TEKNOLOGI,JS- Google melalui perusahaan induknya, Alphabet, memperkenalkan Gemini 4 Argon pada 30 September 2026. Model kecerdasan buatan (AI) terbaru ini dirancang untuk menangani pekerjaan kompleks, mulai dari pemrograman perangkat lunak, analisis keuangan, penyusunan dokumen hukum, hingga pengujian keamanan siber.
Google mengembangkan Gemini 4 Argon untuk menyelesaikan pekerjaan yang membutuhkan penalaran mendalam dan banyak tahapan. Berbeda dari penggunaan AI untuk menjawab pertanyaan sederhana, model ini menyasar tugas profesional yang menuntut analisis panjang, pemeriksaan berulang, dan penyelesaian masalah secara sistematis.
Melalui pengumuman resminya, Google menyebut Argon sebagai model AI frontier yang mampu menangani alur kerja kompleks dalam lingkungan kerja nyata. Perusahaan tersebut juga mulai memperkenalkan model ini kepada kelompok spesialis keamanan siber tepercaya sebelum memperluas akses kepada pengembang, perusahaan, dan konsumen.
Peluncuran tersebut menjadi bagian dari persaingan industri AI yang melibatkan Google, OpenAI, dan Anthropic. Ketiga perusahaan terus mengembangkan model dengan kemampuan penalaran, pemrograman, serta otomatisasi pekerjaan profesional.
1. Gemini 4 Argon Hadir dengan Kemampuan AI Generasi Terbaru
Gemini 4 Argon membawa pendekatan yang berfokus pada penyelesaian pekerjaan kompleks, bukan sekadar menghasilkan teks atau menjawab pertanyaan pengguna.
Model ini dapat membantu pengembang memeriksa kode program, mencari sumber kesalahan, menganalisis struktur perangkat lunak, dan menjalankan pekerjaan rekayasa software yang membutuhkan banyak langkah.
Selain pemrograman, Google juga menyasar penggunaan Argon untuk pekerjaan berbasis pengetahuan, terutama dalam bidang keuangan dan hukum.
Dalam pekerjaan keuangan, misalnya, AI dapat membantu menelaah data, menyusun riset, membandingkan informasi, serta merangkum temuan untuk mendukung proses analisis. Sementara itu, pada bidang hukum, model ini dapat membantu menelaah dokumen panjang dan menyusun draf berdasarkan informasi yang tersedia.
Meski demikian, hasil AI tetap membutuhkan pemeriksaan manusia. Pengguna harus memastikan ketepatan data, konteks hukum, serta kesesuaian hasil analisis sebelum mengambil keputusan penting.
Google mengarahkan Gemini 4 Argon untuk menangani rangkaian pekerjaan yang panjang. Dengan kemampuan tersebut, model ini berpotensi membantu perusahaan mengurangi pekerjaan manual yang berulang dan mempercepat proses pengembangan produk digital.
2. Batas Output Mencapai 1 Juta Token
Salah satu perubahan penting pada Gemini 4 Argon terletak pada kapasitas output atau jumlah token yang dapat dihasilkan dalam satu rangkaian proses.
Google menyebut model ini memiliki batas output hingga 1 juta token, meningkat dari 64.000 token pada model sebelumnya yang menjadi pembanding perusahaan.
Token merupakan unit pemrosesan teks yang digunakan model AI. Satu token tidak selalu sama dengan satu kata karena sistem dapat memecah kata, angka, tanda baca, dan karakter menjadi unit yang berbeda.
Kapasitas output yang besar memberi ruang bagi Argon untuk menghasilkan analisis panjang, menyelesaikan tahapan pemrograman, serta menjelaskan hasil pekerjaan secara lebih terperinci.
Kemampuan tersebut juga relevan bagi perusahaan yang harus mengelola dokumen teknis, basis kode berukuran besar, dan laporan profesional dengan banyak bagian.
