Gemini 4 Argon 是什么
Gemini 4 Argon 是谷歌 DeepMind 于 2026 年 9 月 30 日(美国时间)发布的前沿模型,也是 Gemini 4 系列第一个正式公布的成员。它同时是谷歌第一次用元素名取代 Pro、Flash、Ultra 这套沿用多代的命名方式。官方给它的定位是支撑跨多步的AI 智能体任务,明确点名三块场景:真实软件工程、企业知识工作(法律与金融)、网络安全防御。最直观的规格变化是输出上限从上一代的 6.4 万词元提到 100 万。发布方式却是分阶段受限开放,首批只给 Fairwind 计划内的可信网络防御者,之后才是付费 API 客户和 Google AI Ultra 订阅用户。截至发稿没有公开的 API 模型 ID,也没有全面开放日期。
Gemini 4 Argon 的主要功能
- 长周期软件工程:面向需要多步推理和全程保持规划一致性的编码任务,官方基准 DeepSWE v1.1 上拿到 77.9%。
- 企业知识工作:针对法律与金融这类需要读大量材料和做交叉引用的场景。Harvey 法律 Agent 基准上 19.6%,Vals Finance Agent v2 上 65.4%。
- 网络安全防御:能自主发现、验证并修复软件漏洞,漏洞修复基准 CWE-bench v1 上 68%,与最好成绩并列第一。
- 100 万词元输出上限:上一代是 6.4 万,这次翻了约 15 倍,对一次生成完整代码库改动或长报告的场景是硬性解锁。
- 多模态输入:支持文本、图像、视频、语音输入,输出为文本。
- 内部工程任务已经跑通:把 Fuchsia 系统 Zircon 内核等超过 80 万行 C/C++ 代码迁移到 Rust;在开源视频解码器 libgav1 上替换了 3.2 万行 SIMD 代码,得到的解码器内存安全且比原 Rust 移植版快 2.7 倍;一组智能体分析全公司数据中心的性能数据并自主应用内存优化,释放了超过 300TiB 内存,预计节省总量在 500TiB 至 1PiB 之间。
Gemini 4 Argon 的技术原理
- 100 万输出靠的是断点续写:单次请求超时是长输出的物理瓶颈,配套的 Long Decode Continuation 会把长回答暂停,在后续调用里继续生成,让推理链跑满 100 万词元而不会被超时截断。这是独立评测机构 Artificial Analysis 在发布日实测到的机制。
- 架构细节没有公开:这次没有模型卡、没有技术报告、没有参数规模,只给了基准表和价格,与谷歌前几代旗舰的做法不同。可考的时间线是 2026 年 7 月启动预训练,9 月 23 日进入早期后训练。
- 安全机制是发布内容的一部分:包括监控模型内部激活以识别网络与生化核类滥用风险、加固对提示注入的抵抗力、隔离高风险训练与评测环境,以及对思维链和动作做失配监控并在越界时终止执行。
如何使用 Gemini 4 Argon
当前状态:绝大多数人还调用不到
- 没有公开的 API 模型 ID,Gemini API 的模型目录和定价页上都还没有 Argon 条目。
- 首批开放对象是 Fairwind 计划内的可信网络防御者。该计划是谷歌 9 月初启动的受限网络 AI 项目。
- 下一批是付费 API 客户与 Google AI Ultra 订阅用户,官方只说「尽快」,没有给出日期。
- 谷歌同时表示正在参与美国政府的模型发布前自愿评估流程。
开放后怎么接
- 走 Gemini API 调用,长输出场景需要配合 Long Decode Continuation,否则仍会遇到请求超时。
- 标准价是每百万输入词元 4 美元、输出 20 美元。当前限时五折,即输入 2 美元、输出 10 美元。
- 缓存输入在输入价基础上再降 95%,按限时价折算约每百万 0.1 美元。
- 限时折扣至少持续一个月,结束时间官方未公布,折扣结束后单价翻倍。
现在想用相近能力
- 谷歌自家目前可调用的最新模型是 Gemini 3.8 Flash,主打速度和低成本,不是同一档位。
- 需要前沿能力的话,现阶段可选项是 Claude Opus 5.5 与 GPT-6.1 Sol,两者价格都是每百万 2 美元输入、10 美元输出。
Gemini 4 Argon 的核心优势
- 输出上限行业最高:100 万词元远超同档竞品,对全仓库改动、超长报告、多步智能体产出这类任务,天花板本身就是能力。
- 独立评测确认谷歌重回第一梯队:Artificial Analysis 的 Intelligence Index 上 Argon 拿到 52.56。作为对照,发布前谷歌最好的成绩是 Gemini 3.8 Flash 的 41 分,Gemini 3.1 Pro 只有 30 分,中间差了 17 分。
