10 月 1 日凌晨,谷歌放出 Gemini 4 系列的第一款模型 Gemini 4 Argon。这是谷歌 7 个月来第一款高于 Flash 档的自研旗舰——上一代旗舰 Gemini 3 系列停在 2025 年 11 月,原定 6 月发布的 Gemini 3.5 Pro 中途夭折,此后谷歌一直靠 Flash 系列顶着 GPT-6 与 Claude 5 两家的攻势。皮查伊在 X 上只讲了三点:复杂工作流、网络安全防御、软件工程,以及一句“谷歌内部团队已经在广泛使用”。
但有个前提必须先说清楚:今天没有任何用户能在 Gemini 应用里选到它。Argon 首批只通过 Fairwind 计划开放给一批经过审核的网络安全防御团队,云安全厂商 Wiz 在名单里,开发者、企业客户和普通消费者都要等后续批次,而谷歌没有给出时间点。
一、先把实锤和转述分开
- 实锤(谷歌官方博客与皮查伊公开帖可查):9 月 30 日美东时间发布;分阶段开放,首批走 Fairwind 计划并进入美国政府的发布前自愿评估;单次输出上限从上一代的 6.4 万 token 提到 100 万 token;推广期 API 定价每百万输入 token 2 美元、输出 10 美元,缓存输入在输入价基础上再降 95%,折算约 0.10 美元。
- 实锤(官方公布,但只有谷歌单方口径):自报的 18 项测试、19 个分项里,Argon 拿下 12 项第一、1 项并列第一。华尔街见闻按“位居榜首或并列”统计成 13 项,量子位按 19 个分项统计成 14 项,口径有差别,但结论方向一致:领先项数多于 GPT-6 Astra 和 Claude Opus 5.5。
- 实锤(内部部署案例):Argon 智能体分析谷歌数据中心集群的性能遥测数据并落地内存优化,已释放超过 300 TiB 内存,预计总节省 500 TiB 至 1 PiB;参与 C/C++ 转 Rust 迁移的代码超过 80 万行,含 re2 与 Fuchsia 的 Zircon 内核;在开源视频解码器 libgav1 里用安全 Rust 重写 3.2 万行 SIMD 代码,新版本比此前的 Rust 移植快 2.7 倍;量子计算团队用它优化子程序的时空资源,比已发表的基线提升 40%。
- 第三方可查、且与官方成绩单有出入的部分:Artificial Analysis 的智能指数给 Argon 53 分,与 GPT-6 Astra 并列,但低于 Claude Opus 5.5 和 Claude Sonnet 5.5;同一家的 AA-Omniscience 把 Argon 的幻觉率记为 15%,是 45 分以上模型里最低的。Text Arena 上 Argon 以 1525 分排第一,但在测网页开发的 Code Arena 只排第 8。
- 转述,按传闻对待:彭博社援引知情人士说,接触过内部评测的谷歌员工认为 Gemini 4 在实际工作中不一定对得上跑分,前端界面设计尤其吃力,有“刷榜”嫌疑;同一篇报道里也有员工说内部共识是它已达到前沿水平,谷歌方面否认编程能力偏弱。这条没有可核验的公开评测支撑,先记着,别当结论。
- 未证实:发布当天,一位 DeepMind 研究员在 X 上发了句“RSI 来了,我已经没什么可教它的”,随即秒删。当花絮看就好。
二、价格:便宜在“前沿档”,不是“地板价”
先看官方定价(单位:每百万 token,美元):
| 模型 | 输入 | 输出 | 缓存输入 | 口径 |
|---|---|---|---|---|
| Gemini 4 Argon | $2 | $10 | ≈$0.10 | 推广期价,谷歌未公布截止日 |
| Gemini 4 Argon(推广期后) | $4 | $20 | ≈$0.20 | 官方公布的标准价 |
| GPT-6.1 Sol | $2 | $10 | 未公布 | 与 Argon 推广期同价 |
| Claude Opus 5.5 | $4 | $20 | $0.20 | 与 Argon 推广期后价格持平 |
| Gemini 3.8 Flash | $0.75 | $3.75 | — | 谷歌当前在售的轻档 |
| GPT-6 Astra | $10 | $50 | 未公布 | 标准 API 价 |
| Claude Fable 5.1 | $10 | $50 | 未公布 | 标准 API 价 |
