谷歌終於交卷了

當OpenAI、Anthropic等公司已經把競爭重心推向Agent，Google的新一代旗艦模型才姍姍來遲。

當地時間9月30日，Google正式發布Gemini 4系列首款旗艦模型Gemini 4 Argon。

按照Google的說法，這是一款面向真實軟件工程、企業知識工作和網絡安全防禦的前沿模型，也是目前Gemini家族能力最強的一款模型。

這距離上一款Gemini旗艦模型已經過去了相當長一段時間。

7月彭博報道稱，3.5 Pro已經比原定計劃晚了數月，Google當時仍在集中補強它最大的一塊短板——Coding。

今天，Google直接跳過3.5 Pro，發布了Gemini 4 Argon。

Argon在主流Benchmark上表現亮眼。但彭博報道顯示，一旦進入真實工作狀態，其性能會有所下降。有Google 員工認為，Anthropic和OpenAI的旗艦模型迭代速度已經快於Gemini。

一場遲到，且有爭議的交卷。

長任務能力與低價策略

這一次，Argon的核心升級，在於輸出窗口升級成為100萬Token，是目前已公開商業模型裏最大的輸出窗口。作為對比，GPT-6 Astra的最大輸出只有12.8萬Token，Gemini上一代還僅為6.4萬Token。

按照英文文本粗略折算，相當於一次生成數十萬單詞。這意味着，模型的複雜任務能力被顯著提升，可以一次性處理過去很容易被上下文和輸出長度截斷的複雜任務。

在定價上，也是保持了Google一貫的性價比策略。Argon首發推廣價為每百萬Token輸入2美元、輸出10美元——輸入價格與Gemini 3.1 Pro持平，輸出反而從12美元降至10美元。

谷歌官方表示，Argon還在Coding和深度研究方面有非常顯著的進步。

在谷歌內部，已經有數千名員工使用模型完成任務：

• 算法優化：在量子計算團隊，一個Argon參與的算法優化項目只用了幾分鐘，就把公開基線提高了40%

• 代碼遷移：在Google開源的視頻解碼器libgav1中，Argon Agent還基於編譯器輸出進行了多輪性能實驗，替換了3.2萬行SIMD代碼。按照Google公布的結果，最終得到的Rust版本運行速度達到原Rust移植版的2.7倍，同時保持相同的視頻輸出結果。

再來經典跑分環節。

先看它最想證明自己的編程能力。Argon在衡量真實、長周期軟件工程能力的DeepSWE v1.1上，拿下了77.9%的新高。谷歌公布的對照成績裏，Claude Opus 5.5是74.2%，GPT-6 Astra是74.1%。Argon高了約4個百分點。

而企業任務中，AutomationBench顯示，Argon拿到51.3%，Opus 5.5和Astra分別是42.5%、41.4%，差距擴大到了接近10個百分點。

金融研究也有類似表現。Vals Finance Agent v2中，Argon拿到65.4%，超過Opus 5.5的58.6%和Astra的53.5%。

法律任務的數字更搶眼。Harvey的法律Agent測試裏，Argon得分19.6%，谷歌列出的三個對手都沒超過7%。

多模態方面，Google 表示，模型可以分析專業圖表、從長視頻裏識別細節，並根據一系列文檔採取行動。在長視頻理解Benchmark LVBench中，它得到91.7%，Google稱其達到當前最佳水平。

而在目前廣泛關注的網絡安全方面。Argon在防禦型網絡安全任務上的能力，並用它驅動網絡安全Agent，不僅可以尋找漏洞，還能自主驗證漏洞，並進一步生成補丁。

在與安全公司Wiz合作的「Scan for Good」項目，Argon已經在一套被全球醫院使用的醫療軟件中發現一個高危漏洞，該漏洞可能導致敏感個人信息泄露，而此前測試的其他前沿模型均沒有發現這一問題。