Namun, kapasitas token yang besar tidak otomatis menjamin hasil selalu benar. Pengguna tetap perlu memperhatikan kualitas instruksi, ketepatan sumber data, waktu pemrosesan, serta biaya penggunaan model.
Karena itu, perusahaan perlu menguji kinerja Argon berdasarkan kebutuhan nyata sebelum mengintegrasikannya ke dalam operasional sehari-hari.
3. Google Klaim Gemini 4 Argon Unggul dalam Rekayasa Software
Kemampuan coding menjadi salah satu fokus utama Google dalam memperkenalkan Gemini 4 Argon.
Perusahaan tersebut menyatakan model ini mencapai skor 77,9 persen pada DeepSWE v1.1, sebuah tolok ukur yang menguji kemampuan model menyelesaikan tugas rekayasa perangkat lunak dalam kondisi yang mendekati pekerjaan nyata.
Pengujian semacam ini tidak hanya menilai kemampuan AI menulis potongan kode. Model juga harus memahami masalah, menelusuri struktur proyek, menentukan perubahan yang diperlukan, dan menghasilkan solusi yang sesuai dengan kebutuhan.
Bagi pengembang, kemampuan tersebut berpotensi membantu mempercepat proses debugging atau pencarian kesalahan program.
Sebagai contoh, ketika sebuah aplikasi mengalami gangguan, AI dapat membantu menelusuri bagian kode yang bermasalah, mengidentifikasi kemungkinan penyebab, dan mengusulkan perbaikan.
Pengembang kemudian dapat menguji usulan tersebut sebelum menerapkannya ke sistem produksi.
Gemini 4 Argon juga mendukung pekerjaan migrasi kode dalam skala besar. Google menyebut tim internalnya memanfaatkan agen Argon untuk membantu memindahkan basis kode C dan C++ ke Rust.
Rust menjadi salah satu bahasa pemrograman yang menarik perhatian pengembang karena menyediakan mekanisme untuk membantu mencegah sejumlah kesalahan pengelolaan memori.
Meski AI dapat mempercepat proses migrasi, perubahan kode dalam skala besar tetap memerlukan audit, pengujian, dan peninjauan manusia. Kesalahan kecil pada sistem penting dapat menimbulkan gangguan yang luas.
4. AI Google Membantu Menghemat Memori Data Center
Selain coding, Gemini 4 Argon telah membantu Google mengoptimalkan penggunaan memori pada pusat data atau data center.
Google menjelaskan bahwa timnya menggunakan agen AI untuk menganalisis data pemantauan penggunaan memori di berbagai sistem. Agen tersebut kemudian mengidentifikasi peluang optimasi dan membantu menerapkan perubahan pada infrastruktur internal.
Menurut laporan resmi perusahaan, optimasi yang telah diterapkan membebaskan lebih dari 300 TiB memori. Google juga memperkirakan total penghematan berpotensi mencapai 500 TiB hingga 1 PiB.
Angka tersebut menunjukkan potensi AI dalam membantu perusahaan mengelola sumber daya komputasi secara lebih efisien.
Memori menjadi komponen penting dalam pengoperasian layanan digital. Pusat data membutuhkan sumber daya komputasi untuk menjalankan aplikasi, memproses permintaan pengguna, menyimpan data sementara, dan mendukung berbagai layanan berbasis AI.
Ketika perusahaan mampu menggunakan memori yang tersedia secara lebih efisien, mereka berpotensi menunda kebutuhan penambahan kapasitas perangkat keras.
Dampaknya dapat menyentuh biaya infrastruktur, pemanfaatan server, dan perencanaan investasi teknologi.
Namun, penghematan memori tidak otomatis berarti perusahaan dapat menghapus seluruh kebutuhan pembelian perangkat keras baru. Kebutuhan tersebut tetap bergantung pada pertumbuhan beban kerja, kapasitas yang tersedia, serta target layanan perusahaan.
