谷歌周三发布了备受期待的旗舰模型Gemini 4 Argon，从目前表现来看，这次等待似乎是值得的。
在多数基准测试中，Gemini 4 Argon的表现超越了OpenAI和Anthropic的顶级模型，部分测试领先优势明显，但在落后的少数项目上，差距最大可达10分。
谷歌表示，公司正在采取分阶段的发布策略，并"积极参与美国政府的自愿预发布模型访问流程，同时逐步扩大使用范围"。
Gemini 4 Argon在多项测试中大幅领先OpenAI与Anthropic的顶级模型。
此次发布恰逢谷歌CEO桑达尔·皮查伊与特朗普总统会面后，与其他企业共同签署"自我监管"承诺的次日。Anthropic、Meta、英伟达、OpenAI和SpaceX也签署了这项承诺，不过该承诺似乎并没有配套的强制执行机制。
谷歌表示，公司将先收集早期测试者的反馈，并在Fairwind计划之外推广该模型前，持续改进Argon的安全防护机制。等到正式开放的那一天，付费API客户和AI Ultra订阅用户将率先试用这款新模型，随后才会向开发者、企业用户和普通消费者开放。
与其同名的惰性气体氩气截然不同，Gemini 4 Argon的发布很可能会引发不小的反响。谷歌最早是在5月的I/O开发者大会上宣布了新款Pro模型Gemini 3.5 Pro的计划——Argon本质上就是其替代产品。原计划是在6月推出这款新模型，但实际上我们等到的却是一系列Flash模型。
编程能力表现平平，知识型工作表现优异
在谷歌公布的涵盖多种任务类型的基准测试中，Argon在与Anthropic的Opus 5.5、Fable 5.1以及OpenAI的GPT-6 Astra的对比中，在18项测试中有13项排名第一（或并列第一）。
不过，尽管谷歌特别提到了Argon的编程能力，实际结果却是喜忧参半。
谷歌特别强调Argon在DeepSWE v1.1测试中取得了77.9%的新纪录，但在FrontierSWE v2和Terminal-Bench 4.0这两项测试中，Argon却排名垂底，GPT-6 Astra和Opus 5.5分别领先它10.5分和9分。Argon在编程方面的另一项优势是在Vibe Code Bench测试中取得91.9%的成绩，但需要注意的是，四款模型在这项测试中得分均超过89%。
而Argon真正表现出色的领域是知识型工作。
Argon在Zapier的AutomationBench测试中取得51.3%的成绩，比Opus 5.5高出近9分；在输入长度为256K至1M Token的GraphWalks测试中取得84.2%的成绩，比GPT-6 Astra高出超过12分。
它在Harvey法律智能体基准测试中取得19.6%的成绩，几乎是Fable 5.1的三倍，不过这也意味着它仍然只能完全完成约五分之一的任务。
在其他领域，Argon的领先优势相对较窄。虽然它在Vals Index、Vibe Code Bench、Agent's Last Exam、Chartography以及较短版本的GraphWalks测试中均处于领先，但领先幅度普遍不到2分。
在CWE-bench v1测试中——这是文中唯一一项有对手得分可比较的网络安全基准测试——Argon与xAI的Grok 4.7并列第一，均为68%，Opus 5.5则落后一分。但值得注意的是，OpenAI和Anthropic的模型是在各自的智能体运行环境（分别是Codex和Claude Code）中运行的，因此该排行榜实际上是对模型与其配套工具的综合评测。
一如既往，基准测试并不能说明全部问题，但从结果来看，谷歌似乎着重打造了这款在标准办公任务中特别实用的模型。
鉴于其在DeepSWE测试中取得的优异成绩，开发者们肯定也会想要亲自测试这款模型。
百万输出Token
在当前多数竞争对手尚未重点突破的一个领域，Argon带来了一项有趣的新特性：输出Token上限的大幅提升。目前百万输入Token已成为前沿模型的标准配置，但Gemini 4 Argon的输出Token上限同样可达100万，相比此前Gemini模型的6.4万大幅提升。
谷歌在发布公告中写道："当模型拥有足够的空间进行深度思考，并在单次推理轨迹中生成数十万个Token时，这为解决复杂问题增添了新的推理深度，使其能够一次性完成任务。"
在网络安全方面，谷歌表示已训练Argon能够自主发现、验证并修复软件漏洞，并且针对Fairwind计划参与者和公司内部团队，谷歌发布的是不带网络安全防护限制的模型版本。
谷歌今年3月以320亿美元收购的Wiz公司已经将Argon应用于其"Scan for Good"（扫描向善）计划，谷歌表示该模型发现了一个被此前的前沿模型遗漏的医疗软件关键漏洞，而这款软件被全球多家医院使用。
Argon在谷歌内部漏洞发现基准测试中得分85.8%，在Wiz的渗透测试基准测试中得分70.9%，不过谷歌仅将这些结果与自家的Gemini 3.8 Flash Cyber模型（分别为71.0%和58.2%）进行了对比。
定价情况如何？
谷歌表示，在初期优惠期内，Argon的价格为每百万输入Token 2美元，每百万输出Token 10美元，之后将分别上调至4美元和20美元。后期的输出价格与Anthropic为Opus 5.5设定的每百万输出Token 20美元的价格一致，而Argon……
Q&A
Q1：Gemini 4 Argon是什么？
A：Gemini 4 Argon是谷歌最新发布的旗舰大语言模型，是此前宣布的Gemini 3.5 Pro的替代产品，在多项基准测试中表现超越OpenAI和Anthropic的顶级模型。
Q2：Gemini 4 Argon现在可以使用吗？
A：目前还不能全面使用。谷歌采取分阶段发布策略，先通过Fairwind计划让早期测试者试用并收集反馈，之后付费API客户和AI Ultra订阅用户将率先获得使用权限，随后才会向开发者、企业和普通消费者开放。
Q3：Gemini 4 Argon的编程能力怎么样？
A：表现喜忧参半。它在DeepSWE v1.1测试中创下77.9%的新纪录，但在FrontierSWE v2和Terminal-Bench 4.0测试中却排名最后，落后竞品最多达10.5分。不过在知识型工作任务上，Argon表现十分出色。
