LONDON (IT BOLTWISE) – Google bringt mit Gemini 4 Argon ein neues Frontier-Modell an den Start, das sich zunächst an Sicherheitsexperten richtet. Ziel ist, Schwachstellen nicht nur zu identifizieren, sondern über den gesamten Lebenszyklus hinweg autonom zu validieren und zu patchen. Der Rollout beginnt eingeschränkt, während das Unternehmen gleichzeitig die Kostenstruktur für API-Nutzer festlegt. In Benchmark-Tests zeigt Argon starke Ergebnisse bei langlaufenden Softwareaufgaben und klettert im Sicherheitsbereich auf vordere Plätze.
Mit Gemini 4 Argon startet Google ein neues KI-Frontier-Modell, das die Automatisierung in der Cybersicherheit deutlich enger mit der Softwareentwicklung verzahnen soll. Anders als bei klassischen Assistenten, die primär Empfehlungen geben, wird Argon laut den Google-Angaben auf Aufgaben ausgerichtet, bei denen über lange, komplexe Abläufe hinweg konsistentes Denken nötig ist. Der Erstfokus liegt daher nicht beim allgemeinen Konsum, sondern bei Teams, die Schwachstellen zuverlässig finden und anschließend auch umsetzen müssen. Damit rückt ein konkretes Produktivitätsproblem in den Vordergrund: Wie lässt sich der Zeitaufwand vom Erkennen einer Schwachstelle bis zum Patch in der Praxis verkürzen, ohne dass die Qualität durch Sprünge im Prompt- oder Kontextmanagement leidet.
Technisch positioniert sich Gemini 4 Argon als Modell für „langlaufende“ Entwicklungs- und Wissensprozesse. In diesem Kontext nennt Google gleich mehrere Zielbereiche: Softwareentwicklung, unternehmensbezogenes Wissensmanagement etwa in Recht und Finanzen sowie defensive Cybersicherheit. Besonders für Security-Use-Cases ist das Zusammenspiel aus Analyse und Umsetzung entscheidend, weil es nicht ausreicht, nur eine Schwachstelle zu beschreiben. Stattdessen müssen Modelle in der Lage sein, Reproduzierbarkeit herzustellen, Tests sinnvoll abzuleiten und Änderungen so zu validieren, dass sie die Anfälligkeit tatsächlich schließen. Genau hier setzt Google offenbar an, indem das Modell für das eigenständige Finden, Validieren und Patchen von Schwachstellen vorgesehen ist.
Die Verfügbarkeit startet zunächst in einem kleineren Rahmen: Gemini 4 Argon ist nach Angaben von Google zunächst für eine kleine Gruppe von Cybersicherheitsexperten gedacht. Gleichzeitig heißt es, dass das Modell intern bereits produktiv eingesetzt wird. „Tausende“ Google-Mitarbeiter sollen Argon in Bereichen wie Entwicklung, Forschung und Texterstellung eingebunden haben. Für die Praxis bedeutet das: Das Modell wird nicht nur im Labor getestet, sondern in Arbeitsabläufen genutzt, die wahrscheinlich mit echten Constraints aus Tools, Workflows und Qualitätsanforderungen zusammenstoßen. Damit gewinnt auch die spätere Ausweitung des Zugangs eine realistischere Grundlage, weil das Modell bereits an typische Engineering- und Sicherheitsroutinen angepasst wird.
Bei den Leistungsdaten nennt Google messbare Benchmarks aus unterschiedlichen Domänen. Auf dem DeepSWE v1.1, einem Test für langlaufende Softwareentwicklungsaufgaben, erreicht Argon 77,9 Prozent. Daneben landet das Modell beim Zapier AutomationBench mit 51,3 Prozent auf dem ersten Platz. Für Entscheider ist dabei weniger die einzelne Zahl als das Muster relevant: Argon zeigt offenbar sowohl in komplexen Engineering-Sequenzen als auch in automatisierungsnahen Workflows starke Ergebnisse. Im Sicherheitskontext nennt Google außerdem konkrete Beispiele aus dem Umfeld des Modells: Das Sicherheitsunternehmen Wiz soll Argon in einer Initiative namens „Scan for Good“ einsetzen, die kritische öffentliche Infrastruktur kostenlos schützen soll. Zudem wird berichtet, Argon habe eine kritische Schwachstelle in Krankenhaussoftware identifiziert, die weltweit von Kliniken genutzt werde und die früheren Frontier-Modellen entgangen sei.
