说实话，谷歌就像一家看天吃饭的公司，天气转凉，他们的旗舰产品也就成熟了。
就在刚才，Gemini 4 Argon 正式向全球的开发者、企业以及付费订阅用户逐步开放。
按照谷歌的规划，这一版本主要强化了编程能力、专业知识处理以及复杂任务的持续执行，同时将原本就擅长的视觉理解、空间推理和工具调用能力提升到了新的高度。
从官方展示的演示来看，Gemini 4 Argon 最突出的优势依然是多模态功能。
输入一段关于风筝的文字描述，生成的效果直接令人惊叹。
而在大家更为关注的能否重回行业第一梯队、为用户提供更多模型选择方面，Gemini 4 Argon 在评测中的表现也相当亮眼。
根据谷歌自家的评测，Gemini 4 Argon 覆盖了办公、智能体编程、机器学习以及科学推理等多个领域，整体性能已接近 GPT-6 Astra 和 Opus5.5 的水平，甚至在不少项目中实现了领先。
在第三方 Artificial Analysis 智能指数中，Argon High 与 GPT-6 Astra Max、Claude Fable5.1 Max 并列获得53分。
更关键的是，在达到相同水平的情况下，Argon High 的每任务平均成本仅为1.99美元，比 Astra 低了大约39%。
这种成本优势体现在首发价格上，就是 API 每百万输入 token 仅需2美元，输出10美元。粗略计算，Argon 的调用成本大约是 Opus5.5 的一半，Astra 的五分之一。
值得一提的是，优惠活动持续到11月30日，从12月1日起，输入和输出价格将分别恢复到4美元和20美元。也就是说，先打五折，欢迎大家试用。
当然，如果模型不够聪明，执行任务时反复消耗 token，那省下的钱可能又会全部烧回去。
提前体验过 Gemini 4 Argon 的 Ethan Mollick，也给出了相当中肯的评价：
这一代相比之前的 Gemini 是一次明显的飞跃，创造力、写作和使用体验都有提升，但在复杂的多智能体任务上仍有差距，偶尔还会过于自信或偷懒。
至于为什么新一代旗舰又让大家等了这么久，我查看了谷歌的新发布页面，发现了一份217页的安全报告。
（谷歌还是太怕出问题了）
最突出的还是多模态
从 Pro 版本一次次跳票，到今年9月30日宣布首期限量，再到不知道多少个“下周见”之后——
Gemini 4 Argon，终于来了。
在官方技术博客中，谷歌将 Argon 的核心升级总结为一点：更强的长流程任务执行能力。
简单来说，模型不再只是回答问题，而是理解目标后，能够自己查找资料、调用工具、修改代码、检查结果，在多个步骤间持续推进，真正完成一件复杂的事情。
不过，相比企业或工程场景的示例，谷歌这次最愿意展示和推广的还是多模态能力。
比如，皮查伊在推特上发布了一波“自家模型生成自家手机”的演示——
Argon 直接生成了 Pixel 手机相关的3D场景。
另一个案例中，Argon 甚至完全通过代码生成了一套3D动态排版效果，包括其中的音乐。
整个过程没有调用预录素材，也没有使用视频编辑软件。
哈萨比斯在转发巫师棋演示时，也特别提到了模型对物理规律和3D建模的理解。
甚至这一幕，让他想起了自己当年在 Amiga 上玩《战争象棋》的经历。
当然，网友也没闲着，很快将 Argon 与 GPT、Claude、Kimi 等模型放在一起进行了生成效果对比。
整体来看，谷歌这次的视觉质感确实非常突出，尽管细节上，比如鲸鱼的运动，仍能看出一些不自然。
不过，也有网友测试的结果是，Opus 5.5 依然是最强的。
除了好看的演示，这种空间理解能力也进一步延伸到了真实机器人上。
在官方展示中，Argon 观看了一段人类玩沙包投掷游戏的视频。
随后，它分析了环境中的空间关系，计算全身关节运动，自主编写仿真代码，并将方案迁移到 Apptronik 的 Apollo 人形机器人上。
可以说，看着 GPT 和 Claude 最近疯狂进军机器人领域，谷歌这次也终于坐不住了。
谷歌表示，这套“视频—仿真—现实”的流程，可以将过去需要数周人工完成的机器人仿真建模工作，压缩到数小时。
背后的意义是，人类示范正在变得更容易转化为机器人可以学习、练习和验证的任务。
过去，看视频理解动作、搭建仿真环境、编写控制代码，往往是三个割裂的环节。
而现在，多模态模型开始尝试将这条链路串联起来。
