Google ha aperto l’accesso a Gemini 4 Argon il 13 ottobre 2026, rendendo il modello disponibile attraverso la Gemini API, Google AI Studio e le piattaforme enterprise. L’annuncio era arrivato il 30 settembre, ma il rilascio effettivo per sviluppatori e aziende ha richiesto due settimane di distribuzione controllata. Il prezzo di partenza è fissato a 2 dollari per milione di token in input e 10 dollari per milione in output, con tariffe destinate a raddoppiare dopo il 30 novembre.
La caratteristica tecnica più rilevante di Argon è la finestra di output portata a 1 milione di token, contro i 64.000 del modello precedente. Non si tratta di un numero simbolico: con questa capacità, il modello può pianificare, analizzare e operare in modo autonomo su compiti complessi che prima richiedevano sequenze di prompt distinti. Google descrive Argon come un modello pensato per il “deep work”, ovvero attività multi-step su coding, finanza, diritto e scienze. Sul benchmark DeepSWE v1.1, che misura le prestazioni nell’ingegneria del software in scenari reali, Argon segna il 77,9%, superando Claude Opus 5.5 al 74,2% e GPT-6 Astra al 74,1%.
Il fronte della cybersecurity è quello dove Google ha investito di più in termini di comunicazione. Argon è addestrato per trovare, validare e correggere vulnerabilità software in modo autonomo. Per i “trusted defenders” iscritti al programma Fairwind e per i team interni di Google, il modello viene distribuito senza i consueti guardrail cyber, permettendo l’accesso completo alle sue capacità difensive. Su CWE-bench v1, che valuta la capacità di rimediare falle di sicurezza, Argon raggiunge il 68%, primo posto insieme ad altri modelli. In una dimostrazione anticipata, il modello ha individuato una vulnerabilità critica in un software sanitario usato da ospedali in tutto il mondo. La società Wiz ha già integrato Argon nel suo programma “Scan for Good”, che protegge infrastrutture pubbliche critiche a titolo gratuito.
Il contesto in cui arriva Argon non è neutro. Google aveva annunciato Gemini 3.5 Pro per giugno 2026, salvo poi cancellarlo e concentrare lo sviluppo su Gemini 3.8 Flash prima e su Argon poi. Nel frattempo, DeepMind ha attraversato una riorganizzazione interna dopo l’uscita del co-fondatore Demis Hassabis. Il ritardo rispetto a OpenAI e Anthropic è evidente, e Argon arriva dichiaratamente come risposta. Google sottolinea il vantaggio competitivo dell’integrazione con la propria infrastruttura cloud, già usata da migliaia di aziende enterprise. Gli ingegneri Google usano il modello internamente per migrazioni di codebase, ottimizzazione della memoria nei data center e riscrittura di codice C/C++ in Rust.
Argon gestisce anche input multimodali: comprende video lunghi con un punteggio di 91,7% su LVBench e analisi di grafici al 71,6% su Chartography. Non genera immagini o video, ma ragiona su contenuto visivo con un livello di accuratezza che Google presenta come stato dell’arte. Su AutomationBench di Zapier, che misura l’esecuzione end-to-end di funzioni aziendali, Argon è primo con 51,3%. Sono numeri che parlano di un modello costruito per ambienti professionali, non per l’utente generico.
Se Google riesce a mantenere i prezzi competitivi oltre il 30 novembre e ad ampliare l’accesso senza perdere il controllo sulla qualità del deployment, Gemini 4 Argon può effettivamente riposizionare l’azienda nel segmento enterprise dell’AI. La vera sfida non è tecnica: è convincere sviluppatori e aziende che il ritardo accumulato è colmato e che la piattaforma Google è abbastanza stabile da giustificare una dipendenza a lungo termine.
