谷歌发布Gemini 4 Argon：智能追平GPT-6，主打高性价比与低幻觉
新智元报道
沉寂7个月后，Google DeepMind于北京时间10月1日凌晨正式发布Gemini 4 Argon。这是其近半年来首款非Flash级专有模型，旨在通过极高的性价比和较低的幻觉率，重新确立在前沿大模型市场的竞争力。
在Artificial Analysis的智能指数评测中，Gemini 4 Argon获得53分，与GPT-6 Astra及Fable 5.1持平，略高于GPT-6.1 Sol。其显著优势在于将幻觉率降至15%，并在Agent能力及网络安全基准测试中表现优异。
目前，该模型已向选定用户开放，支持1M上下文窗口及多模态输入。凭借极具侵略性的首发定价，Argon直接冲击了当前大模型的价格战格局。
价格透视：单价极低但用量大，长期成本需精算
虽然智能分数追平竞品且账单看似更薄，但深入分析发现，Gemini 4 Argon采取了“低单价、高用量”的策略。促销期结束后，其实际任务成本可能反超部分竞争对手。
重回第一梯队，定价策略激进
Gemini 4 Argon是谷歌超过7个月来推出的首款高于Flash级别的闭源模型。其在智能指数上比上一代非Flash模型Gemini 3.1 Pro Preview高出23分，标志着谷歌重回全球顶尖AI实验室行列。
为吸引用户，谷歌制定了极具诚意的首发价格：
- 输入Token：每百万2美元（约为Opus 5.5的一半，Astra的1/5）；
- 输出Token：每百万10美元（同为Opus 5.5的一半，Astra的1/5）；
- 缓存折扣：符合缓存条件的输入享受95%折扣，折后每百万仅需0.10美元。
隐性成本：推理过程冗长导致总账单增加
尽管单价低廉，但Argon的平均单次任务输出量高达6.2万Token，远超Astra的2.7万Token。这意味着虽然“纸张便宜”，但“草稿”写得更多。
在智能指数测试平均任务成本中：
- Gemini 4 Argon：1.99美元（低于Astra的3.26美元、Opus 5.5的5.98美元）；
- GPT-6.1 Sol：仅0.72美元（Argon约为其2.7倍）。
需注意，上述价格为首发5折促销价。若恢复标准价（输入4美元/百万，输出20美元/百万），Argon的单任务成本将升至3.98美元，约为Astra的1.2倍。因此，企业用户在长期接入前，需结合自身任务的输入长度、输出需求及缓存利用率进行详细测算。
能力评测：低幻觉率与强大的Agent执行力
克制即智慧：幻觉率行业最低
在AA-Omniscience测试中，Gemini 4 Argon的幻觉率仅为15%，是智能指数45分以上模型中最低的（Astra为51%，Sol为54%）。这得益于模型更倾向于承认“不知道”，而非强行生成错误答案。
然而，低幻觉率并未完全转化为高准确率。Argon在该测试中的准确率为50%，低于Astra的63%。综合来看，Argon在“少犯错”方面表现卓越，但在“答对题”的数量上仍有提升空间。
Agent能力：自动化与安全领域表现突出
在实际执行任务方面，Argon呈现出差异化优势：
- 自动化基准：在AutomationBench-AA中以77.5%的成绩位列第一；但在Terminal Bench 4中得分为57%，落后于Sonnet 5.5、Opus 5.5和Astra。
- 任务完成度：在AA-Briefcase测试中，满足评分细则的比例高达65%，但分析与呈现质量偏低，显示其在“按要求交活”与“高质量交付”之间仍有差距。
- 网络安全：在CWE-bench v1中并列第一（68%），具备自主发现、验证漏洞并生成PoC（概念验证）的能力。
- 文本处理：在Text Arena中排名第一。
实战应用：已介入谷歌核心基础设施优化
相比榜单数据，Gemini 4 Argon在谷歌内部的实际应用更具说服力。目前，该模型已深入参与数据中心性能优化及代码迁移工作。
数据中心内存优化
Argon智能体通过分析数据中心性能数据，识别出内存优化点并实施改动，最终释放了超过300 TiB的内存资源。这一案例证明了模型在处理复杂系统工程问题上的实际价值。
代码迁移与性能提升
- C/C++转Rust：Argon正参与超过80万行内核代码向Rust语言的迁移工作，目前处于审计和测试阶段。
- 视频解码器优化：智能体使用安全Rust替换了3.2万行SIMD代码。结果显示，新版代码运行速度提升2.7倍，且视频输出保持一致，满足了严格的工程效率要求。
超长上下文与断点续传
Gemini 4 Argon支持1M Token上下文，可处理文字、图片、视频和语音。针对长任务易超时的问题，Gemini API新增“Long Decode Continuation”功能，允许长回复暂停并通过后续调用继续输出，理论上支持长达1M输出Token的推理过程，为复杂工程任务提供了技术保障。
随着OpenAI、Anthropic和谷歌形成三方抗衡局面，用户在选择模型时不仅关注分数和价格，更看重具体的工程落地成果。Gemini 4 Argon通过降低幻觉率和展示内部基建优化成果，展示了其在长期使用中的潜力。然而，促销期后的真实成本效益，仍需用户根据自身业务场景仔细评估。
参考资料：
编辑：Aeneas 大卫