Meski begitu, penggunaan AI untuk optimasi infrastruktur memperlihatkan bahwa manfaat kecerdasan buatan tidak hanya terletak pada chatbot atau aplikasi yang digunakan konsumen. AI juga dapat membantu perusahaan memperbaiki proses internal yang kompleks.
5. Gemini 4 Argon Fokus pada Pertahanan Keamanan Siber
Keamanan siber menjadi salah satu alasan Google menerapkan peluncuran bertahap untuk Gemini 4 Argon.
Google menyatakan model ini mampu membantu menemukan, memvalidasi, dan memperbaiki kerentanan perangkat lunak. Kemampuan tersebut dapat membantu tim keamanan mengidentifikasi kelemahan sebelum pihak yang tidak bertanggung jawab memanfaatkannya.
Dalam pengujian CWE-bench v1, Google melaporkan Argon meraih skor 68 persen dan menempati posisi teratas bersama model lain.
Tolok ukur tersebut menguji kemampuan model dalam memperbaiki kerentanan perangkat lunak. Karena itu, hasilnya memberikan gambaran mengenai kemampuan teknis model dalam konteks pengamanan kode.
Google juga menyampaikan bahwa Argon membantu menemukan kerentanan serius pada perangkat lunak layanan kesehatan yang digunakan rumah sakit di berbagai negara. Kerentanan tersebut berpotensi mengekspos informasi pribadi.
Temuan ini memperlihatkan bagaimana AI dapat membantu tim keamanan memeriksa sistem yang kompleks. Namun, pengujian lanjutan tetap diperlukan untuk memastikan bahwa perbaikan benar-benar menutup celah tanpa menimbulkan masalah baru.
Di sisi lain, kemampuan menemukan kerentanan juga dapat menimbulkan risiko apabila pihak yang berniat buruk memanfaatkannya untuk menyerang sistem.
Karena itu, Google berupaya membatasi akses awal kepada kelompok yang memiliki tujuan pertahanan keamanan siber.
6. Mengapa Google Membatasi Akses Gemini 4 Argon?
Google tidak langsung membuka Gemini 4 Argon untuk seluruh pengguna. Perusahaan memulai distribusi melalui Fairwind Program, yang menyasar kelompok spesialis keamanan siber tepercaya.
Google juga menyatakan keterlibatannya dalam proses sukarela pemerintah Amerika Serikat untuk memberikan akses prapeluncuran terhadap model AI.
Melalui pendekatan tersebut, Google dapat mengumpulkan masukan dari para penguji, menilai kemampuan model dalam situasi nyata, dan memperkuat sistem pengamanan sebelum memperluas ketersediaannya.
Langkah ini berkaitan dengan sifat teknologi AI yang dapat menjalankan tugas kompleks secara lebih mandiri.
Jika model memiliki kemampuan tinggi untuk mencari kelemahan perangkat lunak, perusahaan harus memastikan kemampuan tersebut mendukung pertahanan sistem, bukan justru mempermudah penyalahgunaan.
Google menyebut upayanya mencakup perlindungan terhadap permintaan berbahaya, penguatan sistem untuk menghadapi serangan prompt injection, serta pengujian keamanan dalam lingkungan yang terisolasi.
Prompt injection merupakan teknik yang berusaha memanipulasi model melalui instruksi atau konteks tertentu agar model mengabaikan tujuan awal dan mengikuti perintah yang tidak semestinya.
Dengan memperkuat perlindungan tersebut, Google berupaya mengurangi risiko ketika model menangani informasi dan tugas yang sensitif.
Meskipun demikian, sistem pengamanan AI tidak menjamin semua risiko hilang. Pengujian berkelanjutan dan pengawasan manusia tetap menjadi bagian penting dalam penerapannya.
7. Persaingan Google, OpenAI, dan Anthropic Semakin Ketat
Peluncuran Gemini 4 Argon berlangsung di tengah persaingan perusahaan teknologi untuk mengembangkan model AI dengan kemampuan lebih luas.
Google bersaing dengan OpenAI dan Anthropic dalam berbagai bidang, termasuk coding, penalaran, riset, serta penggunaan AI untuk pekerjaan perusahaan.