- 法律与金融场景领先幅度很大:Harvey 法律 Agent 基准 19.6%,约为 Claude Fable 5.1 的三倍;Vals Finance Agent v2 上 65.4%,领先 Astra 约 12 个百分点。这类评测贴近真实专业工作,比通用问答更有参考价值。
- 网络安全是唯一有第三方交叉验证的强项:除了自报的 CWE-bench v1 68%,Gray Swan 的间接提示注入测试里 Argon 攻击成功率为 0.7%,Opus 5.5 与 Fable 5.1 都是 1.0%,谷歌称这是它抗注入最强的一代。
- 限时价格确实便宜:五折后的 2 美元输入价约为 Astra 列表价的五分之一,缓存输入再打折到 0.1 美元,适合先跑量验证。
Gemini 4 Argon 的同类竞品对比
| 对比维度 | Gemini 4 Argon | Claude Opus 5.5 |
|---|---|---|
| 发布方与时间 | 谷歌 DeepMind,2026-09-30 | Anthropic,2026 年中 |
| 核心定位 | 长周期工作流前沿模型 | 通用旗舰,长于终端与智能体编码 |
| 超长输出 | 100 万词元(上一代 6.4 万) | 无公开可比规格 |
| DeepSWE v1.1(长周期软件工程) | 77.9% | 74.2% |
| Terminal-bench 4.0(终端编码) | 57.4% | 66.4% |
| FrontierSWE v2(多小时技术任务) | 55.0% | 62.3% |
| Harvey 法律 Agent 基准 | 19.6% | 3.8% |
| CWE-bench v1(漏洞修复) | 68%,并列第一 | 67% |
| AA Intelligence Index(独立评测) | 52.56 | 53.58 |
| 间接提示注入攻击成功率 | 0.7% | 1.0% |
| 价格(每百万输入 / 输出) | 限时 2 / 10 美元,标准 4 / 20 美元 | 4 / 20 美元 |
| 当前可获得性 | 仅 Fairwind 计划内可信防御者 | 已开放,API 可调用 |
关于这张表有四点必须说明。第一,除 AA Intelligence Index 与注入测试外,其余分数出自谷歌自己发布的 18 项基准对比表,是谷歌选的评测、谷歌跑的设置。谷歌称 18 项里领先或并列 13 项,同时它也承认落后 GPT-6 Astra 三项、落后 Opus 5.5 两项。
第二,这张表里唯一能被读者独立核对的一项,恰恰是 Argon 落后的那一项。FrontierSWE v2 的结果谷歌不是自己跑的,而是直接引用 Proximal 的公开榜单,而那个榜单上 Argon 是 55.0%,落在 Astra 的 65.5% 与 Opus 5.5 的 62.3% 之后。换句话说,整张对比图中最可信的那个数字,是它的失分项。
第三,独立评测给出了更冷静的图景。Artificial Analysis 自己搭环境跑出的 Intelligence Index 上,Argon 的 52.56 基本与 GPT-6 Astra 的 52.7 打平,低于 Opus 5.5 的 53.58。更值得注意的是,发布当天彭博社报道称部分谷歌员工认为 Argon 在实际编码任务中的表现不如基准成绩,谷歌回应称该说法不准确。海外开发者社区把这个现象称为 benchmaxxing。
第四,泄露版的数字明显高于实际发布。9 月中旬竞技场里那个匿名模型被外界认定是 Gemini 4 时,流传的编码分是 88%、上下文是 1000 万词元;实际公布的数字是 77.9%,而 1000 万上下文在官方公告里根本没有出现。官方这次只把输出上限作为要点公布,输入上下文窗口没有单独说明,第三方追踪站记录的上下文窗口是 100 万。
Gemini 4 Argon 的应用场景
- 大型代码库迁移与重构:80 万行内核代码从 C/C++ 迁移到 Rust 这类工程已经跑通,适合存量技术债清理和跨语言重写。
- 长时间自主智能体任务:100 万输出配合断点续写,让一次执行的记忆链和产出能力都不再被长度卡住,对应官方点名的长周期工作流。
- 漏洞发现与修复闭环:自主发现、验证、修复三步都有对应评测支撑,是有第三方数据交叉的部分。
- 法律与金融材料处理:判例检索、合同比对、研报交叉引用的场景,官方在这个方向上的领先幅度是全部基准里最大的。
- 长视频与文档分析:多模态输入加长上下文,适合课程、会议录像和大型文档库的整体处理。
- 发布前的选型准备:Argon 现在调不到,但可以先把自有的评测任务集在 Claude Opus 5.5 或 GPT-6.1 Sol 上跑一遍,等它开放时直接做同题对照,不必从零搭评测。
同期的模型评测有 Claude Sonnet 5.5 与 Ling-3.1-flash 两篇可以对照着看,想挑更多开发侧工具可以逛 AI 编程工具 分类。




