谷歌周三發布了備受期待的旗艦模型Gemini 4 Argon，從目前表現來看，這次等待似乎是值得的。
在多數基準測試中，Gemini 4 Argon的表現超越了OpenAI和Anthropic的頂級模型，部分測試領先優勢明顯，但在落後的少數項目上，差距最大可達10分。
谷歌表示，公司正在採取分階段的發布策略，並"積極參與美國政府的自願預發布模型訪問流程
，同時逐步擴大使用範圍"。
Gemini 4 Argon在多項測試中大幅領先OpenAI與Anthropic的頂級模型。
此次發布恰逢谷歌CEO桑達爾·皮查伊與川普總統會面後，與其他企業共同簽署"自我監管"承諾的次日。Anthropic、Meta、英偉達、OpenAI和SpaceX也簽署了這項承諾，不過該承諾似乎並沒有配套的強制執行機制。
谷歌表示，公司將先收集早期測試者的反饋，並在Fairwind計劃之外推廣該模型前，持續改進Argon的安全防護機制。等到正式開放的那一天，付費API客戶和AI Ultra訂閱用戶將率先試用這款新模型，隨後才會向開發者、企業用戶和普通消費者開放。
與其同名的惰性氣體氬氣截然不同，Gemini 4 Argon的發布很可能會引發不小的反響。谷歌最早是在5月的I/O開發者大會上宣布了新款Pro模型Gemini 3.5 Pro的計劃——Argon本質上就是其替代產品。原計劃是在6月推出這款新模型，但實際上我們等到的卻是一系列Flash模型。
編程能力表現平平，知識型工作表現優異
在谷歌公布的涵蓋多種任務類型的基準測試中，Argon在與Anthropic的Opus 5.5、Fable 5.1以及OpenAI的GPT-6 Astra的對比中，在18項測試中有13項排名第一（或並列第一）。
不過，儘管谷歌特別提到了Argon的編程能力，實際結果卻是喜憂參半。
谷歌特別強調Argon在DeepSWE v1.1測試中取得了77.9%的新紀錄，但在FrontierSWE v2和Terminal-Bench 4.0這兩項測試中，Argon卻排名墊底，GPT-6 Astra和Opus 5.5分別領先它10.5分和9分。Argon在編程方面的另一項優勢是在Vibe Code Bench測試中取得91.9%的成績，但需要注意的是，四款模型在這項測試中得分均超過89%。
而Argon真正表現出色的領域是知識型工作。
Argon在Zapier的AutomationBench測試中取得51.3%的成績，比Opus 5.5高出近9分；在輸入長度為256K至1M Token的GraphWalks測試中取得84.2%的成績，比GPT-6 Astra高出超過12分。
它在Harvey法律智能體基準測試中取得19.6%的成績，幾乎是Fable 5.1的三倍，不過這也意味著它仍然只能完全完成約五分之一的任務。
在其他領域，Argon的領先優勢相對較窄。雖然它在Vals Index、Vibe Code Bench、Agent's Last Exam、Chartography以及較短版本的GraphWalks測試中均處於領先，但領先幅度普遍不到2分。
在CWE-bench v1測試中——這是文中唯一一項有對手得分可比較的網路安全基準測試——Argon與xAI的Grok 4.7並列第一，均為68%，Opus 5.5則落後一分。但值得注意的是，OpenAI和Anthropic的模型是在各自的智能體運行環境（分別是Codex和Claude Code）中運行的，因此該排行榜實際上是對模型與其配套工具的綜合評測。
一如既往，基準測試並不能說明全部問題，但從結果來看，谷歌似乎著重打造了這款在標準辦公任務中特別實用的模型。
鑑於其在DeepSWE測試中取得的優異成績，開發者們肯定也會想要親自測試這款模型。
百萬輸出Token
在當前多數競爭對手尚未重點突破的一個領域，Argon帶來了一項有趣的新特性：輸出Token上限的大幅提升。目前百萬輸入Token已成為前沿模型的標準配置，但Gemini 4 Argon的輸出Token上限同樣可達100萬，相比此前Gemini模型的6.4萬大幅提升。
谷歌在發布公告中寫道："當模型擁有足夠的空間進行深度思考，並在單次推理軌跡中生成數十萬個Token時，這為解決複雜問題增添了新的推理深度，使其能夠一次性完成任務。"
在網路安全方面，谷歌表示已訓練Argon能夠自主發現、驗證並修復軟體漏洞，並且針對Fairwind計劃參與者和公司內部團隊，谷歌發布的是不帶網路安全防護限制的模型版本。
谷歌今年3月以320億美元收購的Wiz公司已經將Argon應用於其"Scan for Good"（掃描向善）計劃，谷歌表示該模型發現了一個被此前的前沿模型遺漏的醫療軟體關鍵漏洞，而這款軟體被全球多家醫院使用。
Argon在谷歌內部漏洞發現基準測試中得分85.8%，在Wiz的滲透測試基準測試中得分70.9%，不過谷歌僅將這些結果與自家的Gemini 3.8 Flash Cyber模型（分別為71.0%和58.2%）進行了對比。
定價情況如何？
谷歌表示，在初期優惠期內，Argon的價格為每百萬輸入Token 2美元，每百萬輸出Token 10美元，之後將分別上調至4美元和20美元。後期的輸出價格與Anthropic為Opus 5.5設定的每百萬輸出Token 20美元的價格一致，而Argon……
Q&A
Q1：Gemini 4 Argon是什麼？
A：Gemini 4 Argon是谷歌最新發布的旗艦大語言模型，是此前宣布的Gemini 3.5 Pro的替代產品，在多項基準測試中表現超越OpenAI和Anthropic的頂級模型。
Q2：Gemini 4 Argon現在可以使用嗎？
A：目前還不能全面使用。谷歌採取分階段發布策略，先通過Fairwind計劃讓早期測試者試用並收集反饋，之後付費API客戶和AI Ultra訂閱用戶將率先獲得使用權限，隨後才會向開發者、企業和普通消費者開放。
Q3：Gemini 4 Argon的編程能力怎麼樣？
A：表現喜憂參半。它在DeepSWE v1.1測試中創下77.9%的新紀錄，但在FrontierSWE v2和Terminal-Bench 4.0測試中卻排名最後，落後競品最多達10.5分。不過在知識型工作任務上，Argon表現十分出色。
