Text & Reasoning
Gemini 3.8 Flash
Gemini 3.8 Flash: Text, Bild, Video, Audio, PDF → Text. Für Text- und Analyseaufgaben.
Text & ReasoningGemini 4 Argon
Gemini 4 Argon ist ein Sprachmodell von Google DeepMind. Reasoning-Modell für Code, wissenschaftliche Aufgaben und mehrstufige Agenten. Das Kontextlimit gilt gemeinsam für Eingabe und Ausgabe.
Wie kannst du es nutzen?
Nutze den in den Quellen genannten Anbieterzugang für genau diese Version. Ein Produktabo enthält nicht automatisch API-Guthaben.
Aktiv · stabilQuellenstand 2026-10-19
Google DeepMind im Verzeichnis
EingabeText, Bild, Video, Audio, PDF
AusgabeText
Kontext1.048.576 Tokens
Technische Daten
Identität, Funktionen und Betrieb getrennt lesen. Die Angaben beziehen sich auf diese konkrete Version.
„Nicht bestätigt“ kennzeichnet eine offene Angabe. Es bedeutet weder „nicht vorhanden“ noch „unbegrenzt“.
| Hersteller | Google DeepMind |
|---|---|
| Modellfamilie | Gemini |
| Modell-/API-ID | gemini-4-argon |
| Status | Aktiv · stabil |
| Modellart | Text & Reasoning |
|---|---|
| Eingabe | Text, Bild, Video, Audio, PDF |
| Ausgabe | Text |
| Kontext | 1.048.576 Tokens |
|---|---|
| Maximaler Output / Horizont | 65.536 Tokens |
| Bereitstellung | Kostenpflichtige Gemini API; Gemini-App für Google AI Pro und Ultra laut Ankündigung vom 13.10.2026 |
|---|---|
| Gewichte | Gehosteter oder integrierter Zugang |
| Lizenz | Anbieterbedingungen |
Daten im Überblick
Input und Output sind getrennte Texttarife je einer Million Tokens. Preisstufen, Cache, Werkzeuge und weitere Bedingungen stehen im Kostenabschnitt. Kein Preis für eine konkrete Aufgabe.
- Text-Input / Mio. Tokens
- 2 USD
- Text-Output / Mio. Tokens
- 10 USD
Datenbasis: Herstellerangaben im Quellenstand 2026-10-19. Quellen zu diesem Profil ↓
Einsatz und Grenzen
Wähle eine kleine Aufgabe mit einer überprüfbaren Lösung: etwa fünf Informationen aus einem gegebenen Dokument extrahieren. Prüfe die Antworten am Original, nicht nur die Formulierung. Das Vergleichsblatt für KI-Tools hilft dir, Ergebnis, Datenweg und erforderliche Nacharbeit für dieselbe Aufgabe festzuhalten.
Prüfe vor einem API-Aufruf, ob dein Konto Zugriff hat und welchen Endpunkt, Tarif und welche Region du verwenden musst. Notiere die genaue Modellversion. Ein Kurzname in der API kann später auf einen anderen Modellstand verweisen.
Leistung: Wir haben die Leistung dieses Modells hier nicht selbst gemessen. Nutze die Aufgabe unten, um es an deinen Anforderungen zu prüfen.
Was kostet Gemini 4 Argon?
Bestätigter Tarif / Preisangabe2 USD Input / 10 USD Output je 1 Mio. Texttokens bis 30.11.2026
Einführungstarif für die öffentliche API. Nach 30.11.2026: 4 USD Input / 20 USD Output je Mio. Tokens. Cache, Verarbeitung und Werkzeuge separat. Kein belegter Tarif für den beschränkten Fairwind-Zugang.
Textkosten im Rechner schätzen →Zugang: Kostenpflichtige Gemini API; Gemini-App für Google AI Pro und Ultra laut Ankündigung vom 13.10.2026. Prüfe vor einer Integration die für dein Konto und deine Region verfügbaren Endpunkte. Ein Eintrag im öffentlichen Katalog ist keine Bestätigung eines freigeschalteten Kontos.
