Gemini 4能追回多少？

出品｜虎嗅科技组

作者｜黄天媛

编辑｜苗正卿

头图｜AI生成

当OpenAI、Anthropic等公司已经把竞争重心推向Agent，Google的新一代旗舰模型才姗姗来迟。

当地时间9月30日，Google正式发布Gemini 4系列首款旗舰模型Gemini 4 Argon。

按照Google的说法，这是一款面向真实软件工程、企业知识工作和网络安全防御的前沿模型，也是目前Gemini家族能力最强的一款模型。

这距离上一款Gemini旗舰模型已经过去了相当长一段时间。

7月彭博报道称，3.5 Pro已经比原定计划晚了数月，Google当时仍在集中补强它最大的一块短板——Coding。

今天，Google直接跳过3.5 Pro，发布了Gemini 4 Argon。

Argon在主流Benchmark上表现亮眼。但彭博报道显示，一旦进入真实工作状态，其性能会有所下降。有Google 员工认为，Anthropic和OpenAI的旗舰模型迭代速度已经快于Gemini。

一场迟到，且有争议的交卷。

长任务能力与低价策略

这一次，Argon的核心升级，在于输出窗口升级成为100万Token，是目前已公开商业模型里最大的输出窗口。作为对比，GPT-6 Astra的最大输出只有12.8万Token，Gemini上一代还仅为6.4万Token。

按照英文文本粗略折算，相当于一次生成数十万单词。这意味着，模型的复杂任务能力被显著提升，可以一次性处理过去很容易被上下文和输出长度截断的复杂任务。

在定价上，也是保持了Google一贯的性价比策略。Argon首发推广价为每百万Token输入2美元、输出10美元——输入价格与Gemini 3.1 Pro持平，输出反而从12美元降至10美元。

谷歌官方表示，Argon还在Coding和深度研究方面有非常显著的进步。

在谷歌内部，已经有数千名员工使用模型完成任务：

• 算法优化：在量子计算团队，一个Argon参与的算法优化项目只用了几分钟，就把公开基线提高了40%

• 代码迁移：在Google开源的视频解码器libgav1中，Argon Agent还基于编译器输出进行了多轮性能实验，替换了3.2万行SIMD代码。按照Google公布的结果，最终得到的Rust版本运行速度达到原Rust移植版的2.7倍，同时保持相同的视频输出结果。

再来经典跑分环节。

先看它最想证明自己的编程能力。Argon在衡量真实、长周期软件工程能力的DeepSWE v1.1上，拿下了77.9%的新高。谷歌公布的对照成绩里，Claude Opus 5.5是74.2%，GPT-6 Astra是74.1%。Argon高了约4个百分点。

而企业任务中，AutomationBench显示，Argon拿到51.3%，Opus 5.5和Astra分别是42.5%、41.4%，差距扩大到了接近10个百分点。

金融研究也有类似表现。Vals Finance Agent v2中，Argon拿到65.4%，超过Opus 5.5的58.6%和Astra的53.5%。

法律任务的数字更抢眼。Harvey的法律Agent测试里，Argon得分19.6%，谷歌列出的三个对手都没超过7%。

多模态方面，Google 表示，模型可以分析专业图表、从长视频里识别细节，并根据一系列文档采取行动。在长视频理解Benchmark LVBench中，它得到91.7%，Google称其达到当前最佳水平。

而在目前广泛关注的网络安全方面。Argon在防御型网络安全任务上的能力，并用它驱动网络安全Agent，不仅可以寻找漏洞，还能自主验证漏洞，并进一步生成补丁。

在与安全公司Wiz合作的“Scan for Good”项目，Argon已经在一套被全球医院使用的医疗软件中发现一个高危漏洞，该漏洞可能导致敏感个人信息泄露，而此前测试的其他前沿模型均没有发现这一问题。

在专门测试漏洞修复能力的CWE-bench v1上，Argon得到68%，并列第一。在Wiz自己的黑盒渗透测试中，它还可以在看不到源代码的情况下分析真实Web系统，发现攻击面、寻找漏洞，并生成PoC来验证漏洞是否真的存在。

但目前Argon 不走全面开放路线，而是通过“Fairwind 计划”先向一小批可信的网络安全防御者推出，同时正参与美国政府的自愿性发布前模型准入流程。后续才会逐步向开发者、企业和消费者开放。

不过，Argon这份漂亮成绩单也不是没有争议。

最直接的质疑来自Google内部。彭博援引直接接触Gemini 4项目的人士称，Argon虽然在主流Benchmark上表现亮眼，但员工真正把它放进工作流后，表现会明显下降，尤其在部分Coding和界面设计任务上仍会“卡壳”。

但Google方面否认了“真实Coding能力明显落后”的说法，称公司内部普遍认为Gemini 4已经处于前沿水平。

独立评测网站提醒，Argon主要在长上下文、企业知识工作和部分软件工程任务上尤其突出，并不是一个可以横扫所有Coding场景的“绝对第一”。

Google的现状

Gemini 4的出现，结束了Google过去近一年略显混乱的旗舰模型节奏。

今年以来，Google并不是没有发模型。相反，Flash产品线的迭代非常快，3.6、3.7、3.8在几个月内接连上线。

但今年6月本该出现的Gemini 3.5 Pro迟迟没有交付。到7月，Google仍然只能告诉外界，模型还在合作伙伴中有限测试。最终，这款模型被整个取消，Google直接跳到了Gemini 4。

这段空窗期让外界产生了非常多质疑，Google是不是又掉队了？

路透社称，Gemini 3.5 Pro的延期与Google DeepMind内部调整、人员变动等因素有关。Google DeepMind 的联合创始人兼CEO Demis Hassabis淡出主要管理职责，包括Jeff Dean在内的多名Gemini核心负责人离职，OpenAI和Anthropic同期还从Google挖走了明星研究人员。

今年7月，Google CEO桑达尔·皮查伊也在财报电话会上，罕见地花了不少篇幅为Google的AI战略辩护。

他反驳Google正在AI竞争中失去位置，而是强调外界“不应该只看一款Pro模型”，Google的Flash系列仍在快速迭代，Gemini 4将带来更大跃升。同时真正衡量Google AI竞争力，还要把Cloud、自研TPU和整个产品生态一起算进去。

确实，如果把视线从模型排行榜拉回到Google这家公司，“掉队”又很难成立。

Alphabet最新公布的2026年第二季度营收达到1198亿美元，同比增长24%。

其中Google Cloud收入同比暴涨82%至248亿美元，营业利润从去年同期的28亿美元升至88亿美元。Google称，Gemini模型目前每分钟处理约220亿个API Token，Gemini App月活用户已经达到9.5亿，接近九成财富100强企业正在使用Gemini Enterprise。

连一度被认为最容易被ChatGPT颠覆的搜索业务，也还没有出现衰退。

二季度Google Search及其他业务收入同比增长17%至632.7亿美元。Alphabet表示，AI功能正在推动搜索查询量增长。

这也是Google和大部分AI创业公司最大的不同。Google手里则已经有Search、Cloud、YouTube、Android、Chrome，以及自己的TPU基础设施。

少有一家企业有它那么巨大的分发和资源优势。但船大难掉头，拥有的东西越多，需要协调的人、资源也越多。

在各家都已经步入Agent大战的时候，Google的船头在哪呢？

本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。