10 月 13 日，Google 面向开发者、企业、科研人员与消费者扩大开放Gemini 4 系列的首发模型 Gemini 4 Argon。这款在 9 月底率先向安全合作伙伴亮相的旗舰模型，终于进入了更广泛的日常使用场景。
随之而来的，是两种反差鲜明的评价。
- 在官方案例与专业任务评测中，Argon 的表现相当亮眼。它以68.9%的成绩登上 Vals Index 第一，平均每项测试成本为15.68 美元；协助 Chrome 团队重构 Chromium 中的历史代码；看过人类扔沙包的视频后，还能编写仿真代码，帮助人形机器人连续投中 7 次。API 首发价格也很有吸引力，每百万输入2 美元、输出10 美元，缓存输入享受95% 折扣。
- 到了开发者的日常体验中，评价却没那么一致。卡兹克的实测文章以“跌跌撞撞的背水一战”为题，给这次发布泼了一盆冷水。通用屏幕操作评测CUA-bench上，Argon 仅得4.83%，排名倒数第二。前端效果、中文语感与订阅额度，也出现在了部分用户的负面反馈中。
为什么一款能参与量子计算、核聚变研究和大型代码库重构的模型，到了日常开发与交互中，却未必让人觉得好用？沿着价格、工程案例与实际使用场景看下去，这种落差就容易理解了。Google 开放公告、Vals 评测、卡兹克实测
一、价格先出招，2 美元输入与 95% 缓存折扣
无论日常体验评价如何，Gemini 4 Argon 的首发价格都足够引人注意。
GPT-6 Astra 的输入、输出价格为每百万 Token 10 美元和 50 美元，Claude Opus 5.5 为 4 美元和 20 美元。Argon 则以2 美元输入、10 美元输出进入市场，同时提供100 万 Token 的统一输入输出上限，并引入跨轮次延续协议（Continuation Protocol）。
这组首发优惠价持续至2026 年 11 月 30 日，之后输入、输出价格分别调整为每百万 Token4 美元和 20 美元。Google 定价说明
| 核心对比维度 | Gemini 4 Argon | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
| 每百万输入 Token | $2.00，首发优惠价 | $4.00 | $10.00 |
| 每百万输出 Token | $10.00，首发优惠价 | $20.00 | $50.00 |
| Vals Index | 68.90% | 66.97% | 63.13% |
| Vals Index 平均每项测试成本 | $15.68 | $32.14 | $18.46 |
| CUA-bench | 4.83% | 14.00% | 19.17% |
表中的 Vals 成本按其评测页面所列价格计算，Argon 使用的是 4 美元输入、20 美元输出的标准价。Argon 数据、Opus 5.5 数据、Astra 数据
对需要反复处理财报、法律卷宗和长篇日志的企业应用，首发期每百万缓存输入0.10 美元很有吸引力。相同背景材料在多轮任务中重复使用时，缓存可以明显降低输入开销。
二、硬核工程与科学攻坚，Argon 的四大主战场
把视线转向系统重构、算法优化和前沿科学研究，Argon 配合 Google Antigravity 展现出了更鲜明的优势。
Google 公布的内部数据显示，使用 Antigravity 中的 Argon 后，团队的智能体代码提交量提升了35% 以上，代码回滚率降低了近三分之一。官方案例的共同特点，是任务复杂、执行时间长，而且有明确的测试或实验结果可供检查。
Gemini 4 Argon 在 Antigravity 中的工作方式 提供 .agents/skills 规则与项目背景 ↓ 明确目标、兼容要求和测试规范 ↓ 通过 /goal 等方式启动任务，按需组织多智能体协作 ↓ 执行修改 → 运行测试或基准 → 根据结果继续调整1. 从 Chromium 600 万行历史代码中解耦核心逻辑
Chromium 拥有约 4000 万行代码，其中一个历史遗留的浏览器功能目录就有约 600 万行。Argon 协助 Chrome 团队将核心网页处理逻辑从中分离，完成了横跨数百个文件的架构调整，把原本需要数月的工作压缩到了数周。
这项重构将支持实时网页在标签页、侧边栏和浮动窗口之间迁移而无需重新加载，并消除一类相关的浏览器崩溃问题。
