença. É por isso que o ranking lista o Opus 5.5 quatro vezes distintas, em 58, 56, 54 e 51. O Argon aparece uma vez, no nível de esforço alto, porque essa é a única configuração que o Google disponibilizou para medição. Se o Google lançar um nível Argon com raciocínio máximo, essa linha vai mudar, e a coisa honesta a dizer sobre ela hoje é que ela ainda não mudou.

Mais três números independentes da Argon vale a pena guardar, todos da Artificial Analysis e todos medidos na configuração (High). A velocidade de saída tem mediana de 60,69 tokens por segundo. O tempo até o primeiro token de resposta tem mediana de 2,92 segundos. O custo por tarefa do Intelligence Index — a pontuação do índice normalizada pelo gasto de tokens necessário para conquistá-la — é de US$ 1,99. Esse último número é o que devemos reter, porque é aí que a posição da Argon fica desconfortável: o Opus 5.5 pontua cinco pontos a mais e custa US$ 5,98 por tarefa do Index, de modo que a Argon é três vezes mais barata por unidade de capacidade medida. Mas o GPT-6.1 Sol pontua meio ponto a menos e custa US$ 0,72, o que equivale a cerca de um terço do valor da Argon. A Argon não é a opção com melhor custo-benefício na sua própria faixa do índice. Está no meio dela.

Existem mais duas leituras independentes que um leitor atento não deve confundir entre si. O Artificial Analysis registra o valor de Argon no AutomationBench como uma pontuação parcial de 0,7751 numa escala de 0 a 1, enquanto a tabela do Google relata 51,3 de 100 no quadro do AutomationBench. Essas não são a mesma métrica, e colocá-las lado a lado é exatamente o tipo de comparação que produz um número inventado. A mesma cautela se aplica aos agrupamentos de Trabalho de conhecimento da tabela do fornecedor: “liderança em trabalho de conhecimento” é o resumo do Google de sua própria tabela.

Qual página do “Gemini 4” você está realmente procurando

Esta é a confusão que o nome cria, e vale a pena esclarecê-la em um único lugar, porque o blog já escreveu sobre cinco coisas diferentes chamadas “Gemini 4” e elas não são variantes de um mesmo artigo.

• Se você quer a data de lançamento e o cronograma de implementação — quando o Argon foi anunciado, como é a implementação faseada e o que os rankings da arena fizeram com isso — esse é o artigo sobre a data de lançamento, que é a peça que detém o cronograma e as leituras do Text Arena e do Code Arena.

• Se você quer saber “o Gemini 4 Argon é um tier ou um modelo”, e se existe um Gemini 4 Ultra — a parte sobre posicionamento em tiers, que decifra a escala a partir dos próprios caminhos do Google e explica por que o caminho do Ultra acaba numa página de assinatura.

• Se você quer a própria questão da nomenclatura, o argumento de que, entre “Gemini 4” e “Gemini 4 Argon”, exatamente um é um modelo e um é um prefixo de geração sem ID de modelo, sem endpoint e sem preço — esse é o confronto direto dos dois nomes do Google.

• Se você quiser o resultado de terceiro lugar do FrontierSWE v2 e a observação de autocriticidade que veio com ele, essa é a peça de avaliação do FrontierSWE.

• Se quiser o Argon frente a frente com um rival específico em termos de números, há treze páginas de comparação no site a cobrir a faixa frontier, e são o lugar certo para uma análise de dois modelos.

O que nenhum deles é, e o que esta página é, é o pilar: o único lugar que diz o que a entidade é, o que cada número associado a ela significa e o que não significa, e o que você pode realmente fazer com ela hoje. A página relacionada “Gemini 4 vs Gemini 4 Argon” já apresenta integralmente o argumento de nomenclatura, e esta página não o repetirá. Tudo abaixo é novo.

A pressão que ainda não nos disse nada

Dois dos sinais mais fortes na história do Argon apontam para um lançamento de desenvolvedor iminente, e nenhum deles é evidência de que um lançamento de desenvolvedor tenha acontecido.

A primeira é que as próprias superfícies de API do Google avançaram sem o Argon. A entrada mais recente do registro de alterações da API Gemini é 6 de outubro de 2026 — Gemini Nano Banana 2.1 em disponibilidade geral, sob o identificador gemini-nano-banana-2.1. Em outras palavras, nos oito dias desde que o Argon foi anunciado, o Google escolheu uma convenção de nomenclatura para um modelo Gemini em produção e lançou um identificador de disponibilidade geral para um modelo diferente, e o gemini-4 namespace ainda está vazio. Um modelo cujo lançamento é real deixa uma marca no registro de alterações. Este não deixou nenhuma.

A segunda é o enquadramento de segurança nacional. O Google afirma que está “ativamente envolvido no processo voluntário do governo dos EUA para acesso a modelos antes do lançamento”, e a primeira etapa de lançamento é uma coorte nomeada de ciberdefensores. Isso é compatível com um lançamento faseado no qual o público de capacidades de fronteira recebe o modelo antes que a API pública o receba, e é igualmente compatível com o modelo simplesmente não estar pronto para tráfego geral. Nada no enquadramento permite saber qual é o caso. Quem diz que permite está lendo folhas de chá, e o Google não marcou uma data para a etapa da API que resolva isso.

O que você pode ligar hoje, e o que você não pode

Esta é a parte da página que fica desatualizada mais depressa, por isso carrega a sua data. Em 8 de outubro de 2026, a API de modelos do OrcaRouter devolve HTTP 404 para google/gemini-4-argon. Não está nas nossas rotas. Nem google/gemini-4, nem google/gemini-4-argon-high, nem google/gemini-4-pro — nenhum desses identificadores é resolvido, porque nenhum deles existe como modelo invocável em lado algum.

