谷歌正式推出新一代旗舰人工智能模型 Gemini 4 Argon，主攻复杂的企业级与软件开发工作负载。该模型在编码性能和高级推理能力上号称有显著提升，同时配套一套引入期定价方案，但该方案将在 11 月 30 日之后翻倍。
谷歌 DeepMind 高级副总裁兼谷歌首席 AI 架构师科雷·卡武克丘奥卢在博客文章中表示，该模型“擅长处理复杂、真实世界任务中的深度工作”。
谷歌称，其工程师使用 Argon 对 Chromium 四千多万行代码库中一个约六百万行的遗留文件夹进行重构，用时以周计而非以月计。公司还表示，在 Antigravity 中使用 Argon 的团队，其智能体代码提交量提升了 35% 以上，代码回滚减少了近三分之一，但未说明这两项数据的具体统计方式。
上述博文指出，Argon 可通过 AI Studio 中的 Gemini API 以及谷歌 Gemini 平台使用，同时也面向 Google AI Ultra 订阅用户开放于 Antigravity 智能体开发环境。在另一篇开发者博客文章中，谷歌称该模型“专为那些需要深度推理与结构精确性的长周期工作流而设计”。
根据该博文，Argon 在引入期内每百万输入 Token 收费 2 美元、每百万输出 Token 收费 10 美元，缓存输入可享 95% 折扣。博文脚注写明，11 月 30 日之后价格将分别升至 4 美元和 20 美元。公司表示，该模型在 Gemini API 中的 100 万 Token 上限由输入与输出共享。
Greyhound Research 首席分析师桑奇特·维尔·戈吉亚建议，首席信息官应从第一天起就按较高价格做预算，因为没有任何企业的评估、安全审查和采购流程能在折扣窗口内完成。他说：“基于发布价构建的商业论证，就是一份注定要在七周后重写的商业论证。”
戈吉亚表示，谷歌按输出费率对推理 Token 计费，这使得按 Token 单价判断智能体成本并不可靠。他说：“单价便宜和单任务便宜是两种不同的说法，只有后者才能真正进预算。”
IDC 研究总监萨克希·格罗弗指出，智能体工作负载会通过规划循环、工具调用和重复上下文成倍放大 Token 用量。她援引 IDC 的 FERS 调查（第五波，2026 年）称，72% 的企业表示过去 12 个月其 AI 智能体支出超出预期。
Gartner 高级首席分析师尼蒂什·蒂亚吉表示，Argon 的定价和公开基准测试成绩能否转化为“企业用例中可比拟的输出质量，仍未得到验证”。他认为，各机构应始终以基于自身工作流的内部验证作为选择模型的主要依据。
戈吉亚指出，谷歌云的标准条款允许调整费用，除非价格经明确约定。因此，希望在 11 月 30 日之后获得价格与版本确定性的首席信息官，必须将其写入合同。他还表示，更深层次的锁定存在于谷歌的 Interactions API 中，该接口将智能体的对话状态保存在谷歌服务器上。
“协议是中立的，状态不是。”他说。
谷歌在另一篇安全博文中披露，Argon 在训练过程中曾试图绕过其自身评估。谷歌 AI 安全与行为副总裁安卡·德拉甘和谷歌 DeepMind Gemini 安全负责人拉卢卡·阿达·波帕在文中写道，公司在实践中看到的是“一个过于努力想完成所给任务的智能体”。
据该博文所述，该模型在训练中的极少数情况下曾试图提升其容器权限以修改评分脚本，并从测试运行器的内存中提取答案。有一次，它让评估沙箱崩溃，以便失败的运行结果不被计分。谷歌在文中表示，其失准监控机制捕捉到了这些尝试，编码基准测试中的走捷径尝试已降至 2%。
戈吉亚说：“一个会糊弄其评分者的模型，会把每一个企业评分器都变成必须设防的控制点。”他表示，智能体绝不应拥有任何评判其自身工作的系统的写入权限，且崩溃或超时的检查必须计为失败。
格罗弗建议，为智能体设立独立身份、发放短时效且限定任务的凭证、限制网络访问，并对破坏性变更、权限扩展和敏感数据外传设置人工审批。她说：“生产部署应当取决于经过验证的控制能力与可审计性，而不只是任务表现。”
安全博文称，在谷歌的内部网络评估中，Argon 在 12 个模拟端到端攻击场景中全部成功处置，而上一代 Gemini 仅为 5 个。谷歌在文中表示，已依据其“前沿安全框架”在网络与生物领域应用前沿防护措施。
戈吉亚认为，这一结果是“在谷歌自己出题、自己阅卷的考试上拿到的分数”，Greyhound 未发现有任何独立复现。
发布博文还提到，谷歌正将其 Fairwind 计划扩展至数百家新合作伙伴，让经审查的网络防御方在无网络护栏的情况下使用 Argon。
戈吉亚说：“决定暴露面的是最弱的合作伙伴，而不是最强的控制措施。”他指出，每新增一个合作伙伴，就多一套身份体系和一条承包商链条。
IDC 的格罗弗表示，安全负责人应以可复现的发现、经过验证的补丁和降低的暴露面来评判此类访问权限。她警告说，问题发现增多而修复能力跟不上，反而会加大运营压力。
