谷歌发布 Gemini 4 Argon：旗舰模型来了，争议也来了

封面 Gemini 4 Argon官方发布主视觉｜来源：Google

谷歌母公司 Alphabet 于 2026 年 10 月 13 日正式向开发者与企业用户发布 Gemini 4 Argon，这是该公司迄今规格最高的 AI 模型。

此次发布距离谷歌上一款旗舰模型已过去相当长一段时间，期间竞争对手 OpenAI 与 Anthropic 持续推出新品，市场压力之下，谷歌选择以一款定位全面的旗舰产品正面回应。

Argon 可通过 Gemini API、Google AI Studio、Google Antigravity 及 Gemini for Business 访问。

在消费端，Google AI Pro 与 AI Ultra 订阅用户已可在 Gemini 应用中直接使用该模型，但编码专项功能仅向 AI Ultra 用户开放。

从时间线来看，谷歌于 2026 年 7 月 21 日启动了该模型最核心的预训练阶段，9 月 23 日，谷歌 DeepMind 高级副总裁 Koray Kavukcuoglu 在公开峰会上确认模型进入后训练阶段，9 月 30 日率先向一批网络安全合作伙伴定向发布，10 月 13 日才全面对外开放。

谷歌将 Argon 定位为一款针对编码、法律起草、金融研究、科学推理与网络安全防御等高强度专业任务而构建的模型，强调其能够在多步骤复杂工作流中自主推进，包括自主发现、验证并修补关键软件漏洞。

在谷歌内部，使用 Argon 辅助开发的工程师团队代码提交量增加了 35% 以上，代码回滚减少了近三分之一。谷歌还列举了若干具体案例：Argon 识别出 YouTube 评论系统中的冗余渲染逻辑，优化后服务器负载降低 45%；在 Project Wing 无人机物理模拟器中，该模型发现了一个自 2018 年起就存在、此前一直未被察觉的关键漏洞。

科学研究领域同样有值得注意的测试结果。在基于真实临床与实验室数据的 Gamow Labs 评测中，Argon 在罕见病诊断基准 RareBench 上得分 57%，在湿实验室推理基准 LabBench 上得分 52.2%，两项均位列受测模型第一。

研究人员还借助该模型将量子化学软件包优化至快 2.3 倍，并将 Gemma 模型推理速度在 A100 GPU 上提升 2.85 倍。

在计算机视觉领域，Ultralytics 对 36 个真实世界检测数据集的测试显示，Argon 以 0.565 mAP50 的成绩位列第一，领先 GPT-6 Astra 的 0.470 与 Claude Opus 5.5 的 0.476。值得注意的是，在该测试中，更贵的模型并没有带来更高的得分。

第三方评测机构的排名印证了 Argon 的综合实力，但也揭示了其短板。

Vals AI 在 41 个模型中将 Argon 列为综合排名第一，Vals Index 得分 68.9%；BenchLM 综合评分为 81.2 分，在 221 个模型中排名第六。

在谷歌自己发布的 19 项基准对比中，Argon 有 13 项领先于 GPT-6 Astra 和 Claude Opus 5.5，但在 FrontierSWE v2 上以 55.0% 落后于 Astra 的 65.5%，在 Terminal-Bench 4.0 上以 57.4% 落后于 Opus 5.5 的 66.4%。

这意味着在面向大型代码仓库和终端的深度编码任务上，Argon 并非最优选择。

图1 编码任务基准对比｜来源：Google DeepMind；轻重智库整理

在法律领域，差距则相当悬殊。Harvey's Legal 基准上，Argon 得分 19.6%，而 GPT-6 Astra 仅为 5.4%，Claude Opus 5.5 为 3.8%，三者之间的差距之大，使法律文件处理成为 Argon 最具说服力的优势场景之一。

图2 法律代理评测对比｜来源：Google DeepMind；轻重智库整理

价格是此次发布最受关注的议题之一。截至 2026 年 11 月 30 日，Argon 的促销定价为输入 2 美元、输出 10 美元（每百万 token）。

相比之下，GPT-6 Astra 的定价为输入 10 美元、输出 50 美元，Claude Fable 5.1 同为 10 美元与 50 美元。

然而，2026 年 12 月 1 日起，Argon 的标准定价将上调至输入 4 美元、输出 20 美元，与 Claude Opus 5.5 持平，仍不足 GPT-6 Astra 的一半。

