Gemini 4终于来了！首款模型Argon发布，18项评测领先12项，优先开放给网络安全团队

Gemini 4 终于来了，但是目前大多数用户还无法使用。

当地时间 9 月 30 日，Google 正式发布Gemini 4 Argon。这是 Gemini 4 系列推出的首款旗舰模型，也是 Google 经过长时间研发后，首次对外推出这一代模型。

Gemini 的上一代旗舰模型 Gemini 3 系列还要追溯到 2025 年 11 月。此后，Google 主要更新的是 Flash 系列，因此，这次 Argon 的发布也成为 Google 几个月来在旗舰模型上的一次明确回应。

不过，Argon 暂时没有进入普通用户的 Gemini 界面。Google 首先将它开放给一批受信任的网络安全防御机构，通过受控早期访问项目 Fairwind 进行测试和使用。按照 Google 的说法，只有在安全护栏进一步完善后，Argon 才会逐步向开发者、企业和普通消费者开放。

Google 将 Argon 定位为面向复杂、长流程工作流的旗舰模型，重点覆盖软件工程、法律和金融等企业知识工作，以及网络安全防御。

相比上一代模型，Argon 的单次输出上限从 6.4 万 token 提升至 100 万 token。这意味着模型可以在一次任务中持续生成更长的推理和执行轨迹，在更少依赖人工中途接管的情况下，处理跨越多个步骤的复杂问题。对于需要持续分析、反复验证和长链条执行的任务，这种更长的输出空间也给模型留下了更大的推理余量。

目前，Google 已经在内部大规模使用 Argon。数千名员工正在利用它完成专项编程、深度研究和写作等任务。

在量子计算团队的一项测试中，研究人员此前遇到了一类时空资源开销较高的子程序。Google 使用qubits与 gates 的乘积衡量相关计算成本，Argon 在数分钟内找到了一种新的优化方案，相比此前公开发表的基线结果提升了 40%。

另一组 Argon 智能体则被用于分析 Google 数据中心集群的性能遥测数据，并自动识别和执行内存优化操作。Google 表示，相关方案全部部署后，已经能够释放超过 300 TiB 内存，预计最终可节省 500 TiB 至 1 PiB。

Argon 还被用于 Google 内部的大规模 C/C++ 向 Rust 迁移工作，覆盖了 re2、libgav1 等核心开源库，以及Fuchsia Zircon内核，涉及超过 80 万行代码。

其中一个较为具体的案例是 Google 的开源视频解码器 libgav1。Argon 智能体接手了一个已经存在的 Rust 移植版本，通过多轮性能分析、实验以及对编译器输出的研究，使用安全 Rust 重写了约 3.2 万行 SIMD 代码。最终版本在保持视频输出完全一致的情况下，相比此前的 Rust 移植版本提速 2.7 倍，性能接近经过优化的 C++ 实现，同时获得了 Rust 带来的内存安全优势。

除了编码，Argon 在多项企业任务评测中也取得了较高成绩。

在衡量真实长流程软件工程任务的 DeepSWE v1.1 上，Argon 得分为 77.9%。在 Vals Index 上，它同样处于领先位置。该指数覆盖金融、编程、法律和税务等知识工作，并按照各领域对美国 GDP 的贡献进行加权。

在评估多步骤金融研究能力的 Vals Finance Agent v2 上，Argon 也保持领先。在 Harvey 的法律智能体基准中，Argon 得分为 19.6%，相比之下，GPT-6 Astra 为 5.4%，Claude Opus 5.5 为 3.8%。

在Zapier的 AutomationBench 上，Argon 得分为 51.3%，Claude Opus 5.5 为 42.5%，GPT-6 Astra 为 41.4%。这一基准主要衡量模型能否端到端完成核心业务流程。在长视频理解基准 LVBench 上，Argon 得分为 91.7%。

按照 Google 公布的对比结果，在 18 项评测中，Argon 单独领先 12 项，另有 1 项并列第一；GPT-6 Astra 单独领先 3 项、并列领先 1 项；Claude Opus 5.5 单独领先 2 项。

从领先项目数量来看，Argon 的覆盖面最广，但它并不是在所有任务上都占据优势。例如，在 FrontierSWE v2 和 Terminal-Bench Science 0.1 上，Argon 分别落后 GPT-6 Astra 10.5 个百分点；在 Terminal-Bench 4.0 上，则落后 Claude Opus 5.5 9 个百分点。

这也意味着，当前前沿模型之间的竞争仍然非常接近。Argon 更明显的特点，不是某一项能力形成绝对领先，而是在软件工程、企业知识工作、自动化和多模态理解等多个方向上同时保持较强表现。

（来源：Google）

网络安全是 Argon 重点强化的方向之一。Google 表示，Argon 已经能够自主完成漏洞发现、验证和修复。对于经过审核的网络安全防御机构以及 Google 内部团队，Google 还会提供不受部分网络安全护栏限制的版本，使其能够调用模型更完整的安全防御能力。

