Gemini 4 Argon发布：谷歌7个月追平Astra，还便宜六成

谷歌CEO桑达尔·皮查伊。图片由AI生成

文丨周小燕

编辑丨徐青阳

距离上一款旗舰模型发布已经过去7个月，谷歌终于拿出了新东西。这一次，它想用更宽的能力覆盖面和更低的价格，把自己重新拉回前沿第一梯队。

美国当地时间9月30日，谷歌DeepMind正式发布Gemini 4 Argon，这是该公司半年多以来首款超越Flash级别的前沿专有模型，主打软件工程、企业知识工作和网络防御三大场景。

Gemini 4 Argon的测试成绩相当亮眼：在谷歌公开的18项基准对比中，该模型在12项中领先、1项并列第一，超过了GPT-6 Astra和Claude Opus 5.5。

独立评估机构Artificial Analysis的智能指数中，Argon得分53，与GPT-6 Astra持平。

第三方测评Arena.ai的Text Arena榜单上，Argon以1525分登顶。

价格同样是Argon的一张王牌。谷歌没有把它定位成高价旗舰模型，而是通过更低的调用成本和缓存优惠降低使用门槛，试图让Argon在性能之外，再建立一层价格优势。

但普通用户暂时还拿不到。Argon首先通过Fairwind计划向可信的网络防御者开放，同时正在参与美国政府的自愿预发布程序。更广泛的开放从付费API客户和Google AI Ultra订阅用户开始，具体时间表未公布。

对于谷歌来说，这次发布的意义远不止一款新模型。过去大半年，Gemini 3.5 Pro几经推迟后夭折，OpenAI和Anthropic快速迭代拉大差距，内部人才流失和领导层调整不断。Argon是谷歌对"已经掉队"叙事的集中回应。

01 跑分第一梯队，但不是全面碾压

从基准测试看，Argon交出了一份不错的答卷，其优势主要集中在企业和长上下文工作流。Harvey法律代理基准中，Argon得分19.6%，是第二名的三倍以上。Zapier的AutomationBench端到端业务执行测试中，Argon以51.3%领先。

金融方面，Vals Finance Agent v2得分65.4%，超过Claude Opus 5.5和GPT-6 Astra。编程方面，DeepSWE v1.1长周期软件工程测试以77.9%位居第一。长视频理解基准LVBench上，Argon得分91.7%。网络安全CWE-bench v1上，则与GPT-6 Astra并列第一。

Artificial Analysis重点强调了Argon的两大亮点：

一是Argon的幻觉率仅15%，是智能指数得分45分以上模型中最低的，远低于GPT-6 Astra的51%。Argon更倾向于承认自己不知道，而不是错误猜测。

二是Argon输出token限制达到100万，是此前6.4万的15倍以上，对智能体编程、审计、迁移等长链条工作尤为关键。

AI测评人@notjazii评论称，谷歌团队在这个模型上卯足了劲。幻觉率最低、登顶Vals指数、Text Arena排名第一、AA上得分53追平Astra、每任务成本更低——几乎在大多数测试中都排第一或第二。

但Argon不是全面碾压，它也有几个明显落后的项目，尤其是FrontierSWE v2和Terminal-Bench Science 0.1，GPT-6 Astra在这两项中都领先10个百分点以上。Claude Opus 5.5在Terminal-bench 4.0上领先约9个百分点。

同时，彭博社披露称，一些谷歌员工对Gemini 4的实际表现持怀疑态度，尤其是在编程领域。基准测试分数不错，但真实工作场景中处理某些编码任务时表现不如人意，前端设计能力尤为薄弱。

内部有人将这种现象归因于"benchmaxxing"——工程师更专注于在基准测试上取得好成绩，而不是打造真正好用的产品。AI初创公司Surge AI创始人埃德温·陈（Edwin Chen）打过一个比方：这就像孩子SAT考了高分，但分数并不一定能转化为现实世界的表现。

02 Argon已在谷歌内部上岗

基准测试之外，更有说服力的是Argon已经进入谷歌内部真实业务流程。

谷歌DeepMind高级副总裁兼首席AI架构师科雷·卡夫克丘奥卢（Koray Kavukcuoglu）表示，已有数千名谷歌员工开始使用Argon，应用场景覆盖代码开发、工程优化、研究分析等多个方向。

其中，Argon最具代表性的能力体现在复杂工程任务上。量子计算团队曾用Argon优化瓶颈子例程的时空资源，一个案例在几分钟内就比已发表的基线提升了40%。

在内存优化方面，一组Argon智能体分析谷歌全舰队性能数据，自主识别并执行优化方案，部署后已释放超过300TiB内存，预计总节省规模达到500TiB至1PiB。

科技分析师@kimmonismus称，最值得关注的是，这些智能体已经开始在谷歌自身基础设施中承担真实任务，包括分析遥测数据、优化内存以及迁移代码库，而不是停留在演示环境中。