它的难点在于梳理长期累积的依赖关系。局部代码改对了，还要让整个浏览器继续正常工作。
2. 夜间自主优化生产级框架与底层算子
- 优化
google/adk-python。Google 的 Agent Development Kit 团队把.agents/skills规则和一段任务目标交给 Argon，要求减少框架开销，同时保持现有应用兼容。模型在夜间自主运行，找到的优化让长会话内存准备时间缩短了40%，冷启动导入速度提升了21%。 - 将 Gemma 4 推理吞吐提升至 2.85 倍。在 A100 GPU 上，Argon 基于 vLLM 优化 Gemma 4 E2B，从注意力调优到投机解码持续改进，几天内将吞吐从约 37,900 tokens/s 提升至超过108,000 tokens/s。Google 报告称，输出 Token 保持完全一致。
- 加速开源量子化学库
xTB。Argon 协助研究人员将分子结构预测速度最高提升至2.3 倍，构象搜索速度提升至1.8 倍，相关修改已贡献到官方 GitHub 仓库。
3. 从量子计算、核聚变到罕见病研究
在 AI for Science 领域，Argon 也交出了具体结果。
- 量子计算。它将内部版本的量子纠错解码器 AlphaQubit 转换为单一优化硬件内核，使推理吞吐接近翻倍。对于量子子程序
arcsin，Argon 编写、并经 Lean 形式化验证的实现，相比已发表的量子 CORDIC 基线，将时空成本降至原来的百分之一以下。 - 核聚变。Google 团队与马里兰大学 Matt Landreman 教授合作，发现了更广泛的一类 Grad 猜想反例，为仿星器三维磁场仿真提供新的验证基准。
- 生命科学。Gamow Labs 使用 Argon 分析罕见病新生儿的去标识化基因组，在一个案例中定位了常规软件多年未发现的染色体重排。在该机构的评测中，Argon 以RareBench 57%、LabBench 52.2%的成绩领先。另一个酶设计案例中，Argon 在数小时内完成数据整理、模型调优与候选筛选，最终五个新设计均在后续实验中表现出催化活性。
4. 具身智能，看一段人类视频，让机器人连续投中 7 次
在考察物理与空间问题的ERQA基准上，Argon 得到了87%的成绩。
Google 的内部测试更直观。研究人员给它播放一段人类玩沙包游戏（Cornhole）的视频，Argon 提取环境空间坐标、计算全身关节动作，并自主编写仿真代码。迁移到 Apptronik 的 Apollo 人形机器人后，机器人在实际测试中连续投中7 次。
这套“视频 → 仿真 → 真机”的流程，将原本需要数周的人工仿真建模工作压缩到了数小时。
以上工程、科研与机器人案例均来自 Google 本次开放公告。Google 案例详情
三、实测中的落差，为什么日常开发体验没有同样惊艳？
这些案例足够亮眼，但普通开发者每天面对的，往往是另一组任务。操作软件、搭建页面、修改文案，以及在有限额度里快速完成工作。
Argon 的争议也集中在这些地方。
1. GUI 屏幕控制明显落后，CUA-bench 仅 4.83%
Computer Use 要求模型像人一样看屏幕、点击按钮，操作没有现成 API 的软件。
在 Vals 的CUA-bench上，Argon 得分4.83%，在当前列出的九款模型中排名第八；GPT-6 Astra 为19.17%，Claude Opus 5.5 为14.00%。
这与 Argon 在 ERQA 上的 87% 形成了鲜明反差。它对物理空间的理解表现突出，通用桌面软件操作却是另一项需要补上的能力。重度依赖跨软件填表、桌面点击与界面导航的工作，仍然更适合优先考虑 Astra 或 Opus。Vals 屏幕操作评测
2. 前端审美与交互生成，没能带来同样的惊喜
Google 展示了通过/goal和多智能体协作生成 3D 场景、游戏与动画的能力。这些案例证明了 Argon 在视觉编程上的进步。
部分前端实测反馈则更看重另一部分。日常 Web 页面需要舒服的排版、完整的交互和稳定的视觉细节，能生成复杂场景，也未必会生成用户最想要的界面。
在这些反馈中，GPT-6 Astra 的页面效果更受偏爱。Argon 最抢眼的案例，仍然集中在复杂逻辑、工程重构和性能优化上。