再看 Artificial Analysis 统计的“每完成一项智能指数任务”的综合成本:
| 模型 | 每任务成本 |
|---|---|
| GPT-6.1 Sol | $0.72 |
| Gemini 4 Argon | $1.99 |
| GPT-6 Astra | $3.26 |
| Claude Opus 5.5 | $5.98 |
| Claude Fable 5.1 | $7.63 |
这两张表要读出三点:
- Argon 便宜的是“前沿档”,不是绝对价格。它的每任务成本是 Astra 的约六成、Opus 5.5 的三分之一,但它比 GPT-6.1 Sol 贵了近两倍,更是比自家 Gemini 3.8 Flash 贵一大截。省钱的参照系是“顶级智力”这一档,不是“最便宜”。
- 推广价有截止日,而且没公布。官方给出的标准价是翻倍的 $4/$20,也就是和 Claude Opus 5.5 一模一样。做年度预算时请按 $4/$20 留余量,把 2/10 当彩蛋,别当基准。
- 缓存输入降 95% 才是 Agent 场景的杠杆。0.10 美元的缓存价意味着“同一份仓库、同一份合同反复问”的长任务,账单主体会落在输出上。如果你的工具每次重拼上下文、前缀不稳定,这个折扣你一分钱都吃不到。
三、能力:知识工作赢得干脆,编程分两半
谷歌这次公布的成绩单里,最能说明问题的是下面这组对照(全部为公开数字):
| 评测 | 看什么 | Argon | 该项更强者 |
|---|---|---|---|
| DeepSWE v1.1 | 长程真实软件工程 | 77.9% | Argon(Astra 74.1%、Opus 5.5 74.2%) |
| Vals Index | 金融/编程/法律/税务按 GDP 加权 | 68.9% | Argon(Opus 5.5 67.0%) |
| Harvey 法律智能体 | 法律任务 | 19.6% | Argon(Astra 5.4%) |
| AutomationBench(Zapier) | 企业端到端业务执行 | 51.3% | Argon(Opus 42.5%、Astra 41.4%) |
| CWE-bench v1 | 漏洞修复 | 68.0% | 与 Astra 并列第一 |
| LVBench | 长视频理解 | 91.7% | Argon |
| FrontierSWE v2 | 软件工程 | 55.0% | GPT-6 Astra 65.5% |
| Terminal-Bench 4.0 | 终端操作类 Agent 任务 | 57.4% | Claude Opus 5.5 66.4% |
| Terminal-Bench Science 0.1 | 科学任务 | 57.6% | GPT-6 Astra 68.1% |
三句话概括这张表:
- 知识工作和“读长材料”是它的主场:法律、金融、多步骤业务执行、长视频理解,这几项它都领先,而且 Vals Index 是 Gemini 系列第一次登顶。
- 一旦任务变成“持续操作终端、边跑边改”,它就掉队。FrontierSWE v2 落后 Astra 10.5 个百分点,Terminal-Bench 4.0 落后 Opus 5.5 近 9 个百分点。这类任务恰恰是现在最热门的编码 Agent 场景,也就是说谷歌这次赢的是“知识型脑力活”,不是“动手型苦力活”。
- 别把这张表当成统一考场的成绩。谷歌用自研的 mini-swe agent 框架测算 Argon,竞品分数则来自公开榜单和各家的自报数据;方法不一致,数字直接横比要打折。真正的方法论校验,要等第三方把它拉进同一套 harness 里复测。
四、100 万 token 输出上限,和你想的不是一回事
- 这是输出上限,不是上下文窗口。它指的是模型一次能连续生成 100 万 token,和“能一次读进去多少”是两个指标;Argon 把上一代的 6.4 万输出提到 100 万,是行业目前最高的量级。
- 为什么输出比输入难:读入是并行处理,算力开销相对可控;输出是自回归解码,每吐一个 token 都要把前面所有 token 重新算一遍。把输出上限拉到百万级,等于允许模型在一条执行轨迹里持续工作几十分钟。
- 谷歌自己把话说得很克制:官方博客写明,输出空间大“不等于任务完成能力”,实际效果取决于模型能否保持目标一致、正确调用工具、发现并纠正执行过程中的错误。这句话该被反复引用——上限是想象力,完成率才是产品力。
