AI & computing › Generatieve AI & synthetische media

Google lanceert Gemini 4 Argon: AI-model voor complexe code en wetenschap

· Bijgewerkt 14 oktober 2026, 01:50 · 2 min leestijd

Generatieve AI & synthetische media
Beeld: DeepMind Blog

Google heeft zijn nieuwste AI-model Gemini 4 Argon wereldwijd beschikbaar gemaakt voor ontwikkelaars, bedrijven en consumenten. Het model is vooral getraind om langdurige, complexe taken zelfstandig uit te voeren, van het herschrijven van miljoenen regels broncode tot het opsporen van cyberkwetsbaarheden. Google claimt dat Argon daarmee de concurrentie op meerdere vakgebieden voorbijstreeft.

Gemini 4 Argon is vanaf nu te gebruiken via de API in Google AI Studio, in de ontwikkelomgeving Antigravity en in de Gemini-app voor abonnees van Google AI Ultra en Pro. Het model is volgens Google speciaal gebouwd voor "diep werk": meerstaps-taken in vakgebieden als programmeren, financiën, recht, cyberbeveiliging en wetenschappelijk onderzoek. Op de Vals Index, een benchmark die AI-modellen vergelijkt op economisch relevante sectoren zoals recht en belastingwerk, scoort Argon volgens Google het hoogst van alle taalmodellen die nu beschikbaar zijn.

Het gebruik van het model kost bij de introductie 2 dollar per miljoen invoertokens en 10 dollar per miljoen uitvoertokens, met 95 procent korting op hergebruikte invoer. Google benadrukt dat het model vooral is afgestemd op agentic AI: niet simpel een vraag beantwoorden, maar zelfstandig een reeks stappen uitvoeren om een groter doel te bereiken.

Grote codebases en wetenschappelijke software sneller gemaakt

Google zegt het model intern al maanden te gebruiken voor de zwaarste technische klussen. Het Chrome-team gebruikte Argon om een deel van zes miljoen coderegels los te weken uit de veertig miljoen regels tellende Chromium-codebase, waardoor browsertabbladen straks vloeiender kunnen verplaatsen zonder herladen. Bij het open-source raamwerk Agent Development Kit verkortte Argon 's nachts autonoom de opstarttijd van lange sessies met 40 procent. Ook wetenschappelijke software ging sneller: het veelgebruikte kwantumchemiepakket xTB, dat moleculaire vormen voorspelt met de zogeheten tight-binding-methode, werd tot 2,3 keer sneller. En Google's eigen open AI-modellen, de Gemma-reeks, draaien na optimalisatie door Argon bijna drie keer zo snel tijdens inferentie, het moment waarop een AI-model daadwerkelijk een antwoord berekent.

Van juridische documenten tot 3D-animaties

Argon richt zich ook op zakelijke en creatieve taken. Het model kan grote hoeveelheden ongestructureerde documenten, zoals juridische contracten of wetenschappelijke patenten, razendsnel doorzoeken en samenvatten. Bij het biotechbedrijf Isomorphic Labs, dat zich bezighoudt met medicijnonderzoek, verkort Argon een proces van weken tot uren door complexe pdf's en patenten te analyseren. In de ontwikkelomgeving Antigravity bouwde het model ook volledig autonoom gedetailleerde 3D-scènes en zelfs een werkend miniatuurracespel, inclusief natuurkundige botsingen en geluid.

Meer aandacht voor cyberbeveiliging

Google breidt daarnaast het zogeheten Fairwind-programma uit naar honderden extra beveiligingspartners die vroegtijdig toegang krijgen tot Argon. Het beveiligingsbedrijf Wiz gebruikt het model al binnen zijn initiatief "Scan for Good", dat gratis kritieke infrastructuur scant op kwetsbaarheden. Volgens Google kan Argon zelfstandig hypotheses testen, grote codebases controleren op zwakke plekken en subtiele zero-day-kwetsbaarheden opsporen voordat kwaadwillenden dat doen.

Achtergrond & begrippen

Wat betekent dit voor de toekomst? Gemini 4 Argon laat zien dat AI-modellen steeds vaker worden ingezet voor langdurig, zelfstandig werk in plaats van losse vraag-antwoordsessies. Dat verschuift de rol van AI van hulpmiddel naar digitale collega die dagenlang aan één taak kan doorwerken, met gevolgen voor softwareontwikkeling, wetenschappelijk onderzoek en cyberbeveiliging.

Agentic AI
AI die niet alleen antwoord geeft, maar zelfstandig stappen onderneemt om een taak te voltooien.
Benchmark
Een gestandaardiseerde test waarmee de prestaties van verschillende AI-modellen met elkaar worden vergeleken.
Large language model (taalmodel)
Een AI-systeem dat is getraind op grote hoeveelheden tekst om taal te begrijpen en te genereren.
AI-inferentie
Het moment waarop een getraind AI-model daadwerkelijk wordt gebruikt om een antwoord of resultaat te berekenen.
Tokens
De kleine tekstfragmenten waarin AI-modellen tekst opdelen en waarop gebruik wordt afgerekend.
Tight-binding-methode
Een rekenmethode uit de kwantumchemie om snel en relatief goedkoop de structuur en eigenschappen van moleculen te benaderen.

Bronnen

Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.

Meer over Generatieve AI & synthetische media