Setiap perusahaan menggunakan tolok ukur yang berbeda untuk mengevaluasi kemampuan model. Karena itu, pengguna perlu memeriksa jenis pengujian, versi model, dan metode penilaian sebelum membandingkan hasilnya.
Google melaporkan Argon mencapai hasil kompetitif dalam sejumlah pengujian internal dan eksternal. Akan tetapi, satu hasil benchmark tidak cukup untuk menyimpulkan bahwa sebuah model selalu unggul dalam semua pekerjaan.
Model yang menunjukkan kemampuan tinggi dalam memperbaiki kode belum tentu memberikan hasil yang sama baiknya dalam analisis keuangan atau penelaahan dokumen hukum.
Bagi perusahaan, pemilihan AI sebaiknya mempertimbangkan ketepatan hasil, keamanan data, biaya penggunaan, kecepatan respons, dan kemudahan integrasi dengan sistem yang sudah tersedia.
Dengan demikian, persaingan AI tidak hanya berkaitan dengan skor pengujian. Kemampuan menyelesaikan pekerjaan secara konsisten dan aman juga menjadi faktor penting.
8. Berapa Harga Gemini 4 Argon?
Selain kemampuan teknis, biaya penggunaan menjadi pertimbangan bagi pengembang dan perusahaan yang ingin memanfaatkan AI.
Dalam pengumuman resminya, Google menetapkan harga perkenalan Gemini 4 Argon sebesar US$2 per satu juta token input dan US$10 per satu juta token output.
Token input mengacu pada informasi yang dikirim pengguna atau aplikasi kepada model. Sementara itu, token output mengacu pada konten yang dihasilkan model sebagai respons.
Google juga menyebut harga token input yang tersimpan dalam cache mendapat potongan 95 persen dari harga input reguler.
Perusahaan menetapkan harga perkenalan tersebut hingga 31 Desember 2026. Mulai 1 Januari 2027, harga yang diumumkan akan berubah menjadi US$4 per satu juta token input dan US$20 per satu juta token output.
Dengan struktur harga tersebut, pengembang dapat memperkirakan biaya berdasarkan volume penggunaan. Namun, biaya akhir tetap bergantung pada panjang instruksi, jumlah output, penggunaan cache, serta frekuensi pemanggilan model.
Perusahaan juga perlu memperhitungkan biaya integrasi, pengawasan, dan pengujian sistem.
Bagi bisnis yang memproses dokumen dalam jumlah besar atau menjalankan agen AI secara berulang, pengendalian penggunaan token dapat menjadi bagian penting dari strategi efisiensi.
9. Kapan Gemini 4 Argon Bisa Digunakan Masyarakat?
Google belum membuka akses Gemini 4 Argon secara penuh kepada seluruh pengguna pada tahap awal pengumuman.
Perusahaan memprioritaskan pengujian bersama kelompok pertahanan keamanan siber tepercaya. Setelah itu, Google berencana memperluas akses kepada pengembang, pelanggan perusahaan, dan konsumen secara bertahap.
Google menyebut pelanggan API berbayar dan pelanggan Google AI Ultra sebagai bagian dari kelompok yang akan mendapat akses dalam perluasan berikutnya.
Artinya, pengguna perlu membedakan antara pengumuman produk dan ketersediaan aktual pada akun masing-masing. Akses dapat bergantung pada jadwal peluncuran, jenis layanan, dan ketentuan Google.
Bagi pengembang di Indonesia, perkembangan ini layak dipantau karena model AI dengan kemampuan coding dan analisis yang lebih kompleks dapat membuka peluang baru dalam pengembangan aplikasi, otomatisasi pekerjaan, serta pengelolaan infrastruktur digital.
Namun, sebelum menggunakan model untuk pekerjaan penting, pengembang perlu memeriksa dokumentasi resmi, ketentuan layanan, perlindungan data, dan biaya API yang berlaku.(*)