Google 旗下云与 AI 安全平台 Wiz 已经开始将 Argon 用于 Scan for Good 项目。该项目主要面向关键公共基础设施提供免费的安全扫描。在早期演示中，Argon 发现了一个此前其他前沿模型未能识别的严重漏洞，涉及全球多家医院使用的一款医疗软件。

在衡量模型漏洞修复能力的 CWE-bench v1 上，Argon 以 68% 的成绩并列第一。此前，Google 的 3.8 Flash Cyber 也曾在 CWE-bench v0 上取得领先成绩。

相比 3.8 Flash Cyber，Google 称 Argon 在漏洞发现能力上有了进一步提升。在 Google 内部的一项综合漏洞基准中，Argon 对覆盖 20 种编程语言的复杂代码库进行分析，并识别出多类安全暴露问题。

在 Wiz 内部的黑盒渗透测试基准上，Argon 的表现也超过了 3.8 Flash Cyber。所谓黑盒测试，是指模型无法直接获得目标系统源代码，只能像真实攻击者一样从外部分析正在运行的网络系统。在这项测试中，Argon 在攻击面发现、漏洞识别以及概念验证生成等环节均取得了更好的结果。

价格方面，Google 为 Argon 设置了早期使用价格：每百万输入 token 为 2 美元，每百万输出 token 为 10 美元，缓存输入可享受 95% 的价格折扣。

作为对比，OpenAI GPT-6 Astra 的公开价格为每百万输入 token 10 美元、输出 token 50 美元；Anthropic Claude Opus 5.5 则分别为 4 美元和 20 美元。

早期优惠结束后，Argon 的价格将调整为每百万输入 token 4 美元、输出 token 20 美元，与 Claude Opus 5.5 的公开价格持平，仍低于 GPT-6 Astra。

与此同时，Google 也将安全能力列为 Argon 大规模开放之前的重点工作。Google 表示，将从四个方向继续加强模型护栏，核心目标是在限制恶意使用的同时，尽量保留网络安全、科学研究等合法双用途场景中的模型能力。

（来源：Google）

为了避免 Argon 在执行复杂任务时超出用户意图，Google 还部署了一套运行时缓解机制，对模型的思维链和实际动作进行监控，并在必要时中止任务执行。

Google 表示，类似的监控机制也被用于模型训练过程。一旦系统检测到异常行为，会向专门的事件响应团队发送警报。同时，Google 会尽量避免将这类监控结果直接反馈进训练过程，以降低模型逐渐学会规避监控机制的风险。

这也是 Google 选择分阶段开放 Argon 的原因之一。目前，Google 正在参与美国政府有关前沿模型发布前访问的自愿机制，并同步扩大 Argon 的早期使用范围。

按照 Google 的计划，Argon 后续将逐步向开发者、企业和消费者开放，首批更广泛获得访问权限的用户将包括付费 API 客户和 Google AI Ultra 订阅者。

从时间点来看，Argon 的发布也颇为关键。

自 2025 年 11 月推出 Gemini 3 系列以来，Google 一直没有更新旗舰模型，其间主要围绕 Flash 系列进行迭代。与此同时，OpenAI 和Anthropic已经继续推出 GPT-6 和新一代 Claude 模型。外界因此一直在关注，Google 何时会再次拿出一款面向前沿能力竞争的旗舰产品。

此前，Google DeepMind 新任负责人 Koray Kavukcuoglu 曾透露，Gemini 4 正在进行最后阶段的完善，并可能在年底前推出。

这段时间，Google 的 AI 组织本身也经历了较大调整。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创业；Kavukcuoglu 则接任 DeepMind 最高负责人，并直接向 Sundar Pichai 汇报。

Google 并没有将这些组织变化与旗舰模型发布时间联系起来。不过，此前一些外部报道曾提到，Google AI 团队同时面临人才流动、模型发布时间调整以及内部路线讨论等问题，其中一个核心分歧，是如何在基础科学研究、前沿模型能力与商业产品之间分配资源。

因此，Argon 的发布至少给出了 Google 当前的一种答案。

一方面，它在多项与企业实际部署相关的基准测试中取得领先或并列领先成绩；另一方面，Google 没有选择直接面向所有用户全面开放，而是首先从网络安全防御场景切入，在扩大模型使用范围的同时，继续推进安全评估和发布前访问流程。

接下来更实际的问题，将转向商业化。

对于企业用户而言，除了基准成绩之外，真正影响采用的还包括正式定价、速率限制、数据治理政策、部署方式，以及 Argon 最终如何进入 Gemini API、Vertex AI、Google Cloud、Workspace 和各类开发者工具。

Google 拥有云服务、办公软件和开发者生态等分发优势，但这些优势最终能否转化为 Argon 的竞争力，仍取决于模型在真实生产环境中的稳定性、可控性和成本表现。

至少从目前披露的信息来看，Gemini 4 Argon 展现出的方向已经比较明确：相比强调消费级聊天体验，Google 更希望首先证明，旗舰模型能否在软件工程、网络安全和受监管的知识工作中，持续执行复杂任务。

基准测试已经给出了第一批答案。至于这些纸面优势能否转化成真实工作流中的稳定表现，还要等 Argon 进入更多企业和开发者手中之后才能判断。

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