O que está nas nossas rotas hoje, do mesmo fornecedor, e quanto custa cada um no preço de tabela do provedor:

• google/gemini-3.8-flash — lançado em 2026-09-02, com uma janela de contexto de 1.048.576 tokens e saída máxima de 65.536 tokens, a US$ 0,75 de entrada e US$ 3,75 de saída por milhão de tokens. Este é o modelo com o qual o Argon acabará sendo comparado por pessoas que têm cartão de crédito, e é a coisa mais próxima de uma carga de trabalho adjacente ao Argon que você pode executar hoje à tarde.

• google/gemini-3.6-flash — lançado em 2026-07-21, a $0.75 e $3.75.

• google/gemini-3.5-flash — lançado em 23/05/2026, por US$ 1,50 e US$ 9,00.

• google/gemini-3.5-flash-lite — lançado em 2026-07-21, por $0,30 e $2,50.

• google/gemini-3.1-flash-lite — a $0.25 e $1.50.

• google/gemini-3.1-pro-preview — lançado em 2026-02-19, por US$ 2,00 e US$ 12,00. Este é o único Gemini na categoria Pro que você pode chamar, e está três gerações e meia atrás da entrada mais recente da linha Flash.

Todos eles rodam na mesma chave que os modelos de fronteira Claude e OpenAI na mesma faixa de índice — Claude Opus 5.5, Claude Sonnet 5.5, Claude Fable 5.1, GPT-6 Astra e GPT-6.1 Sol estão todos nas mesmas rotas — o que significa que o ponto interessante da posição da Argon é testável sem a Argon. Se você quiser saber como é ter cerca de 52 pontos de índice de trabalho do conhecimento a um quinto do preço, você pode medir isso hoje em relação a google/gemini-3.8-flash a 40,93, e se você quiser o topo da faixa, pode medir o Claude Opus 5.5 a 57,62 no mesmo dia, na mesma conta, sem um segundo contrato e sem alteração de código. Esse é o formato prático do artigo inteiro: uma API para 200+ modelos, 0% de markup sobre o preço de tabela do provedor repassado, então um corte de preço do fornecedor chega até você no mesmo dia em que entra em vigor, e failover automático entre provedores para o dia em que um modelo do qual você depende deixar de responder. Estamos descrevendo isso aqui porque é verdade para o Gemini 3.8 Flash que você pode chamar, não porque isso diga algo sobre a Argon. A Argon não é um deles.

Se você quer o próprio Argon, suas opções hoje são a coorte de ciberdefensores Fairwind e esperar. A própria API do Google não o está disponibilizando, e nós também não, e nenhuma via de terceiros pode servir um modelo que não tem um identificador para endereçar.

As questões em aberto, e exatamente o que as encerraria

Quatro coisas continuam por resolver, e cada uma tem um gatilho específico e verificável. Manter essa lista curta é o objetivo — uma página como esta só é útil enquanto for falsificável.

• O Argon recebe um identificador da Gemini API? Fique atento à lista de modelos da API para qualquer ID com o prefixo gemini-4. No momento em que um aparecer, a questão de preço se torna real e a tarifa introdutória de $2 / $10 passa a ser um valor que pode ser cobrado de você, em vez de uma cifra em um post de blog. Fique atento também se a tarifa introdutória sequer sobrevive à fase da API, e se ela passa para $4 / $20 ou para outro valor.

• A configuração medida muda? O Argon é medido em um nível de raciocínio e obtém 52,56. Se o Google expuser uma configuração de esforço mais alto, essa linha muda; os concorrentes que ele persegue estão todos listados em dois a quatro níveis de esforço, portanto o Argon aparecer listado uma única vez é um fato sobre a disponibilidade, e não sobre o teto do modelo.

• As alegações jurídicas e financeiras sobrevivem a uma execução independente?O Legal Agent Benchmark da Harvey com 19,6 contra 3,8 de um concorrente, e o Vals Finance Agent v2 com 65,4 liderando o setor, são as duas maiores margens relativas na tabela do Google. Também são as duas linhas com maior probabilidade de serem reexecutadas por alguém que não trabalha no Google. Uma margem de quatro a cinco vezes em um benchmark de domínio ou é a frase mais importante do anúncio ou é uma diferença no harness, e a maneira de descobrir é ficar atento a uma segunda execução.

• Existe um irmão? O post de anúncio da Argon não nomeia uma família, não antecipa um Pro nem um Ultra. Um segundo gemini-4-* caminho, uma segunda coluna, ou uma entrada de model card; cada um mudaria essa interpretação em menos de um dia. O texto sobre posicionamento em níveis lista os falseadores na íntegra.

A conclusão

O Gemini 4 Argon é um modelo de fronteira genuíno com uma tabela de benchmark genuína e uma pontuação de índice genuína de 52.56 da Artificial Analysis — e não é um produto, no sentido específico de que não existe um identificador de modelo, endpoint, cartão de modelo, janela de contexto ou data de disponibilidade geral para ele, e tanto a documentação do próprio Google quanto os serviços de medição de terceiros concordam que exatamente um provedor o hospeda. O “Gemini 4” em seu nome é um rótulo de geração; o “Argon” é a parte com o modelo anexado. Se você está escolhendo algo para construir este mês, a decisão não envolve o Argon: envolve o Gemini 3.8 Flash que você pode chamar hoje a $0.75 / $3.75 e os modelos de fronteira na mesma faixa de índice que ficam na mesma chave. Releia esta página quando um gemini-4 identificador aparecer na lista da API. Até então, tudo sobre o Argon é uma afirmação que o Google fez sobre um modelo que ninguém fora da primeira coorte pode acessar.