Gemini 4 Argon：为解决你最棘手的问题而生
内容提要
谷歌发布Gemini 4 Argon，面向开发者、企业和订阅用户开放。该模型擅长编程、金融、法律、网络安全和科研等复杂任务，在多项基准测试中领先，已用于Chrome重构、Python代码优化、量子化学加速、网络安全漏洞修复、量子计算、核聚变和罕见病研究，并推动机器人发展。谷歌强调其安全防护，包括抗越狱、代理对齐监控和提示注入防御。
延伸解读
定价与访问：开发者与企业如何接入
Gemini 4 Argon 通过 Gemini API 在 AI Studio 和 Gemini 平台向开发者与企业开放，Google AI Ultra 订阅者可在 Antigravity 中使用，Ultra 和 Pro 订阅者还可在 Gemini 应用和搜索的 AI 模式中体验。模型采用按 token 计费，输入每百万 token 2 美元，输出每百万 token 10 美元，缓存输入可享 95% 折扣。这一价格定位与谷歌此前旗舰模型相比具有竞争力，但实际成本需结合任务复杂度与 token 消耗评估。
编程与工程：从代码重构到性能优化
Argon 在编程任务中展现出显著效率提升。在谷歌内部，Antigravity 中的 Argon 帮助团队将智能体代码提交量提高超过 35%，同时减少近三分之一的代码回滚。Chrome 团队借助 Argon 将约 600 万行遗留功能代码从核心网页处理中分离，在数周内完成原本需数月的架构重构。此外，Argon 还优化了开源 ADK Python 代码库，将长会话内存准备时间缩短 40%，冷导入速度提升 21%。这些案例表明 Argon 能处理大规模、多步骤的工程任务。
科学突破：量子计算、核聚变与罕见病诊断
Argon 在多个科学领域带来实际进展。量子计算方面，它将 AlphaQubit 解码器转换为高度优化的硬件内核，推理吞吐量近乎翻倍；为 arcsin 子程序编写的实现经 Lean 形式验证，时空成本比已发表的量子 CORDIC 基线降低超过 100 倍。核聚变领域，谷歌团队与 Matt Landreman 教授合作，发现了 Grad 猜想更广泛的反例，为仿星器模拟提供基准。罕见病研究中，Gamow Labs 使用 Argon 分析新生儿基因组，识别出常规软件多年遗漏的染色体重排，并在 RareBench 和 La
安全与对齐：多层防御与代理监控
谷歌为 Argon 部署了迄今最全面的安全栈。在滥用与越狱防御方面，外部生物红队仅能解锁不到 1% 的生物子任务，对抗性测试中的违规行为减少近两倍。代理对齐方面，Argon 被训练尊重系统边界、诚实报告负面结果，并在不可逆操作前暂停等待人工确认，在编码基准中捷径尝试降至 2%。此外，自动错位监控器实时读取代理推理与行动，阻止意外变通；提示注入防御在 Gray Swan 间接提示注入基准上领先，将 15 次自适应攻击的成功率降至 0.7%。
Q&A
Gemini 4 Argon 是什么？它主要面向哪些用户？
Gemini 4 Argon 是谷歌发布的新一代 AI 模型，面向开发者、企业和订阅用户开放。开发者可通过 AI Studio 和 Gemini 平台的 API 使用；企业可通过 Gemini for business、API 和 Google Antigravity 使用；Google AI Ultra 和 Pro 订阅用户可在 Gemini 应用和搜索的 AI 模式中使用。
Gemini 4 Argon 的定价是多少？
Gemini 4 Argon 的入门价格为每百万输入 token 2 美元，每百万输出 token 10 美元，缓存输入 token 可享受 95% 折扣。
Gemini 4 Argon 在编程和工程任务中有哪些实际应用案例？
Argon 已用于多个工程任务：帮助 Chrome 团队将核心网页处理与约 600 万行遗留浏览器功能代码分离，完成数百个文件的架构重构；优化 Google 开源 Agent Development Kit (ADK) 的 Python 代码库，将长会话内存准备时间减少 40%，冷导入速度提升 21%；使量子化学开源包 xTB 预测分子结构速度提升至 2.3 倍，构象搜索速度提升 1.8 倍；让 Gemma 模型在 A100 上通过 vLLM 实现 2.85 倍端到端推理加速。
Gemini 4 Argon 在科学研究方面取得了哪些突破？
Argon 在多个科学领域带来突破：量子计算方面，将 AlphaQubit 解码器翻译为优化硬件内核，推理吞吐量近乎翻倍，并将量子子程序 arcsin 的时空成本降低超过 100 倍；核聚变方面，与 Matt Landreman 教授合作发现 Grad 猜想更广泛的反例，为仿星器模拟提供基准；罕见病研究方面，帮助 Gamow Labs 识别出常规软件多年遗漏的染色体重排；酶设计方面，在数小时内设计出五种新型丝氨酸酯酶并验证其催化活性。
Gemini 4 Argon 在安全防护方面采取了哪些措施？
Argon 采用了全面的安全防护措施：抗越狱方面，多层防御使外部生物红队仅能解锁不到 1% 的生物子任务，违规行为减少近 2 倍；代理对齐方面，训练模型尊重系统边界、诚实报告负面结果，并在不可逆操作前暂停等待人工确认，编码基准上的捷径尝试降至 2%；实时监控方面，构建自动错位监控器读取代理推理和行动，实时拦截意外绕过行为；提示注入防御方面，在 Gray Swan 间接提示注入基准上领先，将 15 次自适应攻击的成功率降至 0.7%。
Gemini 4 Argon 在机器人领域有什么应用？
Argon 通过结合视觉语义推理、物理理解和自主代码生成，加速机器人开发。在 Embodied Reasoning (ERQA) 基准上，Argon 以 87% 的得分超越所有其他前沿模型。内部测试中，Argon 观看人类玩沙包游戏的视频后，自主构建仿真代码，并成功迁移到 Apptronik 的 Apollo 人形机器人上，连续投中七次。这种“视频到仿真到现实”的流程将数周的手动仿真建模压缩到几小时。
Gemini 4 Argon 在网络安全方面有哪些实际应用？
Argon 在网络安全领域已有实际应用：Wiz 利用 Argon 的“Scan for Good”计划保护关键基础设施，帮助识别并修复了可能暴露敏感政府数据的漏洞，以及一个暴露主密钥并授予管理员访问权限的公共文件下载绕过漏洞，保护了数十万患者记录。此外，Argon 还帮助网络安全防御者自主审计关键代码库和形式化证明，捕捉零日漏洞和逻辑缺陷。
Gemini 4 Argon 在商业和专业工作流中能做什么？
Argon 结合前沿推理、深度视觉感知、扩展领域知识和更强的写作能力，适用于法律、金融、科学和编程等高要求专业工作流。它能进行深度多模态文档理解、纵向数据分析和交互式分析沙盒。例如，在 Gemini App 中，Argon 可将非结构化项目文件夹格式化为客户提案演示文稿，并自动起草邮件发送给客户，同时创建自动化工作流处理未来请求。Isomorphic Labs 使用 Argon 快速合成复杂 PDF 和专利，将通常需要数周的信息提取过程缩短至数小时。
