Gemini 4 Argon 来了：它很强大，但你还用不上
内容提要
谷歌发布旗舰模型Gemini 4 Argon，多数基准测试大幅领先OpenAI和Anthropic的顶级模型，尤其擅长知识工作，AutomationBench领先近9分。输出上限提升至100万token，具备自主发现和修补漏洞能力，已用于Wiz扫描。编码表现参差，部分测试落后。目前仅限Fairwind计划测试，定价未公布。
延伸解读
基准领先但编码表现参差
在谷歌公布的18项基准测试中，Gemini 4 Argon在13项上领先Anthropic的Opus 5.5、Fable 5.1和OpenAI的GPT-6 Astra。然而编码能力并非全面占优：DeepSWE v1.1达77.9%创纪录，但在FrontierSWE v2和Terminal-Bench 4.0上垫底，分别落后领先者10.5和9分。Vibe Code Bench虽获91.9%，但四款模型均超89%，优势微弱。
知识工作与长输出成亮点
Argon在知识工作任务上优势明显：Zapier的AutomationBench得分51.3%，领先Opus 5.5近9分；GraphWalks测试（256K至1M token输入）达84.2%，超GPT-6 Astra逾12分。其输出上限提升至100万token，远超前代Gemini的64K，谷歌称这能让模型在单次轨迹中生成数十万token，为复杂推理提供更大空间。
网络安全能力与访问限制
谷歌训练Argon自主发现、验证和修补软件漏洞，并在Fairwind计划及内部团队中取消网络安全护栏。Wiz已将其用于Scan for Good计划，发现了一个早期前沿模型遗漏的全球医院软件关键漏洞。但Argon目前仅限Fairwind计划测试，定价未公布，API客户和AI Ultra订阅者将优先获得访问权。
Q&A
Gemini 4 Argon 是什么？它和谷歌之前的模型有什么关系？
Gemini 4 Argon 是谷歌发布的旗舰模型，本质上就是谷歌在 I/O 开发者大会上宣布的新 Pro 模型。原计划 6 月推出，但当时只发布了一系列 Flash 模型，现在 Argon 终于面世。
Gemini 4 Argon 在基准测试中的表现如何？
在谷歌的基准测试中，Argon 在 18 项测试中的 13 项击败了 Anthropic 的 Opus 5.5、Fable 5.1 以及 OpenAI 的 GPT-6 Astra。它在知识工作方面表现突出，例如在 Zapier 的 AutomationBench 上得分 51.3%，领先 Opus 5.5 近 9 分；在 GraphWalks 测试（输入 256K 到 1M token）中得分 84.2%，领先 GPT-6 Astra 超过 12 分。但编码表现参差不齐，在 FrontierSWE v2 和 Terminal-Bench 4.0 上落后于竞争对手。
Gemini 4 Argon 目前可以使用吗？如何获取访问权限？
目前 Gemini 4 Argon 仅限 Fairwind 计划测试，尚未公开发布。谷歌表示会收集早期测试者的反馈并迭代护栏，之后才会在 Fairwind 计划之外提供。届时 API 客户和 AI Ultra 订阅者将首先试用，然后才会向开发者、企业和消费者发布。
Gemini 4 Argon 在网络安全方面有什么能力？
谷歌训练 Argon 自主发现、验证和修补软件漏洞，并在 Fairwind 参与者及内部团队中发布无网络护栏的模型。Wiz 已在其 Scan for Good 计划中使用 Argon，该模型发现了一个全球医院使用的医疗软件中的关键漏洞，而之前的前沿模型都未能发现。Argon 在谷歌内部漏洞发现基准上得分 85.8%，在 Wiz 的渗透测试基准上得分 70.9%。
Gemini 4 Argon 的输出 token 限制是多少？有什么意义？
Gemini 4 Argon 可以生成最多 100 万个输出 token，而之前 Gemini 模型的输出上限是 64,000 个 token。谷歌表示，当模型有足够的空间深入思考并在单次轨迹中生成数十万个 token 时，能为一次性解决难题增加新的推理深度。
Gemini 4 Argon 的定价是多少？
谷歌尚未公布 Gemini 4 Argon 的定价。作为参考，Anthropic 对 Opus 5.5 每百万输出 token 收费 20 美元，而 Argon 现在能在单次响应中写入多达 100 万 token，因此价格对开发者来说可能与基准测试同样重要。
