谷歌的发布节奏，总让人联想到季节更替——气温下降时，旗舰产品也熟了。

就在今天，Gemini 4 Argon已面向全球开发者、企业用户及付费订阅者逐步开放。

据谷歌介绍，这一代模型重点强化了编程、专业任务处理及复杂操作的持续执行能力，同时进一步提升了视觉理解、空间推理和工具调用等原有优势。

从官方演示来看，Gemini 4 Argon最突出的表现仍然在多模态领域。

输入一段关于风筝的文字描述后，模型生成的画面效果令人印象深刻。

在用户普遍关注的能否重返行业前列、提供更多模型选择方面，Gemini 4 Argon在评测中的表现也颇为亮眼。

谷歌自评显示，Gemini 4 Argon在办公、智能体编程、机器学习及科学推理等多个领域，整体性能已与GPT-6 Astra、Opus5.5持平，部分项目甚至领先。

第三方Artificial Analysis智能指数显示，Argon High与GPT-6 Astra Max、Claude Fable5.1 Max并列获得53分。

更值得关注的是，在相同性能水平下，Argon High每任务平均成本仅为1.99美元，比Astra低约39%。

这一成本优势体现在首发定价上：API每百万输入token收费2美元，输出收费10美元。粗略计算，Argon的调用成本约为Opus5.5的一半、Astra的五分之一。

