Gemini 4 Argon：谷歌新旗舰AI模型的工作原理及功能

根据谷歌官方博客的声明，谷歌于2026年10月13日向全球开发者、企业和消费者发布了Gemini 4 Argon。该公司将其描述为一个边界模型，旨在处理"深度工作"——编码、金融、法律工作、网络安全和科学中的复杂多步骤任务，而不是简短的问答交互。

Gemini 4 Argon的功能

根据谷歌的发布帖，Argon将多步骤任务的深层推理与文档、图像和空间环境的多模态理解相结合，同时具有充当自主软件代理的能力。该模型支持谷歌所称的一百万token"统一"输入输出限制，这意味着单次交互可以读取和生成大量文本、代码或数据，而不会失去上下文。

谷歌报告称，Argon在Vals指数上排名第一，该公司表示这个基准测试衡量金融、编码、法律工作和税务准备等经济重要任务的表现。该公司还引用了在具身推理(ERQA)基准测试上的87%分数，该测试评估空间和物理问题解决能力，并表示Argon在生物武器相关的红队测试中的漏洞解锁率低于1%。

编码：从Chrome的代码库到GitHub Copilot

谷歌的声明列举了几个内部和客户用例：工程师使用Argon帮助从Chromium的约4000万行代码库中分离出一个约600万行的浏览器功能遗留文件夹，而一个Python工作流优化任务据报道将会话准备时间缩短了40%。据说一个量子化学应用程序在Argon的帮助下运行速度提高了2.3倍。

根据GitHub更新日志，2026年10月13日，GitHub宣布Gemini 4 Argon在GitHub Copilot Pro+、Business和Enterprise计划中普遍可用，可从Visual Studio Code、Visual Studio、Copilot CLI、JetBrains IDE、Xcode和Eclipse中的模型选择器中选择。GitHub表示在早期测试中，Argon解决的编码基准任务比之前的Gemini模型更多，在Copilot CLI中获得最大收益，并且在完成前通过测试边界情况来检查其工作。Copilot用户的计费采用按使用量定价，按供应商的列表价率计费。

机器人学和物理推理

Google Developers博客上的一篇单独帖子重点介绍了Argon的机器人应用。谷歌表示，该模型可以将真实世界的机器人摄像头镜头、人类视角视频，甚至手绘草图转换为物理校准的模拟环境，这一过程被称为"Real2Sim"。在一个演示中，Argon在MuJoCo物理模拟中练习任务后，指导波士顿动力公司的Spot四足机器人检索和处置一个物体。

谷歌还表示，Argon可以在模拟中生成合成训练数据，以改进其他机器人控制模型，报告称一个视觉语言行为模型在Argon生成的数据训练后，任务成功率从56%上升到75%。该模型在开发者工具中被识别为gemini-4-argon，对于机器人工作，谷歌AI Ultra订阅者可通过Google AI Studio和Google Antigravity获得，也可通过Gemini API的付费层获得。

与竞争模型的比较

AI教育网站DataCamp发布的独立基准测试跟踪，汇总了谷歌发布的分数和竞争对手发布的分数，发现Argon在知识工作和长上下文任务上领先，但在一些纯编码和基于终端的基准测试上落后于竞争模型。

DataCamp的分析还指出，Argon标准API价格为每百万输入token 4美元、每百万输出token 20美元，与Claude Opus 5.5的价格相符，而其每百万token 2美元/10美元的介绍价格低于GPT-6 Astra在促销期间列出的10美元/50美元价率。

定价、可用性以及谷歌现在推广Argon的原因

根据谷歌自己的帖子，介绍性API定价——每百万输入token 2美元、每百万输出token 10美元，缓存输入有95%的折扣——运行至2026年11月30日，之后分别上升到每百万token 4美元和20美元。如果消费者持有AI Pro或AI Ultra订阅，他们可以通过Gemini应用和搜索中的AI模式访问Argon；Antigravity编码环境仅限Ultra订阅者使用，而科学家可以获得六个月的免费高级Antigravity访问权限，经过验证的网络安全专业人士可以通过谷歌的Fairwind Program申请。

新闻通讯社路透社在Investing.com刊登的报告中把这次发布放在更广泛的背景下，称谷歌推出Argon是为了在其DeepMind研究实验室延迟数月和领导层变动后，对抗OpenAI和Anthropic等竞争对手。报告称，谷歌此前取消了原定于6月发布的计划Gemini 3.5 Pro版本。报告中命名的早期客户包括德勤、LexisNexis、Ambience Healthcare和Isomorphic Labs，在Antigravity中使用Argon的团队据报道增加了35%以上的代理代码提交，同时将代码回滚减少了近三分之一。