3. 中文语感仍显生硬，“翻译腔”没有消失
Google 在发布材料中强调，Argon 的回答更直接，重复和陈词滥调更少，遵循写作风格要求的能力也有所提升。
部分中文写作反馈却没有那么乐观。长文中的机械感、概念堆叠和翻译腔，仍然影响阅读体验。对日常写稿、润色和沟通而言，用户很容易注意到这些问题。
工程任务里一次明显的性能提升，可以直接体现模型价值；写作任务里，一个生硬的转折、一段空泛的总结，就足以让人继续选择原来用顺手的工具。
4. 100 美元起的订阅门槛，与长任务的额度消耗
在 Antigravity 中使用 Argon，目前面向 Google AI Ultra 订阅用户开放。Ultra 提供100 美元/月和更高档位的方案，对只是想尝鲜的个人用户，这笔固定支出并不低。Google 订阅介绍
长时间推理、多轮工具调用和多智能体协作，又会持续消耗使用额度。用户提到的“额度掉得快”，也说明低 API 单价与订阅使用体验之间存在落差。
Argon 同时提供 API 接入，Gemini 应用也向 Pro 和 Ultra 用户开放。轻量使用可以从已有入口或按量调用开始，无需为了尝鲜直接升级到 Ultra。
四、安全设计的亮点，避免直接惩罚模型的思考过程
Gemini 4 Argon 的安全方案里，有一项训练原则值得关注。
面对权限错误或测试失败，智能体可能为了完成目标而走捷径。Google 因此训练 Argon 尊重系统边界、如实报告负面结果，并在不可逆操作前停下来请求确认。官方报告的编码评测中，走捷径尝试率降至 2%；在 Gray Swan 间接提示注入（IPI）评测中，15 次自适应攻击的成功率为0.7%。
Google 还部署了自动化失准监控器（Automated Misalignment Monitor），读取智能体的逐步推理与行动，实时识别并阻止不当的绕行行为。
其中一条明确原则是，在训练中避免直接惩罚模型写出的思考内容，让推理过程保持可监控性。
监控器读取逐步推理与行动 ↓ 识别并阻止不当操作 强化学习训练中避免直接惩罚思考内容 ↓ 减少模型隐藏相关推理的激励，保留监控线索这套设计关注的是一个实际问题。如果训练奖励只让模型学会把危险想法藏起来，监控器就会失去有用的信号。保留这些信号，再对行动进行检查，是 Google 这次强调的安全思路。Google 安全设计说明
五、架构师选型指南，三款旗舰怎么用？
结合这次发布的工程案例、评测与使用反馈，Argon 的适用方向已经比较清楚。
值得优先考虑 Gemini 4 Argon 的场景
- 大型后端重构与底层算法调优。处理复杂代码依赖、优化 GPU 内核，或承担数学与科学计算任务，这些都与它公开展示的强项相吻合。
- 专业文档与知识分析。金融、法律、税务等任务需要处理大量材料，Argon 的 Vals Index 表现与首发 API 价格都很有吸引力。可重复使用的长背景材料，还能利用缓存降低开销。
- 具身智能与三维物理仿真。机器人控制代码生成、空间推理和仿真建模，是本次发布中值得关注的方向。Google 还开放了科研资助申请，计划向 10,000 名科学家提供六个月的 Antigravity 最高使用档位。
更适合继续使用 Opus 5.5 或 GPT-6 Astra 的场景
- 重度依赖 GUI 的桌面 Agent。CUA-bench 的差距相当直接，Astra 与 Opus 都排在 Argon 前面。
- 已经有稳定效果的前端与中文创作流程。如果目前的页面效果或文风已经满意，Argon 的科研成绩并没有构成迁移这些工作的理由。
- 个人轻量级日常使用。偶尔问答、修改文案或处理小任务，可以继续使用已有订阅，需要 Argon 时再通过付费 API 按量调用。
Gemini 4 Argon 最有吸引力的地方，是复杂工程、科研任务与长上下文处理中的具体产出。600 万行历史目录里的解耦工作、2.85 倍的推理吞吐、机器人连续投中 7 次，这些案例比“全能旗舰”更能说明它的价值。
至于每天都要用的桌面操作、前端页面和中文写作，用户的要求也很直接。做出来的东西好用，过程顺手，才值得换工具。
如果你需要在工作流中接入API，自由切换全球200+大模型，魔芋提供合规保障、财务开票、企业级网关、技术支持与定制服务，助力更高效地管理应用AI能力。https://www.konjac.ai/register?aff=qBX9
