Gemini 4终于来了！先给防御方用，然后再给普通用户

Gemini 4 Argon 终于来了，但是目前大多数人用不了。当地时间 9 月 30 日，Google 发布了Gemini 4 Argon。这是 Gemini 4 系列里的第一款旗舰模型，也是 Google 研发了很久之后终于拿出来的东西。

Gemini 的上一代旗舰 Gemini 3 系列还是 2025 年 11 月的事，中间 Google 一直在发布Flash 系列，此次 Argon 的发布是 Google 几个月来最明确的一次回应。

不过它没有出现在普通用户的 Gemini 界面里，它先被交给了一批受信任的网络安全防御方，通过 Google 受控早期访问项目 Fairwind 计划进行使用。Google 表示，等安全护栏真的做到位了，才会逐步开放给大众开发者、企业和消费者。

Google 表示，Argon 针对复杂的长流程工作流设计，在软件工程、法律金融这类企业知识工作以及网络安全防御上能够达到前沿水平。

它的输出上限从上一代的 6.4 万 token 提高到了 100 万 token。这意味着模型能够一次性生成几十万 token，把复杂的问题从头推到尾，中间不用交回给真人用户。当模型有足够的空间进行深度思考、在单条轨迹里生成数十万 token 时，它在一次性解决难题上就多了一层的推理深度。

目前，Google 内部已经在大量地使用 Argon，数千名员工用它做专门的编程任务、深度研究以及写作。

谷歌量子计算团队曾遇到一个瓶颈，某些子程序消耗的时空资源非常多。Google 使用qubits乘以 gates 来衡量子程序的时空资源，Argon 在几分钟内就找到了一个方案，比此前已发表的基线高出了 40%。

另一组 Argon 智能体解析了 Google 数据中心集群的性能遥测数据，自动找到并应用了内存优化操作，全部部署之后能够释放超过 300 TiB 的内存，预计总节省内存在 500 TiB 到 1 PiB 之间。

还有一组 Argon 智能体在 Google 内部做 C/C++ 代码库向 Rust 的迁移，覆盖了从 re2、libgav1 这样的核心库到 Fuchsia Zircon 内核超过 80 万行的代码。

一个比较具体的工程例子是 libgav1，这是 Google 的开源视频解码器。Argon 智能体接手了一个此前已有的 Rust 移植版本，通过多轮性能分析实验和研究编译器输出，使用安全 Rust 重写了 3.2 万行 SIMD 代码。最终得到了一个内存安全的视频解码器，比之前的 Rust 移植版快了 2.7 倍，视频输出保持完全一致，性能能够接近优化过的 C++ 版本。

编码之外，Argon 在几个企业场景的评测里也拿到了领先成绩。在衡量真实长流程软件工程任务的 DeepSWE v1.1 上，它拿到 77.9%。在 Vals Index 上，这个指数衡量金融、编程、法律和税务工作的经济影响，每个板块按其对美国 GDP 的贡献加权，Argon 是这一基准上的领先模型。

在 Vals Finance Agent v2 上，即在衡量多步金融研究的基准上，它也保持了领先。在 Harvey 的法律智能体基准上，它拿到 19.6%，GPT-6 Astra 是 5.4%，Claude Opus 5.5 是 3.8%。

在Zapier的 AutomationBench 上，即在衡量核心业务功能的端到端执行的基准上，它拿到了 51.3%，Claude Opus 5.5 是 42.5%，GPT-6 Astra 是 41.4%。在长视频理解基准 LVBench 上，它拿到 91.7%。

这些数字来自 Google 公布的对比表。在 18 项评测里，Argon 单独领先了 12 项，并列第一了 1 项。GPT-6 Astra 单独领先 3 项，并列 1 项。Claude Opus 5.5 单独领先 2 项。

Argon 在领先项目数量上是最多的，不过它在 FrontierSWE v2 和 Terminal-Bench Science 0.1 上落后 GPT-6 Astra 10.5 个百分点，在 Terminal-bench 4.0 上落后 Claude Opus 5.5 9 个百分点。也就是说这场前沿竞争依然胶着，Argon 的优势则体现在广度上。

网络安全是 Argon 的一个重点方向，Google 说 Argon 能自主发现、验证并修补关键软件漏洞。对受信任的防御方和 Google 内部团队，Google 会发布不带网络安全护栏的版本，让这些人用上完整的防御能力。