值得注意的是，优惠活动持续到11月30日，12月1日起，输入和输出价格将分别恢复至4美元和20美元。这意味着先打五折，鼓励用户尝试。

当然，如果模型不够高效，完成任务时反复消耗token，节省下来的成本可能又会回吐。

提前体验过Gemini 4 Argon的Ethan Mollick给出了中肯评价：

这一代相比之前的Gemini有明显提升，在创造力、写作和使用体验上都有进步，但处理复杂多智能体任务时仍有不足，偶尔会过于自信或表现懒散。

至于新一代旗舰为何让大家等待这么久，我查看了谷歌的新发布页面，发现了一份217页的安全报告。

（谷歌似乎对安全问题格外谨慎）

多模态仍是最大亮点

从Pro版本多次跳票，到今年9月30日宣布首期限量，再到无数个“下周见”之后——

Gemini 4 Argon终于登场。

在官方技术博客中，谷歌将Argon的核心升级总结为一点：更强的长流程任务执行能力。

简单来说，模型不再仅回答提问，而是理解目标后，能自行查资料、调用工具、修改代码、检查结果，在多个步骤间持续推进，最终完成复杂任务。

不过，相比企业或工程场景的案例，谷歌此次最愿意展示和推广的，仍是多模态能力。

例如，谷歌CEO劈柴哥在推特上发布了“自家模型生成自家手机”的演示——

Argon直接生成了与Pixel手机相关的3D场景。

另一个案例中，Argon甚至完全通过代码生成了一套3D动态排版效果，包括其中的音乐。

整个过程未使用预录素材或视频编辑软件。

Hassabis在转发巫师棋演示时，特别强调了模型对物理规律和3D建模的理解。

这一幕甚至让他回忆起自己在Amiga上玩《战争象棋》的经历。

当然，网友也没闲着，很快将Argon与GPT、Claude、Kimi等模型进行了生成效果对比。

总体来看，谷歌此次的视觉质感确实突出，尽管细节方面，例如鲸鱼的运动，仍能看出一些不自然之处。

不过，也有网友测试结果显示，Opus 5.5依然是顶尖水平。

除了炫酷的演示外，这种空间理解能力也延伸到了真实机器人领域。

在官方展示中，Argon观看了一段人类玩沙包投掷游戏的视频。

随后，它分析了环境中的空间关系，计算了全身关节运动，自主编写仿真代码，并将方案迁移到Apptronik的Apollo人形机器人上。

可以说，在GPT、Claude近期大举进军机器人领域后，谷歌终于也坐不住了。

谷歌表示，这套“视频—仿真—现实”流程，可将过去需要数周人工完成的机器人仿真建模工作压缩到数小时。

其意义在于，人类示范正变得更易转化为机器人可学习、练习和验证的任务。

过去，看视频理解动作、搭建仿真环境、编写控制代码，通常是三个割裂环节。

而现在，多模态模型开始尝试串联起这条链路。

编程能力提升，谷歌先拿自家代码库试验

编程方面，Gemini 4 Argon的核心提升在于处理大型真实项目的长期维护和优化能力。

相比过去只能完成单一代码任务，新一代模型更擅长理解整个代码库的结构，定位性能瓶颈，并跨文件修改、运行测试，持续推进复杂工程任务。

这一能力，谷歌首先用自家开源智能体框架ADK进行了验证。

该Python项目约有20.5万行代码。团队给Argon的任务是：在不改变接口和现有行为的前提下，降低框架运行开销，并通过测试证明优化有效。

结果，Argon在无人值守状态下连续工作11小时，提出了涉及32个文件的6项优化方案，并跑完了全部16892项开源测试。

最终，经过工程师审核，其中两项优化被合并，包括减少会话历史复制开销，以及实现大型模块按需加载。

基于这些修改，ADK长会话中的内存准备开销降低了约40%，包导入耗时减少了21%。

类似能力也被谷歌用于更大规模的工程任务。

在Chromium浏览器项目中，Argon协助完成了涉及数百个文件的架构重构，将原本预计需要数月的工作压缩到了数周。

此外，在优化Gemma4E2B推理程序时，Argon将特定配置下的吞吐量从每秒约3.79万个token提升至超过10.8万个token，端到端速度达到原来的2.85倍。

谷歌表示，这类优化过去通常需要数月时间，而此次只用了几天。

从谷歌内部整体来看，过去几周，Antigravity中的Argon已帮助团队将智能体代码提交量提升了超过35%，代码回滚次数减少了近三分之一。

当然，也有网友表示，自己使用体验没那么好。具体表现还需看后续大规模使用效果。

这也与之前的榜单相互印证：Argon在DeepSWE、Vibe Code Bench上表现强劲，但在FrontierSWE和Terminal-bench中，仍落后于表中几款主要竞品。

真实项目中的收益已显现，但能否稳定复现到更多人的工作中，仍需观察。

专业知识工作能力进一步提升

在专业知识工作方面，Gemini 4 Argon的提升主要体现在处理多种材料、关联信息，并将结果整理为可直接使用的成果。

官方展示了一个典型的办公场景：

用户给Gemini一个装满零散项目资料的文件夹，要求整理成一份客户提案。

随后，Gemini会根据自定义技能生成演示文稿，起草邮件、发送材料，并为后续客户请求设置自动化流程。

此外，Gemini应用也新增了任务入口。用户可从聊天切换到任务执行模式，让模型在用户离开电脑后继续工作。

同时，Antigravity的编程界面也被整合进Gemini macOS应用。

在科研场景中，这种连续执行能力进一步延伸到了实验验证。

谷歌科学家让Argon参与设计丝氨酸酯酶。模型在数小时内完成了数据整理、模型调优和候选筛选，最终提出了5个新设计。

随后，研究人员将这些设计送进实验室，验证其实际效果。

实验使用的检测分子，其酯键被切断后，生成的产物会在紫外光下发出荧光。根据谷歌披露的结果，五个设计均表现出较强的催化活性。

模型提交的方案，已进入实验验证阶段。

谷歌还宣布，将向符合条件并获选的1万名科学家，免费提供六个月的Antigravity最高使用额度，分批开放。

One more thing

虽然前面调侃谷歌怕出事，但这次的安全能力确实值得单独提及。

在评估漏洞修复能力的CWE-bench v1中，Argon取得了68%的成绩，与GPT-6 Astra同列官方对比表的最高分。

前Anthropic、现DeepMind Mechanistic Interpretability负责人表示，Argon的安全报告是谷歌目前最详尽的。

217页的内容，确实详尽。

在Gray Swan间接提示词注入评测中，经过15次自适应攻击尝试，Argon的攻击成功率为0.7%。

所以，那217页中，确实包含了不少实质性内容。

至于这是否是旗舰发布缓慢的原因，没有证据。

只能说，模型终于发布了，谷歌还顺便交了一份“书”。

参考链接

[1]https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/

本文来自微信公众号“量子位”，作者：henry，36氪经授权发布。