Artificial Analysis 的独立性价比评测显示，Argon 在智能指数上与 GPT-6 Astra 大致持平，但每项任务的成本仅为后者的约 60%，每任务均价约 1.99 美元，而 Claude Opus 5.5 为 5.98 美元。

图3 Argon API促销价与标准价｜来源：Google；轻重智库整理

然而，就在发布当日，Bloomberg 的报道打破了发布现场的顺畅叙事。

据该媒体消息，谷歌内部就 Argon 在编码等核心领域的实际表现存在分歧，部分直接参与测试的人员认为该模型在实际使用中表现欠佳，难以应对某些编码任务。

批评者将这一现象称为"基准刷分"，即模型专门针对测试进行训练，但在真实任务中表现无法匹配测试成绩。

谷歌对此予以反驳，告知 Bloomberg 有关 Gemini 4 编码能力不足的说法"不准确"，并表示内部大多数员工认为该模型处于前沿水平。

Gemini 产品负责人 Tulsee Doshi 对 Axios 表示，"Argon 是一款综合全面的模型，在多个领域具备前沿能力"。

在已知限制方面，谷歌 DeepMind 官方模型说明卡注明，Argon 的知识截止日期为 2026 年 3 月，可能出现幻觉等通用大模型局限，不支持图像生成与实时语音交互，上下文窗口总量为 104.8 万 token，由输入、思考与输出共同共享。

此外，该模型不支持显式上下文缓存，体量过大，不适合在生产摄像头上进行逐帧实时分析。

Argon 的发布还叠加了公司层面的动荡背景。Google DeepMind 联合创始人兼 CEO Demis Hassabis 退居幕后，多名与 Gemini 项目相关的高层领导者相继离开。

路透社此前还报道，谷歌在经历延误后放弃了发布 Gemini 3.5 Pro 的计划，尽管 CEO Sundar Pichai 最初曾承诺六月推出。

Axios 的分析指出，谷歌在竞争压力下，一直以来更多依赖 Flash 系列等更小、更廉价的模型维持产品线，此次 Argon 的发布是其重新在旗舰赛道上与 OpenAI 和 Anthropic 正面竞争的信号。

但观察人士也注意到，从基准成绩到生产落地之间，始终存在一段需要时间验证的距离。

[1] Google DeepMind，"Gemini 4 Argon: Our most capable model yet"，Google 官方博客，2026 年 10 月 13 日。

[2] Tulsee Doshi（Google DeepMind），接受 Axios 采访，2026 年 10 月 13 日。

[3] Bloomberg Technology，"Google Internally Split Over Gemini 4 Argon's Coding Performance"，2026 年 10 月 13 日。

[4] Reuters，"Google Scrapped Plans to Release Gemini 3.5 Pro After Delays"，2026 年。

[5] Google DeepMind，Gemini 4 Argon Model Card，2026 年 10 月 13 日。

[6] Vals AI，Vals Index Leaderboard，2026 年 10 月。

[7] BenchLM，Model Benchmark Rankings，2026 年 10 月。

[8] Artificial Analysis，Intelligence Index & Cost Analysis，2026 年 10 月。

[9] Ultralytics，"Gemini 4 Argon Vision Benchmark on 36 Real-World Datasets"，2026 年 10 月。

[10] SandBase，"Gemini 4 Argon API Call Test Report"，2026 年 10 月 14 日。

[11] Gamow Labs，RareBench & LabBench Model Evaluation，2026 年 10 月。

[12] The Rundown AI，"Gemini 4 Argon Pricing and Context Window Details"，2026 年 10 月 13 日。

[13] Roboflow，"How to Use Gemini 4 Argon in Computer Vision Workflows"，2026 年 10 月。

[14] Axios，"Google's Gemini 4 Argon Arrives as Rivals Race Ahead"，2026 年 10 月 13 日。

策划丨林原

文稿丨艾冉

排版丨张纾

责审丨蒲衡

更多研究与多篇完整报告，可在 「轻重智库（https://thinktank.ltd/register）」查看。