Google DeepMind 10月13日宣布，Gemini 4 Argon 开始面向全球开发者、企业和订阅用户开放。开发者可通过 AI Studio 和 Gemini platform 的 API 使用；Google AI Pro、Ultra 用户可在 Gemini 应用与搜索 AI Mode 中体验，Ultra 用户还能在 Google Antigravity 中调用。
Gemini 是 Google 的多模态人工智能模型系列。Argon 的突出特点是持续处理复杂、多步骤任务：结合深度推理、视觉理解与专业领域知识，把代码、图表、长文档等信息串起来，推进从分析到执行的完整工作流。Gemini API 提供100万 token 的统一输入输出窗口，为长任务保留更大的处理空间。
编程方面，它不仅生成代码，也能跨文件重构和优化大型项目。Google 披露，Chrome 团队借助 Argon 完成 Chromium 数百个文件的架构重构，把原本数月的工作压缩到数周；ADK 团队让它自主寻找性能优化，使长会话的内存会话准备耗时下降40%、冷导入加快21%。
企业工作中，Argon 能综合包含文字、表格、图表和图片的长文档，进行多来源资料归纳、财务对账与差异分析，以及法律研究和文书起草。Isomorphic Labs 已用它梳理复杂 PDF 和专利，把通常耗时数周的信息提取流程缩短到数小时。
网络防御方面，Argon 可发现、验证并修补软件漏洞，企业可结合 CodeMender 或自己的安全工具开展防御工作。Google 同时扩大 Fairwind 计划，向经过审核的防御团队提供更完整的网络安全能力，帮助关键系统更快发现和修复风险。
与 GPT、Claude 相比，Argon 强在哪里？
Google 的2026年10月评测汇总，将 Argon 与 OpenAI GPT-6 Astra、Anthropic Claude Fable 5.1 和 Claude Opus 5.5 放在同一张表中。Argon 的优势集中在知识工作、长上下文理解和部分科研任务：金融多步骤研究、法律长任务、长视频理解以及大规模图遍历均取得较高分数。下面按原表列出各项成绩。
|
|
|
|
|
|
|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
这张表也呈现不同模型各自的强项：GPT-6 Astra 在 FrontierSWE v2 和 Terminal-Bench Science 0.1 得分更高；Claude Opus 5.5 在 Terminal-Bench 4.0 和 PostTrainBench 上领先。Argon 在 CWE-bench v1 漏洞修复测试上与 GPT-6 Astra 同为68.0%。这些分项更适合判断具体任务如何选模型。
测试怎么做：官方汇总与独立评测分开看
Google 说明，Argon 默认通过 Gemini API 使用最高 thinking 设置，除特别注明外按 pass@1 计分；单次尝试不进行多数投票或并行测试时计算，小规模测试通过多轮取平均降低波动。竞品成绩通常来自厂商自报，部分测试采用评测方公开榜单。
其中，Argon 的 DeepSWE v1.1 使用 mini-swe 智能体框架由 Google 自测；GPT-6 Astra 成绩取自公开榜单，Claude Fable 5.1、Opus 5.5 成绩取自各自系统卡。PostTrainBench v1.1 则对所有模型采用 OpenCode 框架、单张 NVIDIA H100、10小时预算，按四个基础模型和七项测试加权汇总。GraphWalks 为 Google 对所有模型自测：短上下文组含650题，256K至1M组含200题。LABBench 2 对所有模型开放 Linux 终端、预装生物信息工具、Python、R 和联网能力。
多模态测试中，Chartography 不使用工具，分数来自 Surge 公开榜单；LVBench 为 Google 无工具自测，Gemini 按每秒1帧采样，GPT-6 Astra 输入800帧、Fable 5.1输入300帧、Opus 5.5输入600帧。CWE-bench v1 分数取自公开榜单，按 pass@1 排名、同分再按 pass@4 区分。Google 的 Terminal-Bench Science 0.1 自测将验证器超时时间设为6倍。
独立评测机构 Vals AI 的10月13日 Vals Index v2.1榜单给出了更精细的分数：Argon 68.90%，Claude Sonnet 5.5为67.04%，Claude Opus 5.5为66.97%，Claude Fable 5.1为65.83%，GPT-6 Astra 为63.13%，GPT-6.1 Sol 为61.15%。该指数按美国GDP权重汇总金融、编程、法律和税务任务，包含六项私有及两项公开测试。Argon 在这一综合指数位列第一。
Vals 的方法说明也值得结合成绩一起看：Sonnet 5.5、Opus 5.5和Fable 5.1部分题目在服务商拒绝后由备用模型完成；若把这些题目计为失败，三者分别为65.85%、65.05%和64.59%，排序不变，Argon 没有使用备用模型。不同分项中，Sonnet 5.5领跑 Vibe Code Bench 和 Code Migration，Opus 5.5领跑 Terminal-Bench 4.0，Argon 领跑 Finance Agent v2，体现专业工作负载的不同侧重。
从开发到科学研究，长任务能力已经落到实处
Argon 的设计重点是把多步执行推进到底，而不只在对话中给建议。Google 的科学团队用它优化开源量子化学软件 xTB，分子结构预测最高加快2.3倍、构象搜索加快1.8倍，改动已贡献到官方代码仓库；团队还借助它优化 Gemma 4 E2B 在 A100、vLLM 下的推理，实现2.85倍端到端加速并保持 token 输出一致。这些案例展示了模型分析代码、提出优化、检验结果的实际用途。
对企业而言，长文档理解和工具执行可以衔接起来：从项目资料整理客户提案，到财务对账、法律文书研究和代码审查，Argon 将非结构化输入转成可继续使用的工作结果。科研用户还能申请 Google 面向1万名科学家提供的 Antigravity 最高使用档6个月免费计划，按资格、容量和遴选滚动开通。
开发者初体验：回答更切题，也会主动搭建验证工具
开放后，开发者开始分享具体上手感受。X 用户 @tmuxvim 的第一印象是“速度相当快”。在 Hacker News 的 Argon 讨论中，svara 把近期主要交给 Claude Fable 和 Opus 5.5 的探索性问题重新交给 Argon，认为它的回答更切题、逻辑结构清楚、文字表达直接；他尤其喜欢模型搭建可调参数的小型模拟，让人查看不同假设如何改变经济情景。这位用户当时尚未测试编码，分享的是非编码任务的个人体验。
另一位用户 charm137 则通过 OpenRouter 用 Argon 排查 Vulkan 图形代码。他描述，模型会主动在多轮渲染代码中加入检测，将帧缓冲导出为 PNG 并做逐像素比较，还会给着色器添加假色以定位问题，让他印象深刻。这种体验具体展示了编程助手从读代码走向构建调试与验证手段的过程；这些社区反馈属于个人使用案例，与前面的统一基准成绩分别呈现。
开放入口与 API 价格
Argon 的 API 付费层现已在 AI Studio、Gemini platform 等入口开放，模型ID为 gemini-4-argon。促销期截至2026年11月30日：每百万输入 token 为2美元、输出10美元，缓存输入按输入价优惠95%；之后标准价格为输入4美元、输出20美元。普通用户通过 Google AI Pro、Ultra 订阅在 Gemini 应用和搜索 AI Mode 使用，开发者和企业可把它接入已有工具与工作流。
来源：Google、Google Cloud、Google DeepMind评测方法与模型卡、Vals AI（2026年10月13日榜单）、X、Hacker News。