Gemini 4 Argon Resmi Diperkenalkan Google, AI Mulai Masuk ke Pekerjaan yang Lebih Kompleks
Google memperkenalkan Gemini 4 Argon pada 30 September 2026. Model ini ditujukan untuk berbagai pekerjaan profesional, mulai dari software engineering, riset keuangan dan hukum, hingga cybersecurity. Untuk tahap awal, Google memberikan akses kepada kelompok cyber defenders tepercaya melalui Fairwind Program sebelum memperluas ketersediaannya.
Yang menarik dari peluncuran ini bukan sekadar nama model baru. Perkembangannya menunjukkan perubahan penting dalam arah industri AI: model semakin diarahkan untuk menyelesaikan pekerjaan, bukan hanya menghasilkan jawaban.
Gemini 4 Argon membawa konteks hingga 1 juta token
Salah satu perubahan teknis yang cukup besar pada Gemini 4 Argon adalah peningkatan kemampuan output hingga 1 juta token, dibandingkan batas sebelumnya sebesar 64 ribu token.
Kapasitas seperti ini penting untuk pekerjaan yang membutuhkan proses panjang. Model dapat bekerja dengan konteks yang jauh lebih besar sehingga lebih cocok untuk analisis codebase, dokumen, riset, dan pekerjaan multi-step.
Dalam software engineering, misalnya, masalah tidak selalu berada pada satu file atau satu fungsi. Sebuah perubahan dapat melibatkan banyak dependensi, dokumentasi, konfigurasi, pengujian, hingga proses deployment.
Karena itu, kemampuan mempertahankan konteks dalam pekerjaan panjang menjadi semakin penting.
Google mengatakan engineer internalnya sudah menggunakan Argon untuk berbagai pekerjaan, termasuk debugging, migrasi codebase berskala besar, dan desain algoritma. Google juga menyebut penggunaan agen Argon dalam optimasi memori data center yang telah membebaskan lebih dari 300 TiB memori setelah diterapkan.
Di titik ini, AI mulai bersentuhan langsung dengan infrastruktur IT, bukan hanya aplikasi pengguna.
Fokus besar pada coding dan software engineering
Gemini 4 Argon juga diarahkan untuk pekerjaan software engineering yang membutuhkan penalaran dalam banyak langkah.
Google melaporkan skor 77,9% pada benchmark DeepSWE v1.1, yang digunakan untuk mengukur kemampuan model dalam pekerjaan software engineering jangka panjang.
Namun angka benchmark tetap perlu dilihat dalam konteks.
Benchmark membantu membandingkan kemampuan model pada kondisi tertentu, tetapi tidak otomatis berarti sebuah model dapat menggantikan engineer dalam lingkungan produksi. Software production memiliki banyak faktor lain seperti arsitektur sistem, technical debt, keamanan, kebutuhan bisnis, reliability, observability, dan keputusan desain yang tidak selalu dapat direpresentasikan oleh benchmark.
Menurut saya, justru di sinilah perkembangan AI menjadi menarik.
AI yang semakin mampu membaca dan memodifikasi codebase besar akan membuat pekerjaan engineer berubah. Fokusnya kemungkinan semakin bergeser dari sekadar menulis kode menuju merancang sistem, melakukan validasi, mengawasi perubahan, dan mengambil keputusan teknis.
Gemini 4 Argon juga diarahkan ke cybersecurity
Bagian yang paling menarik dari Gemini 4 Argon adalah kemampuan cybersecurity-nya.
Google mengatakan Argon dapat membantu menemukan, memvalidasi, dan melakukan patch terhadap vulnerability software. Dalam pengujian CWE-bench v1, Google melaporkan skor 68% dan posisi teratas bersama model lain pada benchmark tersebut.
Google juga menyebut Argon digunakan oleh Wiz melalui program Scan for Good. Dalam salah satu demonstrasi, model tersebut menemukan vulnerability serius pada software healthcare yang digunakan rumah sakit dan berpotensi mengekspos informasi sensitif.
Kemampuan seperti ini memiliki dua sisi.
AI dapat membantu security team menemukan vulnerability lebih cepat, melakukan analisis terhadap code dalam jumlah besar, dan membantu mempercepat remediation.
Tetapi kemampuan yang sama juga dapat meningkatkan kemampuan pihak yang ingin mengeksploitasi sistem.
