10月1日，谷歌正式发布新一代前沿模型Gemini 4 Argon，这是Gemini 3系列旗舰亮相近十个月后的首次大更新。与以往直接向公众开放不同，Argon这次选择了一条更稳妥的路线：先交给受信任的网络安全防御者试用，再逐步向开发者、企业和普通用户开放。
输出上限提升到100万Token意味着什么
Argon最受关注的变化，是把单次输出Token上限从此前的6.4万直接拉高到100万。注意，这个数字与上下文窗口是两个概念——它衡量的是模型在一次推理轨迹中能连续生成多长的内容。对大型代码库迁移、深度研究和多步骤企业流程来说，这意味着模型可以在一条任务链里持续推理，而不必把复杂工作拆成好几轮。
目前多数前沿模型的输出上限约为12.8万Token，Argon的100万Token显得相当突出。定价方面，Argon API初始价格为每百万输入Token 2美元、每百万输出Token 10美元，缓存输入价格比标准输入低95%。据第三方测算，在折扣价下Argon完成单个任务的成本约为1.99美元，比GPT-6 Astra低约40%。
软件工程与安全能力实测
谷歌在19项基准测试中宣称Argon取得13项领先。在衡量长期软件工程能力的DeepSWE v1.1评测中，Argon拿到77.9%，为当前最高水平；在Zapier的AutomationBench企业流程自动化基准上以51.3%排名第一，比Claude Opus 5.5高出近9个百分点；长视频理解评测LVBench得分91.7%。
更值得关注的是它在真实工程任务中的表现。谷歌披露，Argon已参与内部C/C++代码库向Rust的迁移，覆盖超过80万行代码的Fuchsia Zircon内核；在开源视频解码器libgav1项目中，它重写了约3.2万行SIMD代码，新版本运行速度达到原版的2.7倍。
数据中心内存优化项目中，Argon代理自动分析全网性能监控数据并实施优化，上线后已释放超过300 TiB内存。在量子计算领域，它仅用几分钟就把已发表基准结果提升了40%。
网络安全是Argon首批落地的重点。谷歌称该模型能自主发现、验证并修复关键软件漏洞，在CWE-bench v1漏洞修复评测中以68%的成绩并列第一。安全公司Wiz已通过相关计划使用Argon，为公共基础设施免费排查高风险暴露面，谷歌还表示Argon发现过一项影响全球医院医疗软件、此前其他前沿模型未能识别的严重漏洞。
从研究机构到产品引擎
Argon的发布背景是一次深刻的组织调整。今年8月，谷歌对DeepMind进行架构调整，联合创始人兼CEO哈萨比斯卸下日常运营职责转任董事长，专注AGI长期战略；首席技术官卡武克丘奥卢升任高级副总裁直接向CEO汇报。外界普遍认为，这次”静悄悄的权力交接”意味着DeepMind正在从顶级研究机构转向高效产品引擎，让AI能力更快落地到搜索、地图、Gmail等十亿级用户产品中。
分阶段发布：先安全、后公众
谷歌表示，Argon正在参与美国政府推动的模型预发布自愿流程，首批测试者将帮助评估模型表现并完善安全防护。针对网络攻击及化学、生物、放射性和核相关滥用请求，Argon均设有使用限制，并部署了内部激活监测、自动化红队测试和针对间接提示注入的对抗训练。
不过，评测成绩与真实体验之间仍有差距。彭博社报道称，部分谷歌员工对Argon在日常编码中的实际表现存疑——它在结构化的DeepSWE v1.1上表现出色，但在更接近真实工程复杂度的FrontierSWE v2上只有55.0%，被GPT-6 Astra的65.5%拉开差距。
Argon能否兑现长周期推理能力，还需要更多真实场景来验证。可以肯定的是，把最强模型先交给安全团队、再逐步开放的分阶段发布策略，正在成为行业的新常态。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