Praxis: Widersprüche in Dokumenten finden
Praxisergänzung geprüft am 21. Oktober 2026 · eigene Aufgabe, kein Modellbenchmark
Wenn du mehrere Dokumente gemeinsam auswertest, reicht eine flüssige Zusammenfassung nicht. Die Antwort muss erkennen lassen, aus welcher Stelle ein Wert stammt und wo sich Angaben widersprechen. Unsere fiktive Unterlage enthält zwei verschiedene Liefertermine. Bevor du echte PDFs hochlädst, kannst du mit den unten stehenden Textauszügen die Beleglogik deiner Aufgabe prüfen.
Vorbereitung
Google dokumentiert für gemini-4-argon unter anderem PDF-Eingaben und Textausgabe. Diese Textübung prüft aber keine PDF-Erkennung, keine eingescannten Seiten und keine OCR-Leistung. Verwende für einen echten Dokumenttest zusätzlich eine freigegebene Datei und vergleiche die zitierten Stellen mit der sichtbaren Seite. Produktzugang und API-Zugang sind dabei getrennt zu prüfen.
Nutze zuerst die zwei bezeichneten Textauszüge. Die Seitenangaben sind Teil unserer fiktiven Vorlage.
Lass den Konflikt auflisten, ohne einen der Termine stillschweigend zum richtigen zu erklären.
Übertrage dieselbe Frage später auf eine erlaubte echte PDF und prüfe Fundstellen, Tabellen und Auslassungen erneut.
Aufgabe zum Kopieren
Die Angaben sind fiktiv. Speichere den geforderten JSON-Teil der Antwort separat als antwort.json; zusätzliche Erklärungen gehören in eine andere Datei.
Fiktive Unterlage, Seite 1, Abschnitt Angebot:
Lieferung am 12. November. Nettopreis 480 Euro. Angebotsnummer A-31.
Fiktive Unterlage, Seite 2, Abschnitt Bestätigung:
Angebotsnummer A-31. Lieferung am 14. November. Versandkosten nicht angegeben.
Gib JSON mit angebotsnummer, liefertermine (in Seitenreihenfolge), konflikt, versandkosten und belege aus.
belege ist die Liste ["S1: Angebot", "S2: Bestätigung"]. Erfinde keine Versandkosten und kein Jahr. Ergänze eine Rückfrage, welcher Termin verbindlich ist.Vorlage herunterladenLokalen JSON-Prüfer herunterladen
Lösung und Prüfkriterien ansehen
- Beide unterschiedlichen Termine werden sichtbar.
- Die Antwort unterscheidet widersprüchliche Werte und vollständig fehlende Werte.
- Die Fundstellen führen zu den vorgegebenen Seitenabschnitten; ein Jahr wird nicht ergänzt.
{
"angebotsnummer": "A-31",
"liefertermine": [
"12. November",
"14. November"
],
"konflikt": true,
"versandkosten": null,
"belege": [
"S1: Angebot",
"S2: Bestätigung"
]
}Das Soll ist redaktionell aus der Vorlage abgeleitet, keine aufgezeichnete Modellantwort. Der lokale Prüfer vergleicht die festgelegten Felder und führt keinen generierten Code oder API-Aufruf aus. Er bewertet keine freien Begründungen.
Speichere Prüfer und deine Antwort im selben Ordner. Mit installiertem Python: python pruefen.py antwort.json.
| Beobachtung | Was du prüfst |
|---|---|
| Nur ein Liefertermin erscheint | Der Konflikt wurde verdeckt, statt offengelegt. |
| Textübung wird als OCR-Test bezeichnet | Die Vorlage enthält bereits lesbaren Text; eine Bilderkennung wurde damit nicht geprüft. |
| Versandkosten werden null Euro | Nicht angegeben ist ein unbekannter Wert und kein kostenloser Versand. |
Passende Anleitungen
Für den nächsten Schritt kannst du PDF-Aussagen mit Fundstellen prüfen und unvollständige oder unlesbare Stellen ausdrücklich offenlassen.
Vor echten Unternehmensunterlagen solltest du Gemini-Zugänge und Datenverwendung unterscheiden und deinen tatsächlich verwendeten Zugang prüfen.
Gezielte Praxisergänzung auf Basis aktueller Herstellerunterlagen. Der Datenstand der bisherigen Modell-Faktentabellen bleibt separat ausgewiesen. Neue Beispiele und Grafiken sind eigene Erklärungen; es wurden keine Modellantworten oder Leistungswerte gemessen.
