Gemini 4 Argon 全解析，谷歌七月磨一剑，把最强的刀先交给了守门人
9月30日，谷歌发布新一代前沿模型Gemini 4 Argon，这是七个多月来的首款前沿旗舰。一天之前，OpenAI刚在开发者大会上推出Dots智能体与GPT-6.1 Sol。两日之内两大实验室相继出牌。

图1 谷歌发布Gemini 4 Argon宣传主视觉
Argon最核心的技术变化，是单次输出上限从64K大幅提升至100万token，约为GPT-6 Astra、Claude Opus 5.5、Claude Fable 5.1等128K上限的近8倍，属行业首创。模型能在单次轨迹中生成数十万token，更彻底地思考并一次性解决大型代码库重构等问题，无需跨轮次拆分；谷歌新增Long Decode Continuation功能，长响应可暂停续写。输入上下文保持100万token。
官方基准中，Argon多数领先。长周期软件工程测试DeepSWE v1.1得分77.9%，为新的SOTA，同期Claude Opus 5.5为74.2%、GPT-6 Astra为74.1%。Vals Index 68.9%，成为首个登顶该指数的Gemini模型。其余领先项包括Vibe Code Bench 91.9%、AutomationBench 51.3%、LVBench 91.7%、GraphWalks最高99.7%、Harvey法律基准19.6%（对比为3.8%–6.7%）、Agent's Last Exam 39.5%（竞品34.2%）。

图2 DeepSWE v1.1评测成绩77.9%，创下新纪录
短板同样明确。FrontierSWE v2仅55.0%，落后GPT-6 Astra的65.5%；Terminal-Bench 4.0为57.4%，落后Claude Opus 5.5的66.4%；OSWorld-2.0计算机使用69.2%，落后GPT-6 Astra的72.6%。独立评测方面，Artificial Analysis智能指数给出53分，追平GPT-6 Astra，低于Claude Opus 5.5的58分；幻觉率仅15%，远低于GPT-6 Astra的51%。代价是token消耗偏高，每任务平均6.2万输出token，GPT-6 Astra仅需2.7万。Arena人类偏好榜上，Argon以1525分登顶文本榜，WebDev则位列第八。

图4 Gemini 4 Argon与OpenAI、Anthropic竞品基准对比表
发布策略是这次最值得注意的部分。Argon没有面向公众开放，第一阶段只通过Fairwind计划提供给受信任的网络安全防御者，并参与美国政府的自愿预发布模型访问流程。早期用户与谷歌内部团队拿到的是不带网络防护栏的版本，先收集反馈、迭代护栏，再向付费API客户与Google AI Ultra用户开放，企业和普通消费者排在最后，日期未公布。Pichai确认模型已交付美国政府。
网络安全是Argon最强调的能力。模型被训练为自主发现、验证并修复关键软件漏洞，在CWE-bench v1中以68%并列第一。云安全公司Wiz已通过Scan for Good计划使用该模型，据称发现了一款全球医院所用医疗软件中的关键漏洞，此前前沿模型均未检出。广泛开放前，谷歌计划强化四类防护，滥用与CBRN风险的激活监控、间接提示注入抵抗、失准监控并可中断执行，以及高风险训练评测的隔离沙箱。

图3 网络安全漏洞发现与修复能力评测
Argon已在谷歌内部大规模使用。其智能体在数据中心释放超300 TiB内存，预计总量可达500 TiB至1 PiB；在libgav1 Rust移植中替换3.2万行SIMD代码，解码器提速2.7倍；正迁移Fuchsia Zircon内核的C/C++代码库，规模超80万行；并在几分钟内将量子算法基线提升40%。
热闹背后存在分歧。彭博社报道，部分员工认为Argon在广为使用的基准上成绩不错，但处理部分代码任务时会遇到困难，尤其不擅长前端设计，有人用基准跑分内卷概括行业通病。谷歌否认这些说法，DeepMind负责人卡武库奥卢表示对性能感到鼓舞。此外，原计划六月发布的Gemini 3.5 Pro已被放弃，单次训练成本据彭博行业研究估计最高可达4亿美元，叠加多位顶尖人才相继离开，公司压力比外界看到的更大。
价格上，Argon以促销价每百万输入2美元、输出10美元推出，缓存输入再享95%折扣，促销结束后升至4美元与20美元。按促销价，每项智能指数任务成本约1.99美元，为GPT-6 Astra（3.26美元）的60%，但折扣结束后将达3.98美元，比Astra贵约20%。竞争格局上，OpenAI本周因安全担忧放弃发布GPT-6.1 Astra，Anthropic的Opus 5.5与Sonnet 5.5在智能指数上仍领先。谷歌虽有Gemini月活超10亿的分发优势，但在编程智能体等产品层面仍落后于Claude Cowork与ChatGPT Work。
把两件事放在一起看，谷歌把最强的模型先交给守门的人，OpenAI因担忧把最强的模型锁回保险箱，动作相反，恐惧相同。前沿模型的能力与风险正同时放大，分阶段发布、政府预访问、安全护栏正成为各家的默认范式。对谷歌而言，Argon的意义是重新挤回第一梯队，但距离领先仍有距离。下一个问题不是模型还能刷多高，而是这些跑分何时真正变成普通用户手里的产品。