代码迁移是Argon落地的另一项重点工作。它正在帮助谷歌将内部C/C++代码迁移至Rust，涉及范围从核心库的数万行代码，到Fuchsia操作系统Zircon内核的80万行以上代码。由于这些系统承担关键功能，所有迁移结果都需要经过自动化检测和人工审计后才能部署。

其中，libgav1视频解码器是一个较为具体的案例。Argon使用3.2万行安全Rust代码替换原有SIMD代码，并通过编译器自动向量化，最终生成的内存安全解码器相比此前Rust移植版本速度提升2.7倍，同时保持视频输出完全一致。

网络安全方面，谷歌专门训练了Argon的防御能力，它可以自主发现、验证并修补关键漏洞。对于可信防御者和内部团队，谷歌将提供不带网络安全护栏的版本，使其发挥全部前沿级防御能力。

云安全公司Wiz已经通过其"善意扫描"计划使用Argon。早期验证中，模型发现了一个全球医院医疗软件中暴露敏感个人信息的关键漏洞，而此前的前沿模型都没有发现。

03 半价抢市场，但普通人买不到

Argon的定价策略，简单说就是"便宜、但你暂时买不到"。

首发促销价输入2美元、输出10美元每百万token，只有GPT-6 Astra标价的五分之一，是Claude Opus 5.5的一半。缓存输入折扣95%，折后仅0.10美元。Artificial Analysis测算，折扣下Argon每智能指数任务成本为1.99美元，相当于GPT-6 Astra的60%。促销结束后标准价与Opus 5.5持平，每任务成本约为Astra的1.2倍。

AI行业观察者@NFT_Chen称，Gemini 4 Argon正好卡在帕累托最优线上。折扣价下每任务成本只有Astra的60%，DeepSWE新SOTA，AutomationBench第一，幻觉率同档最低，输出上限1M tokens。沉寂7个月后，谷歌终于把真正的前沿模型端上桌了。

安全方面，谷歌强调四大防护领域：防止网络和CBRN滥用、抵御提示注入攻击、监控错位行为、加固沙箱环境。

其中Gray Swan间接提示注入测试中，Argon的攻击成功率仅0.7%，低于Claude Opus 5.5的1.0%和GPT-6 Astra的8.5%。谷歌还部署了错位缓解系统，监测Argon的思维链和行动，必要时停止执行，并明确主张在能力提升的关键阶段保持推理透明度。

04 谷歌能重回牌桌吗？

Argon的发布，是谷歌对"已经掉队"的大众印象的一次集中回应。

过去大半年，谷歌在前沿模型领域的存在感下降。Gemini 3系列发布于2025年11月，原定的Gemini 3.5 Pro几经推迟后最终被放弃。彭博情报分析师曼迪普·辛格（Mandeep Singh）估算，训练这样一款模型的成本可能高达4亿美元。同期OpenAI和Anthropic快速迭代，差距越拉越大。

内部动荡也加剧了担忧。2026年8月，戴密斯·哈萨比斯（Demis Hassabis）卸任DeepMind CEO转任Alphabet董事长兼首席科学家，杰夫·迪恩（Jeff Dean）离职创业，卡夫克丘奥卢接任最高职位，这被称为谷歌自2023年OpenAI动荡以来最大的AI领导层洗牌。

传奇工程师杰夫·迪恩、诺贝尔奖得主约翰·江珀（John Jumper）、诺姆·沙齐尔（Noam Shazeer）等明星研究者也相继离开。

Creative Strategies分析师马克斯·温巴赫表示，他此前对Gemini整体评价不高，但从目前的表现来看，谷歌似乎终于拿出了有竞争力的前沿模型，也可能解决了过去的过度推理等问题。

Argon就是在这样的背景下登场的。它至少在纸面上给出了一份有说服力的答卷。但要真正重回前沿竞争，光靠基准测试还不够。

首先是真实可用性。基准高分不等于生产环境好用，前端设计等场景的短板、模型过大带来的推理成本压力、以及"为跑分优化"的倾向，都需要在实际部署中验证。

谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）在社交媒体上表示，将尽快且尽可能安全地使Argon可用，"还有很多内容即将推出，你将看到我们快速迭代。"

沉寂7个月后，谷歌终于拿出了新的前沿模型。它能不能真正扭转局面，让谷歌重新站回AI前沿的中心舞台？答案，或许就在接下来几个月的快速迭代里。

特约编译金鹿对本文亦有贡献