Google DeepMind 今天发布了新前沿模型 Gemini 4 Argon。Logan Kilpatrick 发推宣布，模型先向网络防御者开放，之后逐步推广。
这是 Google 七个多月以来第一个超越 Flash 级别的自研模型。
定价分两档。介绍期优惠：$2/百万输入 token，$10/百万输出 token，缓存输入再打 95% 折。介绍期结束后恢复到 $4/$20。在当前市场里，这个促销价相当激进。
先说成绩单。
DeepSWE v1.1 软件工程 77.9%，超过 GPT-6 Astra 的 74.1%。Vals Index 68.9%，首次登顶。LVBench 长视频理解 91.7%。
企业工作流自动化基准 AutomationBench，Argon 得分 51.3%，比第二名 Claude Opus 5.5 高出约 9 个百分点。
独立评测机构 Artificial Analysis 也放出了结果。Gemini 4 Argon 在 Artificial Analysis Intelligence Index 上得分 53，追平 GPT-6 Astra（max，53），领先 GPT-6.1 Sol（max，52）1 分。这个分数比 Google 上一个非 Flash 模型 Gemini 3.1 Pro Preview 高出 23 分。
这一代最实质的变化是输出 token 上限从 64K 提到 1M。上下文窗口同样是 1M，多模态能力保留。官方说模型能在单次推理里生成几十万 token，做长程任务不用中途断开。
但这里有第一个值得注意的数据。Artificial Analysis 测出来，Argon 每个 Intelligence Index 任务平均输出 62K token，而 GPT-6 Astra 只有 27K。也就是说，Argon 跑一个任务吐的 token 是 Astra 的两倍多。这部分解释了为什么促销价能做到那么低——不是模型本身特别省 token，纯粹是单价补贴。
用促销价算，每任务成本 $1.99，是 GPT-6 Astra（$3.26）的 60%。但促销结束后涨到 $3.98，反而比 Astra 贵约 1.2 倍。
幻觉率是 Argon 最突出的亮点。在 AA-Omniscience 评测中，Argon 幻觉率 15%，是同级别模型里最低的。GPT-6 Astra 是 51%，GPT-6.1 Sol 是 54%。这意味着 Argon 不懂的时候更倾向于说"我不知道"，而不是胡编一个答案。准确率方面，Argon 为 50%，比 Gemini 3.1 Pro Preview 低 5 个百分点，比 GPT-6 Astra 低 13 个百分点。但由于幻觉率极低，整体 AA-Omniscience 评分 42，仍然与 Astra（43）和 Sol（42）持平。
Agent 能力是 Gemini 系列的历史弱项，但这次有明显改善。AutomationBench-AA 上 Argon 排第一，77.5%，领先 Claude Sonnet 5.5（max，71.3%）6 个百分点。Terminal Bench 4 得分 57%，相比 Gemini 3.1 Pro Preview 提升了 53 个百分点，排在 Claude Sonnet 5.5（64%）、Claude Opus 5.5（60%）和 GPT-6 Astra（59%）之后。AA-Briefcase 获 1494 Elo，其中 rubric 通过率 65% 是 Artificial Analysis 录得的最高纪录，但分析质量（1576 Elo）和展示质量（1308 Elo）偏低。
Vals AI 在 22 个基准里跑了 Argon，20 个进入前五。IOI 2024/2025/2026 全部满分，只有 GPT-6 Astra 也做到了。Vibe Code Bench 上完美构建 30 个应用，比 Claude Opus 5 的 25 个和 GPT-6 Astra 的 24 个都多。
Google 内部已经在用 Argon 干活了。量子计算团队用它优化子程序的时空资源，几分钟内把已发表基线提升了 40%。一组代理分析数据中心遥测数据，自主实施内存优化，释放了 300+ TiB 内存，预计总节省可达 500 TiB 到 1 PiB。代码迁移方面，Argon 代理正在把 C/C++ 迁移到 Rust，范围从 re2、libgav1 的几万行到 Fuchsia Zircon 内核的 80 万行。libgav1 的 Rust 移植里，Argon 用 profile-guided 实验替换了 32K 行 SIMD 代码，最终解码器比原 Rust 版快 2.7 倍。
网络安全是这次发布的核心叙事。Argon 被训练成能自主发现、验证和修补漏洞。它首先通过 Fairwind Program 交给可信网络防御者使用。Wiz 已经在 Scan for Good 计划里用它发现了一个影响全球医院软件的高危漏洞，之前的前沿模型都没识别出来。漏洞修复基准 CWE-bench v1 上得分 68%，并列第一。
安全机制方面，Google 列了四项：拒绝恶意请求、抵抗间接提示注入、监控模型是否越界、加固沙箱环境。这些不新鲜，但 Google 声称 Argon 是"最具鲁棒性"的一代。
获取顺序：先给防御者，然后逐步扩展到开发者、企业和消费者。付费 API 和 AI Ultra 订阅用户会先用到。
纸面数据好看到让一些人不信。但几个细节值得留意。第一，Argon 靠的是大量输出 token 来完成任务，而不是效率更高。促销价掩盖了这一点。第二，幻觉率低是因为它更谨慎，宁可不说也不瞎说，代价是准确率下降。这在某些场景是优点（你不会想要一个爱编造答案的安全工具），在另一些场景可能是缺点。第三，先给防御者再给普通用户这个顺序，说明安全是这次发布的主线，不是附属品。
基准终归是基准。等模型真正开放，跑一些实际任务再来看看是不是真功夫。
关注公众号回复“进群”入群讨论