Gemini 4 Argon 发布：主打编码、企业工作流与网络防御

Latent Space3 天前

Google DeepMind 推出了新的前沿模型 Gemini 4 Argon。这是其在 Gemini 3.x Flash 系列迭代之后，面向更高端模型竞争的一次重要更新。该模型被定位为面向复杂工作流，重点覆盖编码、企业知识工作和网络安全防御。

不过，普通开发者和消费者暂时还不能直接使用。当前访问范围仅限于 Fairwind Program 中的政府用户和受信任的网络防御人员。Google 表示会先完善安全护栏，再逐步开放给开发者、企业和消费者。

核心信息

1. 面向复杂任务的前沿模型

Gemini 4 Argon 被描述为适用于：

编码与软件工程任务
企业知识工作流
网络安全防御
多步骤、长上下文或长输出任务

从公开评价看，Argon 被放在 GPT-6 Astra、Claude Opus 5.5 等同类高端模型旁边比较。

2. 最高 100 万 token 输出能力

Argon 最受关注的一点是其长输出能力。Google 宣称其具备行业领先的 100 万 token 输出上限，相较此前 64K 输出限制有显著提升。

不过，不同评测机构对这一能力的记录略有差异：

有评测平台记录的最大输出为 262K token。
Artificial Analysis 通过新的 Long Decode Continuation API 功能实现了 100 万 token 输出。
该机制会在长回复中暂停生成，并允许后续 API 调用继续完成输出。

这意味着“100 万 token 输出”更像是通过连续续写机制实现，而不是一次性单次响应完成。

3. 访问仍处于受限预览阶段

目前 Argon 不是面向所有用户开放的模型。其初始测试对象包括：

政府用户
可信网络防御人员
Fairwind Program 内的测试者

Google 表示会在开放更广泛访问前，继续调整安全策略和防护机制。

价格信息

公开信息显示，Argon 的标准价格为：

输入：每 100 万 token 4 美元
输出：每 100 万 token 20 美元

同时还有一个未公布结束时间的 50% 早期折扣：

输入：每 100 万 token 2 美元
输出：每 100 万 token 10 美元

缓存输入可获得 95% 折扣。

从任务成本看，折扣价下 Argon 的单任务成本被测为约 1.99 美元；若按标准价格，则约为 3.98 美元。不过，它在部分测试中输出 token 使用量较高，节省主要来自价格，而不是生成效率。

公开评测表现

Google 公布的结果

Google 声称，Argon 在 19 个公开基准中的 13 个取得第一。部分对比包括：

DeepSWE：Argon 77.9%
Claude Opus 5.5：74.2%
GPT-6 Astra：74.1%

Google 还提到内部部署案例，包括：

Argon agent 释放了超过 300 TiB 的数据中心内存。
正在迁移超过 80 万行 C/C++ 内核代码到 Rust。
一个视频解码相关任务中，agent 将 3.2 万行 SIMD 代码替换为安全 Rust，并使既有 Rust 移植版本速度提升 2.7 倍，输出保持一致。

这些仍属于厂商披露信息，尚需更多外部复现和验证。

Artificial Analysis 评测

Artificial Analysis 给出的部分结果包括：

Intelligence Index：53，与 GPT-6 Astra 持平，高于 GPT-6.1 Sol 的 52。
AutomationBench-AA：77.5%，排名第一。
Terminal Bench 4：57%，低于 Sonnet 5.5、Opus 5.5 和 Astra。
AA-Omniscience 幻觉率：15%，低于 Astra 的 51%。
但准确率为 50%，低于 Astra 的 63%。

这显示 Argon 在减少幻觉方面表现突出，但在某些知识准确率指标上仍有取舍。

Vals 评测

Vals 给出的数据包括：

Vals Index：68.9%，排名第一。
平均任务成本：15.68 美元。
Vibe Code Bench：30 个应用全部正确完成。
Terminal-Bench 4.0：从 19.0% 提升到 57.6%。
CyberBench 概念验证任务：70%。
IOI 2024–2026：100%。

在效率方面，Vals 表示 Argon 在 Vals Index 任务中使用的输出 token 约为 Sonnet 5.5 的四分之一。

Arena 与其他评价

其他公开评价包括：

Text Arena：排名第一，分数 1525。
Code Arena WebDev：排名第八，分数 1679。
Agent Arena：初步 3000 场会话中，总体排名第八；可控性排名第一。
PostTrainBench：45.3%，高于 Gemini 3.1 Pro 的 21.99%。

质疑与保留意见

并非所有观察者都完全接受这些评测结果。一些讨论集中在：

某些法律基准中，Argon 的得分低于其他模型。
是否存在针对偏好数据或常见评测集的优化问题。
个别基准，如 DeepSWE，是否能充分代表真实软件工程能力。

因此，Argon 的早期成绩虽然强劲，但仍需要更大范围的第三方测试和真实用户验证。

小结

Gemini 4 Argon 是 Google DeepMind 面向前沿模型竞争的一次重要更新。它的亮点包括长输出能力、编码表现、网络安全任务能力，以及多个公开基准中的高分。

但现阶段它仍处于受限预览阶段，普通开发者尚无法实际试用。对于社区而言，最值得继续关注的是：

100 万 token 输出在实际开发中的稳定性；
网络安全场景的安全边界；
开放后的真实价格与速率限制；
第三方评测能否复现厂商公布的领先结果。