Google 旗下的云和 AI 安全平台公司 Wiz 已经在用 Argon 做 Scan for Good 公益扫描计划，这个计划专门免费保护关键公共基础设施。早期演示里，Argon 发现了一个此前前沿模型都漏掉的严重漏洞，涉及全球医院使用的医疗软件。

在 CWE-bench v1 上，即衡量模型修复安全漏洞的能力测试上，Argon 以 68% 的分数并列第一，延续了 3.8 Flash Cyber 在 CWE-bench v0 上的表现。

Google 说，Argon 在漏洞发现上相比 3.8 Flash Cyber 有明显进步。在 Google 内部综合漏洞基准上，Argon 在覆盖 20 种编程语言的复杂代码库里发现了多种暴露。

在 Wiz 内部的黑盒渗透测试基准上，这个基准测试模型在没有源码的情况下分析实时网络系统的能力，Argon 在发现攻击面、识别漏洞和生成概念验证证据上都超过了 3.8 Flash Cyber。

定价上，Google 给了一个入门价。每百万输入 token 2 美元，每百万输出 token 10 美元，缓存输入打 95% 的折扣。

对照一下，OpenAI 的 GPT-6 Astra 标价是每百万输入 10 美元、输出 50 美元。

Anthropic的 Claude Opus 5.5 是输入 4 美元、输出 20 美元。

入门期结束后，Argon 会涨到输入 4 美元、输出 20 美元，和 Claude Opus 5.5 的标价持平，仍然低于 GPT-6 Astra。

在安全方面，Google 说在广泛发布前会从四个方向加强护栏。目的就是防止滥用，让模型拒绝有害请求，同时保留合法的双用途科学研究。

为了防止 Argon 越界，用超出用户意图的方式去完成任务，Google 部署了缓解措施，监控 Argon 的思维链和动作，必要时停止执行。

Google 表示，他们用类似的系统监控训练运行，并向专门的事件响应团队发送警报，同时采取谨慎措施，避免把发现反馈回训练，以免塑造 Argon 的推理去规避监控。

如前所述，这次发布是分阶段的。Google 目前正在参与美国政府关于发布前模型访问的自愿流程，同时逐步扩大访问范围。

更广泛的可用性计划尽快开放给开发者、企业和消费者，从付费 API 客户和 Google AI Ultra 订阅者开始。

从行业背景看，Argon 的发布时机很重要。Google 一段时间以来一直面临压力，需要证明自己能在模型市场顶部竞争，而不只是在分发、基础设施和更便宜的 Flash 模型上。

根据媒体报道，Google 的新 DeepMind 负责人 Koray Kavukcuoglu 此前说 Gemini 4 正在完善中，可能在年底前发布。Google 自 2025 年 11 月的 Gemini 3 系列之后，就没有发布过新的旗舰模型，而 OpenAI 和 Anthropic 已经用 GPT-6 和更新的 Claude 模型向前推进。

这期间 Google 也经历了一些变动。2026 年 8 月，Demis Hassabis 卸任 Google DeepMind CEO，转任 Alphabet 董事长兼首席科学家，Jeff Dean 离开首席科学家岗位去创办自己的公司，Kavukcuoglu 接任 DeepMind 最高职位，直接向 Sundar Pichai 汇报。

Google 没有把这些变动和模型延迟挂钩。外部报道也提到 Google 的 AI 组织受到人才流失、模型发布延迟和内部理念分歧的影响，分歧在于优先做科学研究、前沿能力还是商业产品。

Argon 的发布，是 Google 对这套叙事的一次回应。它在多个企业部署相关的基准上领先或并列，它也给出了一条差异化的发布路径，先从网络安全防御方开始，同时完成安全工作和政府发布前访问流程。

剩下的考验是商业化，企业会想知道 Argon 的定价、速率限制、数据治理条款、部署界面，以及在 Gemini API、Vertex AI、Google Cloud、Workspace 和开发者工具里的集成路径。

Google 有很强的分发优势，但这些优势只有在 Argon 的基准表现转化成可靠的生产行为时才有意义。

目前看，Gemini 4 Argon 可能是 Google 几个月来最有力的一次尝试，用企业语言重新进入前沿模型对话，少谈消费级聊天机器人的个性，多谈一个 AI 智能体能不能安全地重写代码、审计系统、分析受监管的知识工作，并在攻击者利用漏洞之前防御软件。但它能不能把纸面上的优势变成真实工作流里的稳定表现，还需要等更多客户用上之后才能判断。

参考资料：

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/

https://www.axios.com/2026/09/30/google-gemini-4