Für die Bewertung der Schwachstellenbehebung nennt Google den CWE-Bench v1, der die Behebung von Schwachstellen misst. Hier wird Argon mit 68 Prozent auf den geteilten ersten Platz gesetzt. Entscheidend ist, dass diese Art von Benchmark nicht nur die Diagnose misst, sondern typischerweise auch, ob die vorgeschlagenen Fixes plausibel sind und in einer angenommenen Testlogik funktionieren. Gleichzeitig kündigt Google an, vor einer breiteren öffentlichen Zugänglichkeit die Sicherheitsmaßnahmen in vier Bereichen zu stärken: Schutz vor Missbrauch, Widerstandsfähigkeit gegen indirekte Prompt-Injection-Angriffe, Überwachung von Fehlausrichtungen über die Nachverfolgung des Denkprozesses sowie die Härtung von „sandgeboxten“ Testumgebungen. Gerade Prompt-Injection ist im Security-Umfeld ein Dauerbrenner, weil Angreifer System- und Toolverhalten ausnutzen wollen, indem sie Instruktionen in scheinbar harmlosen Eingaben verstecken.
Auch die wirtschaftliche Seite ist bereits beim Start sichtbar. Google nennt für den Einstieg einen Preis von 2 US-Dollar pro Million Input-Tokens und 10 US-Dollar pro Million Output-Tokens; gecachte Input-Tokens sollen mit 95 Prozent Rabatt günstiger sein. Zudem hebt Google die Obergrenze für Output-Tokens auf eine Million an. Damit adressiert das Unternehmen potenziell genau jene Anwendungsfälle, in denen Sicherheitsteams längere Kontextketten brauchen, etwa wenn sie Logs, Code-Snippets und Ticket-Historien zusammenführen. Die breitere Zugänglichkeit soll zunächst über zahlende API-Kunden sowie Abonnenten des Google-AI-Ultra-Angebots erfolgen. Für Softwarehäuser und Sicherheitsteams heißt das: Wer heute mit einer kontrollierten Integration plant, bekommt zwar noch keinen „öffentlichen“ Massenzugang, kann aber bereits Workflows testen, bei denen Argon Schwachstellenanalysen direkt in Patching-Schritte überführt.
Aus Marktsicht verschiebt Gemini 4 Argon die Diskussion weg von reiner Text- oder Code-Suggestion hin zu rollenbasierten Sicherheits- und Engineering-Agenten. Der Schritt ist logisch: Unternehmen profitieren am stärksten, wenn Modelle nicht nur erklären, sondern auch reproduzierbare Änderungen liefern, die sich mit existierenden Prüfprozessen verketten lassen. Gleichzeitig bleibt die Herausforderung, Modellverhalten so zu kontrollieren, dass es in „sandgeboxten“ Testumgebungen verlässlich Ergebnisse produziert, ohne dass ein Prompt-Angriff die Kontrolle über Toolpfade oder Prüflogik übernimmt. Wenn Google die angekündigten Sicherheitsverstärkungen wie geplant ausrollt und den Zugriff schrittweise erweitert, könnte Argon besonders in Organisationen mit hohem Schwachstellenvolumen einen spürbaren Einfluss auf Durchlaufzeiten haben – vorausgesetzt, die Implementierung in bestehende DevSecOps- und Security-Betriebsmodelle passt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Google stellt Gemini 4 Argon vor: KI findet Schwachstellen und liefert Patches" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Google stellt Gemini 4 Argon vor: KI findet Schwachstellen und liefert Patches" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Google stellt Gemini 4 Argon vor: KI findet Schwachstellen und liefert Patches« bei Google Deutschland suchen, bei Bing oder Google News!