October 14, 2026
Updated:
10 min read

Gemini 4 Argon: Senjata Google Perang Harga Melawan OpenAI

Gemini 4 Argon rilis 13 Oktober 2026: harga intro $2/$10 per juta token, peringkat satu Vals Index, dan bukti nyata dari Chromium hingga sains. Ini bedahnya.

Bayangkan kamu tidur malam ini, sementara agen kodingmu menyelesaikan refactoring yang biasanya memakan waktu berminggu-minggu. Pagi harinya kamu bangun, pekerjaan itu sudah selesai, dan tagihannya hanya sepersekian dari harga biasanya.

Itulah gambaran yang ingin dijual Google pada 13 Oktober 2026. Mereka merilis Gemini 4 Argon, model frontier terbaru mereka, yang langsung tersedia global untuk developer dan perusahaan.

Yang bikin heboh bukan cuma klaim kemampuannya. Harga pembukanya jauh lebih murah dari rival sekelasnya: 2 dolar per juta token input dan 10 dolar per juta token output. Mari bedah apa yang sebenarnya diumumkan Google.

Apa yang Resmi Diumumkan Google

Pengumuman ini ditulis langsung oleh Koray Kavukcuoglu, SVP Google DeepMind dan Chief AI Architect Google, di blog resmi Google pada 13 Oktober 2026. Argon kini tersedia global lewat tier berbayar Gemini API di AI Studio dan Android Studio, lewat Google Antigravity, aplikasi Gemini, dan AI Mode di Search untuk pelanggan Google AI Ultra dan Pro.

Sebenarnya Argon sudah diperkenalkan lebih dulu pada 30 September 2026, tapi aksesnya dibatasi untuk para cyber defender tepercaya lewat program Fairwind. Rilis 13 Oktober ini adalah pembukaan untuk publik yang lebih luas.

Google mengklaim Argon unggul dalam tugas kompleks multi-langkah di bidang coding, finansial, legal, keamanan siber, dan sains. Klaim benchmark andalannya: peringkat satu di Vals Index, indeks yang mengukur performa model di sektor ekonomi kritis seperti finansial, coding, legal, dan pajak.

Dari sisi teknis, Argon membawa batas konteks gabungan 1 juta token untuk input dan output, dengan protokol lanjutan baru untuk keluaran yang sangat panjang. Output sinkron bawaan dibatasi 65.536 token, tapi bisa dilanjutkan dalam anggaran sejuta token yang sama.

Harga: Senjata Utama Argon

Ini bagian yang paling mengganggu peta persaingan. Harga pembuka Argon adalah 2 dolar per juta token input dan 10 dolar per juta token output, dengan token input yang di-cache didiskon 95 persen. Harga ini berlaku sampai 30 November 2026, setelah itu naik menjadi 4 dolar dan 20 dolar per juta token.

Bandingkan dengan rivalnya. Claude Opus 5.5 dari Anthropic mematok 4 dolar dan 20 dolar per juta token input dan output. GPT-6 Astra dari OpenAI jauh lebih mahal: 10 dolar dan 50 dolar. Artinya harga intro Argon hanya sekitar seperlima dari Astra untuk tarif per token, menurut perkiraan The Verge.

Tentu ada catatan penting. Model yang berbeda bisa memakai jumlah token yang berbeda untuk tugas yang sama, jadi harga per token bukan satu-satunya penentu biaya akhir. Tapi arah strateginya jelas: Google sedang memulai perang harga di era agen AI, membidik developer dan bisnis yang membangun workload agentic dalam skala besar.

Bukti Kerja Nyata, Bukan Sekadar Angka

Google tidak hanya membawa angka benchmark. Mereka memamerkan hasil kerja Argon di dalam perusahaan sendiri, dan beberapa di antaranya cukup konkret untuk dicek.

Di Google, tim yang memakai Argon di Antigravity melaporkan pengiriman kode agentic naik lebih dari 35 persen, sementara rollback kode turun hampir sepertiga. Tim Chrome memakai Argon untuk memisahkan penanganan halaman web inti dari folder legacy sekitar 6 juta baris di dalam codebase Chromium yang totalnya 40 juta baris. Refactor arsitektur lintas ratusan file yang biasanya butuh waktu berbulan-bulan selesai dalam hitungan minggu.

Tim di balik Agent Development Kit (ADK), framework open source Google untuk agen enterprise, memberi Argon sebuah rulebook dan satu paragraf tujuan: hilangkan overhead framework tanpa merusak aplikasi yang ada. Argon bekerja mandiri semalaman, dan optimasinya kini sudah live di repositori google/adk-python. Hasilnya: waktu persiapan sesi di memori 40 persen lebih cepat untuk sesi panjang, dan cold import 21 persen lebih kencang.