Herstellerunterlagen zur Ergänzung: Gemini 4 Argon | Gemini API | Google AI for Developers (Abruf 2026-10-21) · Document understanding | Gemini API | Google AI for Developers (Abruf 2026-10-21).
Quellen und Prüfstand
Quellenstand: 2026-10-19. Spezifikationen, Tarife und Zugang können sich ändern. Die Illustration zeigt den dokumentierten Datenweg, keine gemessene Leistung.
Häufige Fragen
Was ist Gemini 4 Argon?
Reasoning-Modell für Code, wissenschaftliche Aufgaben und mehrstufige Agenten. Das Kontextlimit gilt gemeinsam für Eingabe und Ausgabe. Hersteller: Google DeepMind. Dokumentierte ID: gemini-4-argon.
Was verarbeitet Gemini 4 Argon?
Eingabe: Text, Bild, Video, Audio, PDF. Ausgabe: Text. Maßgeblich sind die Funktionen des konkreten Endpunkts in der Herstellerquelle.
Kannst du Gemini 4 Argon lokal betreiben?
Der dokumentierte Zugang lautet: Kostenpflichtige Gemini API; Gemini-App für Google AI Pro und Ultra laut Ankündigung vom 13.10.2026. Öffentlich verfügbare offene Gewichte werden damit nicht bestätigt. Ein integriertes On-Device-Modell kann besondere Hardware und Plattformvorgaben haben.
Was kostet Gemini 4 Argon?
2 USD Input / 10 USD Output je 1 Mio. Texttokens bis 30.11.2026. Einführungstarif für die öffentliche API. Nach 30.11.2026: 4 USD Input / 20 USD Output je Mio. Tokens. Cache, Verarbeitung und Werkzeuge separat. Kein belegter Tarif für den beschränkten Fairwind-Zugang. Bei selbst betriebenen Gewichten kommen Hardware- und Betriebskosten hinzu.
Ist das ein Leistungstest oder eine Rangliste?
Nein. Das Profil dokumentiert Herstellerangaben mit Quellenstand 2026-10-19. Die Testidee ist redaktionell formuliert und wurde hier nicht ausgeführt; sie ist keine Qualitätsgarantie.
Wie groß ist das Kontextfenster von Gemini 4 Argon?
Im dokumentierten Quellenstand: 1.048.576 Tokens. 1.048.576 Tokens geteilt für Eingabe und Ausgabe; synchron normalerweise 65.536 Outputtokens, Long Decode bis zum gemeinsamen Limit. Kontext ist keine Wortzahl und kein Nachweis, dass jede enthaltene Information zuverlässig verarbeitet wird.
Wie prüfst du Gemini 4 Argon für deine Aufgabe?
Lege eine kleine Aufgabe mit bekanntem oder nachprüfbarem Ergebnis fest. Notiere Version, Eingabe und Einstellungen. Vergleiche die Ausgabe mit deinem Prüfkriterium und halte Fehler sowie tatsächliche Kosten getrennt fest. Die Testidee auf dieser Seite ist ein Vorschlag und wurde hier nicht als Modelltest ausgeführt.
Testet die Gemini-Übung echte PDF-Erkennung?
Nein. Sie verwendet bezeichnete Textauszüge, um Belege und Widersprüche zu prüfen. Für PDF- oder Scanqualität musst du eine reale, freigegebene Datei separat testen.
Kann Gemini 4 Argon PDF-Dateien verarbeiten?
Die aktuelle öffentliche Modelldokumentation führt PDF als Eingabeart auf. Ob dein Produktzugang und der gewählte API-Weg die benötigte Dateiannahme unterstützen, musst du dort prüfen.
Welcher Liefertermin ist in der Vorlage richtig?
Die Vorlage entscheidet das nicht. Eine korrekte Auswertung zeigt beide Termine und stellt eine Rückfrage, statt selbst einen verbindlichen Termin zu erfinden.
Weitere Google DeepMind-Modelle
Alle anzeigen →Text & Reasoning
Gemini 3.6 Flash
Gemini 3.6 Flash: Text, Bild, Video, Audio, PDF → Text. Für Text- und Analyseaufgaben.
Text & Reasoning
Gemini 3.5 Flash Lite
Gemini 3.5 Flash Lite: Text, Bild, Video, Audio, PDF → Text. Für Text- und Analyseaufgaben.