停更长达七个半月的 Gemini 旗舰模型，终于更新了。

就在刚刚，多个 Google 相关账号同步宣布：Gemini 4 Argon 正式发布。

并且，这可能是最近唯一一个写作、知识和长文本能力明显强于编程与 Agent 能力的前沿模型。

士别三日，Gemini 4 连命名方式都改变了，一眼看上去甚至像是 OpenAI 家的某个模型。官方并没有解释这个名字的由来，我们只知道这是把测试期间的内部代号沿用到了正式版。

而从字面来看，它代表第 18 号元素氩，一种惰性气体，倒是和 Chrome（铬）形成了某种有趣的对仗。

先不用急着去 Gemini App 试用——延续最近流行的“安全”叙事，Gemini 4 Argon 目前只通过 Fairwind 计划对少量网络安全合作伙伴开放。

官方也并未列出全面公开的时间点，只说明“届时首先向付费 API 用户和 Google AI Ultra 订阅者开放”，普通订阅用户还要等上一段时间。

此前在测试场里流出过据称是 Gemini 4 的模型版本，但鉴于官方从未认领、没人知道它是不是真的 Gemini 4，也不知道里面有没有掺了 Fable 和 Astra，那些所谓的比对测试结果实际上不太可信，我们暂时只能列举一下官方释出的数据（也让这篇文章的工作量少了很多）。

至少，从官方跑分来看，Gemini 4 Argon 是极其强悍的：

你没看错，列举出来的 18 项测试中，Gemini 4 在其中 13 项都取得了领先成绩。

最大的领先出现在知识工作方面。在涉及真实金融分析和真实律师工作的 Vals Finance Agent v2 与 Harvey's Legal Agent Benchmark 两个测试上，甚至可以不夸张地说 Gemini 4 领先其他任何模型两档。这一点倒是不奇怪——即使在最拉的时候，也从未有人怀疑过 Gemini 的世界知识能力。

另一个 Gemini 传统优势领域是长上下文。在测试能不能用好 256k—1M 超长上下文的 GraphWalks 测试中，Gemini 4 同样领先其他旗舰模型超过 10%。

一个新特性可以解释这种领先幅度。

Gemini 4 Argon 将输出上限从上一代的 6.4 万 token 拉升到了 100 万 token，也就是说只要你钱包扛得住且 Gemini 足够有倾诉欲，它可以一口气输出约 70 万到 100 万个汉字，对思维链构建而言算得上是个史诗级升级。官方解释是：

当模型拥有足够的空间进行深入思考，并在单次推理轨迹中生成数十万个词元时，它将为推理带来全新的深度，从而一次性解决棘手问题。

相比之下，Gemini 4 编程表现就有些起伏不定。在最常用的真实世界长周期软件构建测试 DeepSWE v1.1 上，Gemini 4 成绩达到 77.9%，领先 GPT-6 Astra 和 Claude Opus 5.5 接近 4 个百分点。

但在需要从零构建项目解决问题的 FrontierSWE v2 和操作 Linux 终端处理复杂任务 Terminal-Bench 4.0 上，Gemini 4 都处于垫底水平。

我们大概可以这样总结 Gemini 4 的特性：知识/写作\>编程\>终端。

第三方测试也可以佐证这种判断——

在通过盲评投票来决定成绩的 Arena.ai 评分里，Gemini 4 因为处理高难度提示词、指令遵循、创意写作等项目都取得高分，在 Text Arena 中排名第一；但回到更注重工程能力的 Code Arena: WebDev 和 Agent Arena 中，Gemini 4 就只能排到第 8。

某种意义上，一个编程能力落后的 Gemini 称得上是时代之幸。过度优化 Agent 编程能力，似乎让很多前沿模型开始变得“不说人话”，包括 GPT-5.3 时期延续至今的疯狂分行和 Opus 4.7 开始的神秘黑话问题。这种时候，一个因为编程能力一般而保留有文字审美的 Gemini 模型，可以解决很多写作上的难题。

另一个值得关注的变化是幻觉率大幅下降。

在 Artificial Analysis 的测试中，Gemini 4 的幻觉率只有 15%，在所有前沿模型中是最低的。这代表它在面对不确定的回答时，会更倾向于说“不知道”，而不是编造答案。

但对普通用户来说，最重要的问题当然是定价，而 Google 在这方面一向非常大气。

Gemini 4 Argon 的官方 API 定价是每百万 token 输入 2 美元，输出 10 美元，命中缓存的价格是 5% 亦即 0.1 美元。

官方公告表示首发优惠期结束之后价格会翻倍，但根据经验，大概率在下一代模型出来之前优惠都不会结束。

以优惠期价格来算，Gemini 4 的价格是 GPT-6 Astra 和 Fable 5.1 的五分之一，大致上持平 GPT-6.1 Sol 和 Sonnet 5.5。

换句话说，只要能力没有虚假宣传，Gemini 4 就是当前“智价比”最高的模型，用中端模型的价格就能让你用上旗舰的智能。

Gemini 4 Argon 的发布也终结了一个尴尬的纪录：在过去近半年的时间里，Google AI Pro 套餐的权益描述是“获享 Gemini 3 Pro 模型”……考虑到 3.5 Flash 时代之后连 Flash 模型都能暴打 Pro，这个会员套餐更显得相当幽默，很大程度上人们买会员只是为了那个 5T 的 Google Drive。

至少现在，Google 终于可以光明正大地宣传自己的会员了。

写到这里，我也想说几句题外话。

每个人心里都有自己的白月光，而我在 AI 领域的白月光就是 Gemini 2.5 Pro。去年年初，2.5 Pro 文字能力的确是惊为天人，也正是在那之后，我才正式把 AI 加入了自己的工作流程之中。后来看见 Gemini 3 发布，我更是第一时间转发到朋友圈。

从这个意义上说，没有人比我更希望 Gemini 4 能支棱起来。

本 Gemini 粉丝的幻想

但我们还是要尊重客观规律。像很多人评论的，大模型归根结底是一种制造业，像手机和芯片一样的制造业。我们不能期待一个长久没有更新的模型，突然就力压群雄，这跟一个长期停留在 10nm 的芯片厂突然拿出了 2nm 芯片一样不现实。

Gemini 3.8 Flash 跑分和实测效果的巨大落差，也表明这段时间 Google 为了掩饰尴尬，有可能做了一些跑分刷榜的“特殊优化”。同理，Gemini 4 在大多数基准测试中达到 SOTA 水平也是相当可疑的——

几乎就在 Gemini 4 公布的同时，彭博社也发出报道称，Google 内部员工对 Gemini 4 的实际性能持怀疑态度。他们援引的“知情人士”表示，Gemini 4 在真实任务中的效果不尽如人意，“难以处理某些编码任务”。

虽然 Google 方面迅速反驳，也有一些员工表示 Gemini 4 很不错，但我们大概可以相信，最终来到我们面前的 Gemini 4 不会像跑分里那么强。更何况等待 Gemini 4 实装这段时间，又足够 ChatGPT 和 Claude 模型迭代一个版本了。

不管怎么说，往好的方面想，Gemini 4 Argon 的发布毕竟代表 Google 终于回到了赛场上。

它的上限未必很高，下限还是可以保证。之后要做的事，就是用大模型制造业的方法，一步一步地赶上来。

作者｜彭海星