在專門測試漏洞修復能力的CWE-bench v1上，Argon得到68%，並列第一。在Wiz自己的黑盒滲透測試中，它還可以在看不到源代碼的情況下分析真實Web系統，發現攻擊面、尋找漏洞，並生成PoC來驗證漏洞是否真的存在。

但目前Argon 不走全面開放路線，而是通過「Fairwind 計劃」先向一小批可信的網絡安全防禦者推出，同時正參與美國政府的自願性發布前模型准入流程。後續纔會逐步向開發者、企業和消費者開放。

不過，Argon這份漂亮成績單也不是沒有爭議。

最直接的質疑來自Google內部。彭博援引直接接觸Gemini 4項目的人士稱，Argon雖然在主流Benchmark上表現亮眼，但員工真正把它放進工作流後，表現會明顯下降，尤其在部分Coding和界面設計任務上仍會「卡殼」。

但Google方面否認了「真實Coding能力明顯落後」的說法，稱公司內部普遍認為Gemini 4已經處於前沿水平。

獨立評測網站提醒，Argon主要在長上下文、企業知識工作和部分軟件工程任務上尤其突出，並不是一個可以橫掃所有Coding場景的「絕對第一」。

Google的現狀

Gemini 4的出現，結束了Google過去近一年略顯混亂的旗艦模型節奏。

今年以來，Google並不是沒有發模型。相反，Flash產品線的迭代非常快，3.6、3.7、3.8在幾個月內接連上線。

但今年6月本該出現的Gemini 3.5 Pro遲遲沒有交付。到7月，Google仍然只能告訴外界，模型還在合作伙伴中有限測試。最終，這款模型被整個取消，Google直接跳到了Gemini 4。

這段空窗期讓外界產生了非常多質疑，Google是不是又掉隊了？

路透社稱，Gemini 3.5 Pro的延期與Google DeepMind內部調整、人員變動等因素有關。Google DeepMind 的聯合創始人兼CEO Demis Hassabis淡出主要管理職責，包括Jeff Dean在內的多名Gemini核心負責人離職，OpenAI和Anthropic同期還從Google挖走了明星研究人員。

今年7月，Google CEO桑達爾·皮查伊也在財報電話會上，罕見地花了不少篇幅為Google的AI戰略辯護。

他反駁Google正在AI競爭中失去位置，而是強調外界「不應該只看一款Pro模型」，Google的Flash系列仍在快速迭代，Gemini 4將帶來更大躍升。同時真正衡量Google AI競爭力，還要把Cloud、自研TPU和整個產品生態一起算進去。

確實，如果把視線從模型排行榜拉回到Google這家公司，「掉隊」又很難成立。

Alphabet最新公布的2026年第二季度營收達到1198億美元，按年增長24%。

其中Google Cloud收入按年暴漲82%至248億美元，營業利潤從去年同期的28億美元升至88億美元。Google稱，Gemini模型目前每分鐘處理約220億個API Token，Gemini App月活用戶已經達到9.5億，接近九成財富100強企業正在使用Gemini Enterprise。

連一度被認為最容易被ChatGPT顛覆的搜索業務，也還沒有出現衰退。

二季度Google Search及其他業務收入按年增長17%至632.7億美元。Alphabet表示，AI功能正在推動搜索查詢量增長。

這也是Google和大部分AI創業公司最大的不同。Google手裏則已經有Search、Cloud、YouTube、Android、Chrome，以及自己的TPU基礎設施。

少有一家企業有它那麼巨大的分發和資源優勢。但船大難掉頭，擁有的東西越多，需要協調的人、資源也越多。

在各家都已經步入Agent大戰的時候，Google的船頭在哪呢？

本內容來源於網絡，觀點僅代表作者本人，不代表虎嗅立場。如涉及版權問題請聯繫 hezuo@huxiu.com，我們將及時覈實並處理。

End

想漲知識 關注虎嗅視頻號！