Gemini 4 Argon Mendunia: 1 Juta Token Output dan Fokus Siber

Google meluncurkan Gemini 4 Argon ke seluruh dunia pada 13 Oktober 2026. Sebelumnya, model ini dibagikan terbatas lewat Fairwind Program, yaitu program akses awal untuk tim pertahanan siber terpilih. Kini Argon tersedia lewat API berbayar dan langganan Google AI Ultra.

Argon pertama kali diumumkan pada 30 September 2026. Yang baru pada 13 Oktober adalah cakupannya: bukan lagi lingkaran kecil penguji, tapi pelanggan yang membayar di banyak negara. Ini menandai Google berusaha merebut kembali posisi yang sempat digeser OpenAI dan Anthropic.

Yang paling menonjol dari Argon bukan skornya, tapi satu angka: batas output 1 juta token. Sebelumnya, model Gemini dibatasi 64.000 token output. Artinya, Argon bisa menulis balasan hingga sekitar lima belas kali lebih panjang, cukup untuk menghasilkan dokumen besar dalam satu kali proses.

Kenapa Output Panjang Itu Penting

Batas output bukan sekadar soal bisa menulis panjang. Ia menentukan jenis pekerjaan yang mungkin.

Model dengan output pendek harus memecah tugas besar jadi banyak potongan. Setiap potongan punya risiko kehilangan konteks, dan hasilnya perlu dijahit ulang. Model dengan output sepanjang 1 juta token bisa mengerjakan tugas besar dalam satu tarikan napas, mulai dari membaca kode sampai menulis migrasinya.

Google memberi contoh nyata dari internal mereka. Tim riset komputasi kuantum memakai Argon untuk mengoptimalkan sumber daya spacetime pada subrutin yang menghambat aplikasi penting. Dalam satu contoh, Argon mengalahkan baseline yang sudah dipublikasikan sebesar 40 persen, dan itu dicapai dalam hitungan menit. Klaim ini berasal dari Google sendiri, jadi dibaca sebagai klaim pihak yang membuat model.

Angka yang Dipublikasikan Google

Google mempublikasikan sejumlah skor benchmark, dan ini yang membuat Argon bisa dibandingkan.

Google mengklaim Argon memimpin di Vals Index, tolok ukur yang mengukur dampak ekonomi di bidang keuangan, kode, hukum, dan pajak. Klaim "memimpin" perlu diverifikasi independen, karena Vals Index juga dipakai pesaing. Tapi arahnya jelas: Google memposisikan Argon bukan sebagai chatbot, tapi sebagai alat kerja profesional.

Pertahanan Siber: Pembeda yang Tidak Biasa

Bagian paling tidak biasa dari Argon adalah fokusnya pada pertahanan siber. Google melatih Argon untuk menemukan, memvalidasi, dan menambal kerentanan perangkat lunak secara mandiri.

Untuk penguji terpercaya dan tim internal Google, Argon dirilis tanpa pembatas siber, supaya kemampuan penuhnya bisa dipakai. Wiz, perusahaan keamanan, memakai Argon lewat program Scan for Good. Dalam demonstrasi awal, model itu menemukan kerentanan kritis yang membocorkan informasi pribadi di perangkat lunak rumah sakit di seluruh dunia, sebuah risiko yang luput dari model frontier sebelumnya.

Google juga melaporkan bahwa agen Argon bekerja memigrasi basis kode C/C++ ke Rust di dalam Google, mulai dari puluhan ribu baris di pustaka inti hingga lebih dari 800.000 baris untuk kernel Fuchsia Zircon. Untuk libgav1, agen Argon mengganti 32.000 baris kode SIMD, dan hasilnya decoder video yang 2,7 kali lebih cepat dari port Rust sebelumnya. Angka-angka ini dari Google, dan migrasi besar semacam itu masih melalui audit ketat sebelum masuk produksi.

Fairwind: Mengapa Dirilis Bertahap

Peluncuran bertahap Argon bukan tanpa alasan. Google menyebut Argon pertama dikirim ke "cyber defender tepercaya" lewat Fairwind Program sebelum sampai ke publik. Model yang bisa menemukan dan menambal kerentanan perangkat lunak adalah alat yang kuat, dan alat yang sama bisa dipakai untuk hal yang sebaliknya.

Google juga berpartisipasi dalam proses sukarela pemerintah Amerika Serikat untuk akses model sebelum rilis. Ini berarti sebelum Argon tersedia luas, pemerintah sudah diberi akses untuk menguji. Langkah ini menunjukkan bahwa lab besar kini menerima bahwa model dengan kemampuan menyerang tidak bisa dirilis seperti produk biasa.

Yang menarik, sebagian kemampuan itu dijual sebagai fitur, bukan disembunyikan. Untuk penguji tepercaya, Argon dirilis tanpa pembatas siber sama sekali, supaya kemampuannya penuh bisa dipakai bertahan. Google menempatkan kepercayaan besar pada satu asumsi: bahwa penguji yang tepat akan memakai kekuatan ini untuk melindungi, bukan menyerang.

Harga dan Cara Akses

Argon dibanderol dengan harga perkenalan 2 dolar per juta token input dan 10 dolar per juta token output. Setelah masa perkenalan, harganya naik jadi 4 dolar per juta input dan 20 dolar per juta output. Token input yang di-cache mendapat potongan 95 persen.