- 内部案例说明的是“能持续多久”,不是“能替代谁”:重写 80 万行 C/C++、用 3.2 万行安全 Rust 换掉 SIMD 代码、数据中心省出 300 TiB 内存,这些活儿的共同点是长、可验证、有测试兜底。谷歌自己也说,这些改动在部署前都走了自动化审计和人工审查。
五、你什么时候能用上
- 今天(第一批):只有 Fairwind 计划名单内的网络安全防御团队,以及谷歌内部。这些受信防御方拿到的是不附加网络安全护栏的版本,用于补漏洞和找攻击入口。
- 首批公开(时间未公布):付费 API 客户 + Google AI Ultra 订阅用户。两条路都意味着“先掏钱的人先拿到”,具体名额、地区限制、是否与现有 Gemini API Key 通用,谷歌都没说。
- 再往后:开发者、企业,最后才是普通订阅用户与消费者入口(比如 Gemini 应用)。参照 Gemini 3.5 Pro 直接跳票的先例,不要把“很快”当承诺。
- 今天想要接近的能力:按上面两张价格表,同价位段可以先用 GPT-6.1 Sol,成本和 Argon 推广期一样;如果只是要便宜且够用,Gemini 3.8 Flash($0.75/$3.75)仍在售,而且 Argon 的基准对比里根本没把它放进来,所以“贵一档到底值不值”目前也没有官方答案。
六、六条限制,签合同前先看
- 推广价翻倍是写进公告的:$2/$10 变成 $4/$20,截止日未公布。拿推广价算 TCO 的项目,上线那天可能刚好撞上调价。
- 跑分口径不统一:自研 harness vs 公开榜单,领先幅度会被方法论差异放大或抹平。
- 内部质疑没有消失:彭博社那篇报道里的员工说法,和官方成绩单构成一对矛盾;在第三方统一复测出来之前,双方的表述都只能当“某一方的说法”。
- 安全护栏本身就是风险提示:公开版会实时监控模型的思维链,发现它偏离用户意图时可以终止活动,监控数据明确不进训练集。谷歌为它单独设计了受控发布流程,说明这代模型的滥用风险被判定得比上一代高。
- Fairwind 的无护栏版只给受信方:普通客户拿到的版本能力边界会不一样,别按博客里的安全演示来推断你手上那条 API 的行为。
- Argon 只是入门款:多家媒体转述称它属于 Gemini 4 的低配型号,后续还有更强版本。今天用它做技术选型的长期假设,可能两个月后就被自家产品线推翻。
七、我的判断
- 该上的:有 Fairwind 渠道的网络安全防御团队;以及做法律、金融、税务长文档流水线、且愿意为“百万级输出”重构自己分段逻辑的团队。还有一类是已经在用 Gemini 3.8 Flash 的开发者——同一个 API 换模型名就能 A/B,迁移成本几乎为零。
- 再等等的:绝大多数普通用户和不想折腾的开发者。入口没有、价格带截止日、第三方复测未出,这三条叠在一起,今天开订阅只是为情绪买单。等首批付费 API 开放、真实账单和 Artificial Analysis 的复测数字出来,再决定要不要把主力链路搬过去。
- 别碰的:因为“谷歌回来了”就急着迁移生产链路的团队。Argon 在 Terminal-Bench 4.0 这类动手型任务上落后 Opus 5.5 近 9 个百分点,如果你的核心场景是编码 Agent,现在换过去是拿短板换长板。拿推广价做年度预算的人同理,先按 $4/$20 重算一遍。
- 三步准备法:第一步,把你最长的真实任务(一次仓库级重构、一份 200 页尽调)拆成 20 条可重复的评测集;第二步,在你的 Agent 工具里把 base_url 和模型名做成配置项,保证将来换模型只改一行;第三步,盯两个东西——付费 API 的开放公告,以及第三方在统一 harness 下的复测分数与每任务成本。推广价和竞品差着五倍,但价格只在“你这活儿真跑得完”的前提下才值钱。
上一轮前沿模型的价格战我们已经在《Claude Opus 5.5》那篇里算过一次账,同价档怎么选见《GPT-6 Sol 与 Luna》;这次谷歌的动作和 GPT-6 Astra 出场时的节奏几乎一样——先放成绩单、再分阶段开放,所以判断方法可以照搬:看价格表,更看完成率。
顺带一提:等新模型开放的日子里,手头的活不用停,现成工具按场景分好类放在AI 工具导航。
本文由拾光札记编辑部整理,勘误请联系我们。