Karena itu Google tidak langsung membuka akses penuh Gemini 4 Argon kepada semua pengguna. Perusahaan tersebut mengatakan masih memperkuat sistem pengamanan sebelum memperluas akses ke developer, enterprise, dan konsumen.
AI semakin bergantung pada infrastruktur
Ada satu hal yang sering hilang ketika orang membicarakan model AI baru: AI tidak berjalan di ruang kosong.
Model seperti Gemini 4 Argon membutuhkan compute, storage, networking, memory, cooling, power, monitoring, dan sistem keamanan yang sangat besar.
Semakin panjang konteks yang dapat diproses dan semakin kompleks pekerjaan yang dilakukan AI, semakin besar pula kebutuhan infrastrukturnya.
Google bahkan menyebut penggunaan Argon untuk melakukan optimasi pada fleet-wide profiling telemetry di data center mereka. Menurut Google, optimasi tersebut dapat membebaskan lebih dari 300 TiB memori ketika diterapkan secara luas.
Ini menunjukkan hubungan yang semakin dekat antara AI dan IT infrastructure.
AI membutuhkan infrastruktur untuk bekerja. Pada saat yang sama, AI mulai digunakan untuk mengoptimalkan infrastruktur itu sendiri.
Siklus seperti ini kemungkinan akan menjadi salah satu bagian penting dari perkembangan data center dalam beberapa tahun ke depan.
Google belum langsung membuka akses untuk semua orang
Meskipun Gemini 4 Argon sudah diperkenalkan, model ini belum langsung tersedia secara bebas untuk seluruh pengguna.
Google memulai distribusi melalui kelompok cyber defenders tepercaya dan secara bertahap memperluas akses sambil melakukan evaluasi terhadap sistem keamanan model. Google mengatakan peluncuran akan dimulai dengan pelanggan API berbayar dan pelanggan Google AI Ultra.
Untuk harga pengenalan, Google menetapkan $2 per satu juta token input dan $10 per satu juta token output. Harga tersebut berlaku sampai 31 Desember 2026, sebelum berubah menjadi $4 per satu juta token input dan $20 per satu juta token output mulai 1 Januari 2027.
Artinya, kompetisi AI sekarang tidak hanya mengenai siapa yang memiliki model paling pintar.
Biaya inference juga menjadi bagian dari kompetisi.
Model yang sangat kuat tetapi terlalu mahal untuk digunakan dalam skala besar akan menghadapi tantangan berbeda dengan model yang memiliki kemampuan cukup tinggi dengan biaya operasional rendah.
Opini Betariko: yang berubah bukan hanya AI, tetapi cara kita membangun sistem
Menurut saya, Gemini 4 Argon lebih menarik jika dilihat sebagai bagian dari perubahan yang lebih besar daripada sekadar peluncuran model AI baru.
Beberapa tahun lalu, pembicaraan mengenai AI generatif banyak berpusat pada kemampuan membuat teks, gambar, atau menjawab pertanyaan.
Sekarang arahnya semakin jelas menuju AI yang dapat menjalankan pekerjaan dengan banyak tahapan.
Perubahan ini memiliki konsekuensi terhadap bagaimana perusahaan membangun sistem.
Jika AI nantinya dapat melakukan coding, analisis data, security assessment, dokumentasi, dan berbagai pekerjaan teknis secara semi-otonom, maka masalah utamanya bukan lagi sekadar bagaimana membuat AI bekerja.
Masalah yang lebih penting adalah bagaimana memastikan sistem tersebut bekerja dengan benar.
Di sinilah infrastructure, security, logging, monitoring, access control, backup, data governance, dan human oversight menjadi semakin penting.
Saya melihat AI bukan sebagai pengganti seluruh sistem IT, tetapi sebagai lapisan baru di atas sistem yang sudah ada.
Dan semakin besar kemampuan AI, semakin penting fondasi infrastrukturnya.
Sebuah model AI yang sangat pintar tetap membutuhkan data yang benar, koneksi yang stabil, compute yang cukup, storage yang aman, dan sistem kontrol yang dapat dipercaya.
Karena itu, perlombaan AI pada akhirnya bukan hanya perlombaan membuat model yang lebih pintar.
Ini juga merupakan perlombaan membangun infrastruktur yang mampu menjalankan kecerdasan tersebut secara aman, efisien, dan berkelanjutan.
Gemini 4 Argon hanyalah salah satu contoh terbaru dari arah tersebut.
Dan menurut saya, justru bagian infrastrukturnya yang akan semakin menarik untuk diperhatikan.