Sebagai perbandingan, Claude Opus 5.5 dari Anthropic dibanderol 4 dolar input dan 20 dolar output per juta token. GPT-6 Astra dari OpenAI 10 dolar input dan 50 dolar output. Artinya, pada harga perkenalan, Argon lebih murah dari keduanya; pada harga normal, ia setara Opus pada sisi input.

Perlindungan yang Disebut Sebelum Rilis Luas

Google menyebut empat area pengamanan sebelum Argon tersedia luas. Pertama, pertahanan terhadap penyalahgunaan untuk serangan siber dan senjata pemusnah massal, termasuk pemantauan aktivasi internal model. Kedua, ketahanan terhadap prompt injection, yaitu serangan yang menyelipkan instruksi jahat ke dalam konteks. Google mengklaim Argon memimpin di benchmark Gray Swan.

Ketiga, pemantauan misalignment, yaitu upaya model menyimpang dari maksud pengguna. Google memantau rantai pemikiran dan tindakan Argon, lalu menghentikan eksekusi bila perlu. Google juga mengingatkan agar temuan dari pemantauan tidak dimasukkan kembali ke pelatihan, supaya model tidak belajar menghindari pemantauan. Keempat, pengerasan lingkungan sandbox tempat model diuji.

Analisis: Mengapa Google Menaruh Kartunya di Pertahanan Siber

Strategi Google dengan Argon menarik karena ia tidak bersaing di medan yang sama dengan pesaingnya. OpenAI dan Anthropic menguasai narasi soal asisten serba bisa dan agen umum. Google memilih medan spesifik: pekerjaan profesional dan pertahanan siber.

Ada alasan praktis di balik itu. Model yang bisa menemukan kerentanan perangkat lunak punya nilai jual yang jelas bagi perusahaan besar, dan nilainya tidak mudah dibandingkan lewat benchmark chatbot. Tiga hal mengikuti dari pilihan itu.

• Pembeli yang lebih jelas. Tim keamanan dan perusahaan besar punya anggaran dan kebutuhan spesifik.
• Klaim yang lebih sulit ditiru. Penemuan kerentanan diukur dari hasil di sistem nyata, bukan dari demo obrolan.
• Pasar yang lebih sempit. Fokus ini membuat Argon kurang menjadi produk konsumen umum.

Ini mengubah pertanyaannya dari "model mana yang paling pintar" menjadi "model mana yang bisa dipercaya mengerjakan pekerjaan berisiko tinggi".

Fokus ini juga menjelaskan mengapa Google merilis Argon secara bertahap. Model yang bisa menyerang dan mempertahankan jaringan harus dibatasi lebih hati-hati daripada model yang hanya menulis puisi. Mengirim ke tim pertahanan siber dulu, lalu ke publik, adalah cara menguji kemampuan sekaligus mengendalikan risiko.

Tapi ada ketegangan yang belum terselesaikan. Google merilis Argon tanpa pembatas siber untuk penguji terpercaya. Model yang sama, yang bisa menambal kerentanan, juga bisa dipakai menemukan kerentanan untuk diserang. Google menempatkan kepercayaan besar pada garis yang memisahkan keduanya, dan garis itu tidak selalu jelas.

Apa Artinya Buat Pengguna di Indonesia

Bagi pengguna di Indonesia, ada tiga hal praktis yang muncul dari rilis ini.

• Batas output 1 juta token membuka pekerjaan baru. Meringkas dokumen hukum ratusan halaman, memigrasi basis kode besar, atau menyusun laporan panjang kini bisa dilakukan dalam satu langkah, bukan dipecah jadi puluhan potongan yang harus dijahit manual.
• Harga per token menentukan siapa yang bisa memakainya. Pada harga normal 4 dan 20 dolar, Argon setara dengan Opus. Untuk pengembang beranggaran terbatas, selisih harga perkenalan 2 dan 10 dolar bisa berarti pada volume besar.
• Fokus siber membuka peluang lokal. Tim keamanan di Indonesia bisa memakai model ini untuk audit kerentanan, tapi hasilnya tetap harus diverifikasi manusia.

Ada satu pergeseran yang layak dicatat dari cara Google memasarkan Argon. Model ini dijual bukan lewat demo percakapan, tapi lewat pekerjaan yang bisa diukur: memigrasi kode, menambal kerentanan, mengoptimalkan algoritma. Google memilih membuktikan nilainya dengan hasil kerja, bukan dengan kehebatan mengobrol. Itu pendekatan yang berbeda dari gelombang peluncuran model sebelumnya.

Yang perlu dicatat: sebagian besar klaim performa berasal dari Google sendiri, dan benchmark tidak selalu mencerminkan tugas nyata. Sebelum memindahkan pekerjaan penting ke Argon, pengujian pada data sendiri lebih berguna daripada angka benchmark.

Harga perkenalan juga punya batas waktu. Setelah periode itu berakhir, biaya per token naik dua kali lipat. Untuk tim yang menghitung biaya bulanan, kenaikan itu perlu dimasukkan ke rencana sejak sekarang, bukan setelah tagihan pertama datang.

Pertanyaan yang belum terjawab: kalau model terkuat kini dipasarkan untuk pekerjaan profesional berisiko tinggi, siapa yang memverifikasi bahwa jawabannya benar ketika modelnya salah?