Di ranah sains, hasilnya juga terukur. Paket kimia kuantum open source xTB menjadi 2,3 kali lebih cepat memprediksi struktur molekul dan 1,8 kali lebih cepat dalam pencarian konformer, dan perubahannya sudah dikontribusikan ke repositori resmi. Untuk model terbuka Gemma 4 E2B, Argon membantu mencapai speedup inferensi 2,85 kali di GPU A100 lewat vLLM, dari sekitar 37.900 menjadi lebih dari 108.000 token per detik, dengan parity token 100 persen dan tanpa penurunan kualitas.

Keamanan: Diuji Ketat Sebelum Dilepas

Karena Argon adalah model yang sangat mumpuni, Google menekankan lapisan pengamannya. Di benchmark Gray Swan untuk serangan indirect prompt injection, tingkat keberhasilan serangan turun menjadi 0,7 persen dalam 15 upaya adaptif. Untuk perilaku agen, upaya mengambil jalan pintas yang tidak sah turun menjadi 2 persen, performa terbaik dibanding model Gemini sebelumnya.

Program Fairwind juga diperluas ke ratusan partner tambahan, dan para defender siber bisa mendaftar untuk akses Argon tanpa cyber guardrails secara bergilir. Contoh nyatanya: perusahaan keamanan Wiz memakai Argon dalam inisiatif Scan for Good dan berhasil menemukan celah bypass unduhan file publik yang mengekspos master key dan memberikan akses administrator di sebuah software kesehatan. Ratusan ribu data pasien pun terlindungi.

Tetapi satu hal perlu dicatat dengan jujur. Semua angka keamanan dan benchmark di atas berasal dari Google sendiri. Uji independen belum datang, dan sejarah peluncuran model frontier mengajarkan kita untuk menunggu verifikasi pihak ketiga sebelum terlalu percaya.

Kata Komunitas: Sambutan Hangat, Catatan Kecil

Tidak seperti peluncuran model yang biasanya disambut sinis, reaksi awal terhadap Argon terbilang hangat. Komentator di Hacker News menyebutnya sebuah lompatan yang jelas untuk kemampuan reasoning dan writing. Satu komentator menempatkannya di Pareto frontier pada leaderboard arena.ai, dengan biaya sekitar 0,41 dolar per tugas dibanding 3,51 dolar untuk kompetitor. Pengetahuan bahasa Jerman dan budaya non-Barat juga mendapat pujian khusus.

Ada juga catatan kecilnya. Dalam pengujian image-to-HTML, Argon dinilai satu tingkat di bawah Claude Opus 5.5 dan GPT-6.1 Sol. Jadi ini bukan sapu bersih di semua kategori.

Google juga menyiapkan umpan untuk komunitas riset: 10.000 ilmuwan ditawari tier penggunaan tertinggi Antigravity gratis selama enam bulan, dengan seleksi bergilir. Di bidang robotika, Argon mencetak skor 87 persen di benchmark Embodied Reasoning (ERQA). Dalam demo internal, Argon menonton video mentah manusia bermain cornhole, memetakan koordinat spasial, lalu membangun kode simulasinya sendiri. Setelah dipindahkan ke robot humanoid Apollo dari Apptronik, robot itu memasukkan tujuh lemparan berturut-turut di uji dunia nyata.

Artinya Buat Kamu

Kalau kamu developer yang membangun agen AI atau workload LLM dalam volume besar, ini momen yang bagus untuk uji coba. Harga intro berlaku sampai 30 November 2026, lalu naik dua kali lipat. Saran paling waras: uji Argon dengan evaluasimu sendiri sebelum berkomitmen, karena klaim benchmark pabrikan bukan pengganti pengujian di use case-mu.

Cara mencobanya juga jelas. Developer bisa lewat tier berbayar Gemini API di AI Studio. Pengguna aplikasi bisa lewat langganan Google AI Pro atau Ultra di aplikasi Gemini dan AI Mode di Search. Pengguna gratis belum disebut sama sekali dalam pengumuman ini.

Kalau kamu penasaran contoh proyek AI seperti apa yang bisa dibangun dengan model sekelas ini, halaman /projects berisi kumpulan proyek yang bisa jadi referensi dan inspirasi.

Gemini 4 Argon bukan sekadar model baru. Ini adalah sinyal bahwa perang harga di era agen AI sudah dimulai, dan Google bertaruh bahwa kemampuan frontier tidak harus mahal. Sekarang giliran pengujian independen yang membuktikan apakah klaimnya bertahan di dunia nyata.

Dimas Febriyanto - Fullstack Developer

Dimas Febriyanto

Fullstack & Mobile Developer specializing in Golang & Flutter. Aktif sebagai Junior Mobile Developer di Sagara Technology & asisten lab di Universitas Gunadarma. Passionate about building scalable algorithms & high-impact applications.

Lihat Portofolio

Liked this article?

Feel free to share it with your network or reach out if you have any questions!