摘要：

谷歌此次没有把 Argon 定位成一次常规升级，而是将其作为处理复杂现实任务的新一代旗舰模型。

凤凰网科技 出品

作者｜姜凡

编辑｜董雨晴

今天凌晨，谷歌CEO桑达尔·皮查伊（Sundar Pichai）与DeepMind负责人德米斯·哈萨比斯（Demis Hassabis）等高管集体发声，正式宣布新一代旗舰模型 Gemini 4 Argon 全面上线。

谷歌 AI 产品负责人 Logan Kilpatrick 表示，这只是 Gemini 4 时代的开端，新模型的核心设计意图就是攻克以往难以处理的真实世界复杂长程任务。

谷歌此次没有把 Argon 定位成一次常规升级，而是将其作为处理复杂现实任务的新一代旗舰模型。

Gemini 4有哪些新本事？

Gemini 4 Argon最直观的变化，是输出Token上限从上一代的6.4万拉升到了100万。这个数字本身不重要，重要的是它意味着什么，模型可以在一次任务中不间断地思考、生成、修正，中途不用把控制权交还给人类。

用谷歌自己的话说，当模型有足够的空间在单次推演中生成数十万Token时，“推理深度会提升至全新高度”。

谷歌内部已经把Argon当主力用了。据了解，超过10万名员工在日常工作中跑这个模型。过去四周，工程团队的智能体代码提交量增加了35%，代码回滚减少了近三分之一。

编程能力是谷歌此次着墨最多的领域之一。

在谷歌披露的内部案例中，Argon 参与了 Chromium 的大型代码重构。Chromium 是 Chrome 浏览器的开源基础，整个代码库规模约为 4000 万行，其中一个涉及浏览器功能的历史代码目录约有 600 万行。

谷歌称，Argon 帮助团队在数百个文件中推进架构调整，将原本需要数月的工作压缩到数周。谷歌还表示，这项调整有助于消除一类浏览器崩溃问题。

谷歌还展示了 Argon 在机器人任务中的应用。官方称，模型仅通过观察人类投掷沙包的视频，就能分析场景空间关系、计算全身关节运动并构建仿真代码；相关方案随后部署到 Apptronik 的 Apollo 人形机器人上，在一次真实测试中连续投中七次。

此外，在科学研究中，谷歌公布的案例则更接近专业计算与实验辅助。谷歌称，Argon 帮助研究人员优化量子化学软件 xTB，使分子结构预测速度最高提升至原来的 2.3 倍，构象搜索速度提升至原来的 1.8 倍。在另一项酶设计工作中，研究团队利用模型筛选并生成了五种新设计，后续实验室测试确认这些设计具有催化活性。

整体来看，谷歌希望模型能够处理的不只是一个问题，而是一件需要持续推进、不断检查的工作。

Gemini 4重回第一梯队，与GPT的竞争含金量有多高？

在Artificial Analysis上，Argon拿到53分，和GPT-6 Astra、Claude Fable 5.1持平，落后于Opus 5.5和Sonnet 5.5。这个分数本身没有碾压性优势。

真正的变量在成本：首发优惠期每百万输入Token 2美元、输出10美元，缓存输入再打95%折扣。按Artificial Analysis的测算，完成一个智能指数任务的平均成本是1.99美元，GPT-6 Astra是3.26美元，Opus 5.5是5.98美元。

Argon的成本优势来自定价，而不是Token效率。每任务平均消耗约6.2万个输出Token，Astra只用约2.7万个。也就是说，Argon用掉了两倍多的Token，只是因为单价压得足够低，总成本才降下来。

优惠期结束后价格恢复到4美元和20美元，每任务成本会升到约3.98美元，变成Astra的1.2倍左右。谷歌用TPU集群的算力优势打了一场价格差，但这个窗口能开多久，取决于后续定价策略。

但“第一梯队”的含金量还需要看硬币的另一面。彭博社援引内部人士的报道指出，部分谷歌员工认为Argon在实际工作中的表现与基准测试存在落差，代码编写能力参差不齐，前端设计尤其不是强项。

谷歌对此的回应是“所谓在代码等领域表现不佳的说法并不准确”，DeepMind负责人Korav Kavukcuoglu也公开表示对模型性能感到鼓舞。但内部意见本身是分裂的：一部分员工认为Anthropic和OpenAI的迭代速度已经超过了Gemini，另一部分则认为Argon已经追上了领先实验室。

这种分裂其实反映了当前前沿模型竞争的一个现实：跑分可以很接近，但实际使用体验的差异仍然存在。一位开发者在社交平台上提到，Argon对提示词格外敏感，“默认风格不佳，但加一句提示词就容易改善”。另一位开发者认为，在一次生成细节丰富、美感出色的3D场景方面，Argon还没有达到Opus 5的水平。

所以，说Argon“重回第一梯队”是成立的。在综合智能指数上和Astra打平，在长程软件工程和知识工作基准上甚至领先，首发价格又压到了对手的六成。

但这个“第一梯队”的含金量需要加上几个限定条件：定价优惠期结束后的成本竞争力、编程任务上表现的不稳定性、以及实际工作流中与跑分之间的落差。

Argon让谷歌重新回到了牌桌上，但这场牌局的规则正在从“谁的模型更聪明”转向“谁的模型更便宜、更能干活”，不知道这个转向本身是不是谷歌想要推动的。