停更長達七個半月的 Gemini 旗艦模型，終於更新了。
就在剛剛，多個 Google 相關帳號同步宣布：Gemini 4 Argon
正式發布。
並且，這可能是最近唯一一個寫作、知識和長文本能力明顯強於編程與 Agent 能力的前沿模型。
士別三日，Gemini 4 連命名方式都改變了，一眼看上去甚至像是 OpenAI 家的某個模型。官方並沒有解釋這個名字的由來，我們只知道這是把測試期間的內部代號沿用到了正式版。
而從字面來看，它代表第 18 號元素氬，一種惰性氣體，倒是和 Chrome（鉻）形成了某種有趣的對仗。
先不用急著去 Gemini App 試用——延續最近流行的「安全」敘事，Gemini 4 Argon 目前只通過 Fairwind 計劃對少量網路安全合作夥伴開放，官方也並未列出全面公開的時間點，只說明「屆時首先向付費 API 用戶和 Google AI Ultra 訂閱者開放」，普通訂閱用戶還要等上一段時間。
此前在測試場裡流出過據稱是 Gemini 4 的模型版本，但鑑於官方從未認領、沒人知道它是不是真的 Gemini 4，也不知道裡面有沒有摻了 Fable 和 Astra，那些所謂的比對測試結果實際上不太可信，我們暫時只能列舉一下官方釋出的數據（也讓這篇文章的工作量少了很多）。
至少，從官方跑分來看，Gemini 4 Argon 是極其強悍的：
你沒看錯，列舉出來的 18 項測試中，Gemini 4 在其中 13 項都取得了領先成績。
最大的領先出現在知識工作方面。在涉及真實金融分析和真實律師工作的 Vals Finance Agent v2 與 Harvey’s Legal Agent Benchmark 兩個測試上，甚至可以不誇張地說 Gemini 4 領先其他任何模型兩檔。這一點倒是不奇怪——即使在最拉的時候，也從未有人懷疑過 Gemini 的世界知識能力。
另一個 Gemini 傳統優勢領域是長上下文。在測試能不能用好 256k—1M 超長上下文的 GraphWalks 測試中，Gemini 4 同樣領先其他旗艦模型超過 10%。
一個新特性可以解釋這種領先幅度。
Gemini 4 Argon 將輸出上限從上一代的 6.4 萬 token 拉升到了 100 萬 token，也就是說只要你錢包扛得住且 Gemini 足夠有傾訴欲，它可以一口氣輸出約 70 萬到 100 萬個漢字，對思維鏈構建而言算得上是個史詩級升級。官方解釋是：
當模型擁有足夠的空間進行深入思考，並在單次推理軌跡中生成數十萬個詞元時，它將為推理帶來全新的深度，從而一次性解決棘手問題。
相比之下，Gemini 4 編程表現就有些起伏不定。在最常用的真實世界長周期軟體構建測試 DeepSWE v1.1 上，Gemini 4 成績達到 77.9%，領先 GPT-6 Astra 和 Claude Opus 5.5 接近 4 個百分點。
但在需要從零構建項目解決問題的 FrontierSWE v2 和操作 Linux 終端處理複雜任務 Terminal-Bench 4.0 上，Gemini 4 都處於墊底水平。
我們大概可以這樣總結 Gemini 4 的特性：知識/寫作>編程>終端。
第三方測試也可以佐證這種判斷——
在通過盲評投票來決定成績的 Arena.ai 評分里，Gemini 4 因為處理高難度提示詞、指令遵循、創意寫作等項目都取得高分，在 Text Arena 中排名第一；但回到更注重工程能力的 Code Arena: WebDev 和 Agent Arena 中，Gemini 4 就只能排到第 8。
某種意義上，一個編程能力落後的 Gemini 稱得上是時代之幸。過度優化 Agent 編程能力，似乎讓很多前沿模型開始變得「不說人話」，包括 GPT-5.3 時期延續至今的瘋狂分行和 Opus 4.7 開始的神秘黑話問題。這種時候，一個因為編程能力一般而保留有文字審美的 Gemini 模型，可以解決很多寫作上的難題。
另一個值得關注的變化是幻覺率大幅下降。
在 Artificial Analysis 的測試中，Gemini 4 的幻覺率只有 15%，在所有前沿模型中是最低的。這代表它在面對不確定的回答時，會更傾向於說「不知道」，而不是編造答案。
但對普通用戶來說，最重要的問題當然是定價，而 Google 在這方面一向非常大氣。
Gemini 4 Argon 的官方 API 定價是每百萬 token 輸入 2 美元，輸出 10 美元，命中緩存的價格是 5% 亦即 0.1 美元。官方公告表示首發優惠期結束之後價格會翻倍，但根據經驗，大概率在下一代模型出來之前優惠期都不會結束。
以優惠期價格來算，Gemini 4 的價格是 GPT-6 Astra 和 Fable 5.1 的五分之一，大致上持平 GPT-6.1 Sol 和 Sonnet 5.5。換句話說，只要能力沒有虛假宣傳，Gemini 4 就是當前「智價比」最高的模型，用中端模型的價格就能用上旗艦的智能。
Gemini 4 Argon 的發布也終結了一個尷尬的記錄：在過去近半年的時間裡，Google AI Pro 套餐的權益描述是「可以用 3 Pro 模型」……考慮到 3.5 Flash 時代之後連 Flash 模型都能暴打 Pro，這個會員套餐更顯得相當幽默，很大程度上人們買會員只是為了那個 5T 的 Google Drive。
至少現在，Google 終於可以光明正大地宣傳自己的會員了。
寫到這裡，我也想說幾句題外話。
每個人心裡都有自己的白月光，而我在 AI 領域的白月光就是 Gemini 2.5 Pro。去年年初，2.5 Pro 文字能力的確是驚為天人，也正是在那之後，我才正式把 AI 加入了自己的工作流程之中。後來看見 Gemini 3 發布，我更是第一時間轉發到朋友圈。
從這個意義上說，沒有人比我更希望 Gemini 4 能支棱起來。
但我們還是要尊重客觀規律。像很多人評論的，大模型歸根結底是一種製造業，像手機和晶片一樣的製造業。我們不能期待一個長久沒有更新的模型，突然就力壓群雄，這跟一個長期停留在 10nm 的晶片廠突然拿出了 2nm 晶片一樣不現實。
Gemini 3.8 Flash 跑分和實測效果的巨大落差，也表明這段時間 Google 為了掩飾尷尬，有可能做了一些跑分刷榜的「特殊優化」。同理，Gemini 4 在大多數基準測試中達到 SOTA 水平也是相當可疑的——
幾乎就在 Gemini 4 公布的同時，彭博社也發出報道稱，Google 內部員工對 Gemini 4 的實際性能持懷疑態度。他們援引的「知情人士」表示，Gemini 4 在真實任務中的效果不盡如人意，「難以處理某些編碼任務」。
雖然 Google 方面迅速反駁，也有一些員工表示 Gemini 4 很不錯，但我們大概可以相信，最終來到我們面前的 Gemini 4 不會像跑分里那麼強，更何況等待 Gemini 4 實裝這段時間，又足夠 ChatGPT 和 Claude 模型疊代一個版本了。
不管怎麼說，往好的方面想，Gemini 4 Argon 的發布畢竟代表 Google 終於回到了賽場上。
它的上限未必很高，下限還是可以保證。之後要做的事，就是用大模型製造業的方法，一步一步地趕上來。
