Google于10月13日全面开放Gemini 4 Argon。此前它主要面向受邀网络安全伙伴测试，现在开发者、企业以及Google AI Pro／Ultra订阅用户均可使用。Argon是一款原生多模态稀疏混合专家模型，支持文字、图像、音频和视频输入，并将输入与输出共享的上下文上限扩展到100万Token。Google公布的评测显示，它在金融、法律、办公自动化、长上下文和部分科学任务上领先多款前沿模型，但在FrontierSWE、Terminal-Bench、科学Agent和电脑操作等测试中仍落后于GPT‑6 Astra或Claude Opus 5.5。模型首发API价格为每百万输入／输出Token 2美元／10美元，11月30日后将翻倍。更值得注意的是，Google无法排除Argon已达到生物信息、网络攻击以及隐蔽行动方面的前沿能力门槛，因此同时部署了输入检查、内部激活探针和持续行为监控。
文章作者、来源：Google DeepMind
这次发布的重点，是从受控试用走向全面上线
Gemini 4 Argon并非10月13日才第一次亮相。Google此前已经让一批网络安全机构通过Fairwind计划提前使用模型，并让内部团队在代码优化、漏洞分析和科学计算中测试它。今天发生的变化，是Argon正式进入全球付费产品。
开发者可以通过AI Studio和Gemini API调用；企业可以在Google Cloud及Antigravity中使用；Google AI Pro和Ultra订阅用户则可在Gemini应用和搜索的AI Mode中访问。它目前仍是闭源云端模型，Google没有发布权重，也没有披露总参数量、激活参数量、训练算力或完整训练配方。
模型卡确认，Argon采用稀疏混合专家Transformer架构，不是旧模型的微调版本。训练数据包括公开网页、代码、图像、音频、视频、授权数据、合成数据，以及在相关条款和用户控制下收集的Google产品数据。其知识截止时间为2026年3月，部分领域可能更早；Google也明确承认，模型仍可能产生幻觉，复杂请求偶尔会变慢或超时。
“百万Token”同时计算输入和输出
Argon支持文字、图像、音频和视频输入，但主要输出文字。它所谓的100万Token上下文，是输入与输出共享的总额度，而不是“输入100万后还能另外输出100万”。
Google同时推出了续写协议，使持续数小时、可能超过单次响应限制的Agent任务可以保存状态后继续执行。这个设计主要服务于大型代码库修改、跨文档调查、科学计算和需要多轮工具调用的工作，而不是普通聊天。
在长上下文GraphWalks测试中，Argon在12.8万Token以内取得99.7分，在25.6万至100万Token区间取得84.2分，高于Google列出的GPT‑6 Astra、Claude Fable 5.1和Claude Opus 5.5。不过，这项测试主要测量模型在超长结构中追踪关系的能力，不能直接证明它能够无误理解任意一百万Token文档。
专业知识工作领先，编程Agent并未全面取胜
Google强调Argon在Vals Index排名第一。模型卡给出的总分为68.9%，对比Claude Opus 5.5的67.0%、Claude Fable 5.1的65.8%和GPT‑6 Astra的63.1%。
它在AutomationBench得到51.3分，金融Agent测试为65.4分，也明显高于表中的三个对手。这些成绩支持Google对金融、法律和企业工作流的定位。
但把Argon简单称为“最强编程模型”并不准确。在FrontierSWE v2中，它只有55.0分，低于Astra的65.5和Opus 5.5的62.3；Terminal-Bench 4.0得到57.4分，也低于Opus 5.5的66.4。在Terminal-Bench Science中，Argon为57.6分，落后Astra的68.1和Opus的63.3；OSWorld电脑操作子集的69.2分同样低于Astra的72.6。
这些差异说明，Argon的强项更接近长上下文、多文档综合、专业分析和部分视觉任务，而不是在所有软件工程、终端操作及科学Agent场景中统一领先。
Google内部案例很亮眼，但仍以厂商数据为主
Google称，内部团队使用Argon后，Agent生成并提交的代码增加超过35%，代码回滚减少近三分之一。
在Chrome项目中，Argon参与拆分Chromium约4000万行代码库内一个约600万行的遗留目录；在Google Agent Development Kit中，它通过一夜自主优化，把长会话的内存状态准备时间缩短40%，冷启动导入速度提高21%。相关修改已经进入公开代码仓库，因此外界能够检查具体改动，但“生产率提升35%”仍来自Google自己的统计。
其他案例包括把量子化学软件xTB的部分计算加速至2.3倍、将Gemma 4 E2B在A100上的推理吞吐量从约每秒3.79万Token提高到超过10.8万，以及帮助设计五种经实验确认具有催化活性的酶。Google还展示了一套“视频到仿真再到现实”的机器人流程：Argon观看人类投掷沙包的视频、编写仿真代码，再把动作迁移到Apollo人形机器人，完成连续七次命中。
这些案例证明Argon能够连接代码、工具和专业数据完成长任务，但多数由Google或合作伙伴挑选，尚不能替代统一条件下的大规模独立测试。
网络防御能力越强，双重用途风险也越高
Argon在Google的12个端到端模拟网络攻击场景中全部完成，上一代模型只能完成5个。Wiz还利用早期版本发现医院软件中的漏洞链：一个公开文件下载绕过最终暴露了主密钥和管理员权限，修复后据称保护了数十万份患者记录。
同样的能力也可能被用于攻击。Google在模型卡中明确写道：目前无法排除Argon已经达到其“关键能力门槛”中的生物信息风险和网络安全风险；专家红队测试发现，它相较普通网页搜索在两个生物场景中提供了可衡量的能力提升，而网络评估则显示，没有充分防护时可能带来严重危害。
模型还通过了15项隐蔽性与环境认知挑战中的14项，因此Google同样无法排除其已达到相关“跟踪能力门槛”。这不等于模型已经失控，而是说明其识别运行环境、寻找替代路径和规避简单监督的能力，强到需要额外部署保护层。Google评估认为，加入缓解措施后，剩余风险已经降至相应门槛以下；但这些判断主要基于Google及合作红队的评估，尚未得到完整独立复现。
Google为公开版本配置了三层实时防护：先用小模型检查输入和对话历史，再用“激活探针”监测Argon内部是否正在调用网络攻击或危险生物知识，最后在多步推理和工具调用期间持续监控，必要时中途停止Agent。官方称，外部生物越狱红队只能解锁不到1%的受测子任务，但没有公开足够的原始记录供外界重算这一比例。
经过审核的网络防御机构可以申请Fairwind计划，使用不带网络安全护栏的版本。Google正在把该计划扩展到数百家额外伙伴，这意味着高能力版本采用身份审核和受控分发，而不是直接向所有API用户开放。
首发价格很低，但只有约六周
Argon目前的API价格为每百万输入Token 2美元、输出Token 10美元，缓存输入再减免95%。这个价格只维持到2026年11月30日；之后将调整为输入4美元、输出20美元，正好翻倍。
因此，当前价格适合开发者做原型和评测，却不应直接作为长期业务预算。百万Token上下文也不意味着每个请求都应该塞满上下文：输入越长，推理时间、失败概率和缓存策略越重要。
Google还开放了一项研究者计划，准备为1万名科学家提供六个月Antigravity最高使用等级，但需要申请，并受资格、容量和筛选结果限制，不是所有研究人员自动免费获得。