编程提升，谷歌先用自己的代码库测试
在编程方面，这次 Gemini 4 Argon 的核心提升是处理大型真实项目的长期维护和优化能力。
相比过去只能完成单个代码任务，新一代模型更擅长理解整个代码库的结构，定位性能瓶颈，并跨文件修改、运行测试，将一个复杂工程任务持续推进下去。
谷歌首先用自家的开源智能体框架 ADK 验证了这个能力。
这个 Python 项目大约有20.5万行代码。团队给 Argon 的任务是：在不改变接口和现有行为的情况下，降低框架运行开销，并通过测试证明优化有效。
结果，Argon 在无人值守状态下连续工作11小时，提出了涉及32个文件的6项优化方案，并跑完了全部16892项开源测试。
最终，经过工程师审核，其中两项优化被合并，包括减少会话历史复制开销，以及让大型模块按需加载。
基于这些修改，ADK 长会话中的内存准备开销降低了大约40%，包导入耗时降低了21%。
类似的能力，也被谷歌用在了更大规模的工程任务中。
在 Chromium 浏览器项目中，Argon 协助完成了一项涉及数百个文件的架构重构，将原本预计需要数月的工作压缩到了数周。
此外，在优化 Gemma4E2B 推理程序时，Argon 将特定配置下的吞吐量从每秒大约3.79万个 token 提升至超过10.8万个 token，端到端速度达到了原来的2.85倍。
谷歌表示，这类优化过去通常需要数月时间，而这一次只用了几天。
从谷歌内部整体来看，过去几周，Antigravity 中的 Argon 已帮助团队将智能体代码提交量提升了超过35%，代码回滚次数减少了近三分之一。
当然，也有网友表示，自己用起来就没这么好了。具体表现还要看之后的大规模使用效果。
这也与前面的榜单相互印证：Argon 在 DeepSWE、Vibe Code Bench 上表现很强，但在 FrontierSWE 和 Terminal-bench 中，仍落后于表内几款主要竞品。
真实项目中已经看到了收益，但能否稳定复现到更多人的工作中，还需要继续观察。
专业知识工作能力进一步提升
在专业知识工作方面，这次 Gemini 4 Argon 的提升主要体现在处理多种材料、关联信息，并将结果整理成可直接使用的成果。
官方展示了一个非常典型的办公场景：
用户给 Gemini 一个装满零散项目资料的文件夹，要求它整理成一份客户提案。
随后，Gemini 会根据自定义技能生成演示文稿，起草邮件、发送材料，并为后续客户请求设置自动化流程。
此外，Gemini 应用也同步加入了任务入口。用户可以从聊天切换到任务执行模式，让模型在用户离开电脑后继续完成工作。
与此同时，Antigravity 的编程界面也被整合进了 Gemini macOS 应用。
在科研场景中，这种连续执行能力进一步延伸到了实验验证。
谷歌科学家让 Argon 参与设计丝氨酸酯酶。模型在数小时内完成了数据整理、模型调优和候选筛选，最终提出了5个新设计。
随后，研究人员将这些设计送进实验室，验证它们是否真正发挥作用。
实验使用的检测分子，其酯键被切断后，生成的产物会在紫外光下发出荧光。根据谷歌披露的结果，五个设计均表现出较强的催化活性。
模型提交的方案，已经走到了实验验证这一步。
谷歌还宣布，将向符合条件并获选的1万名科学家，免费提供六个月的 Antigravity 最高使用额度，分批开放。
One more thing
前面虽然调侃谷歌怕出问题，但这次的安全能力确实值得单独提一下。
在评估漏洞修复能力的 CWE-bench v1 中，Argon 取得了68%的成绩，与 GPT-6 Astra 同处官方对比表的最高分。
前 Anthropic、现 DeepMind 机械可解释性负责人表示，Argon 的安全报告是 Google 目前最详尽的。
217页当然详尽。
在 Gray Swan 间接提示词注入评测中，经过15次自适应攻击尝试，Argon 的攻击成功率为0.7%。
所以，那217页里，还是有不少实质性内容的。
至于这是不是旗舰发布缓慢的原因，我们也没有证据。
只能说，模型终于发布了，谷歌还顺便交出了一本书。
参考链接
[1]https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/
本文来自微信公众号“量子位”，作者：henry，36氪经授权发布。