还得是谷歌，Gemini 4 发布猛得离谱 —— Argon 独占 12 项基准第一

一句话总结

谷歌 Gemini 4 Argon（DeepMind 七个多月来首款高于 Flash 旗舰）昨夜发布 —— 18 项基准 12 项第一 + 1 项并列，DeepSWE v1.1（真实软件工程）77.9% 全球第一，AII 智能指数 53 分与 GPT-6 Astra 持平。幻觉率 15%（45+ 分模型中最低）。输出上限拉到 100 万 token（业内第一）。

关键数据

维度	数值
DeepSWE v1.1（真实软件工程）	77.9%（全球第一）
Vals Index（知识工作综合）	#1
AutomationBench（智能体能力）	#1
AI 智能指数（AII）	53 分（与 GPT-6 Astra 持平，超过 GPT-6.1 Sol 1 分）
AA-Omniscience 幻觉率	15%（45+ 分模型中最低）
输出 token 上限	1,000,000（之前 64K，业内第一）
输入模态	文本 + 图像 + 视频 + 语音
输出模态	文本

18 项基准对比（谷歌官方）

模型	第一	并列第一
Gemini 4 Argon	12	1
GPT-6 Astra	3	—
Claude Opus 5.5	2	—

“谷歌如今再次重回人工智能领域三大顶尖实验室之列。”

智能体性能（Argon 的”弱项”被打破）

基准	Gemini 4 Argon	Claude Sonnet 5.5	差距
AutomationBench-AA	77.5%（#1）	71.3%	+6.2 分

“智能体性能历来是 Gemini 模型的弱项，但 Gemini 4 Argon 在各项智能体评估中均有所提升。”

谷歌自家业务的”硬证据”（不靠 PR / 靠跑分）

1. 量子计算优化

利用 Argon 帮助量子计算研究人员优化子程序的时空资源
（量子比特 × 量子门）

几分钟内将性能提升 40% → 超过已发布基准水平

2. 数据中心内存优化

Argon Agent Team 分析整个集群的遥测数据
自主识别 + 应用 Google 数据中心内存优化

→ 释放 300 TiB+ 内存
→ 总节省预估 500 TiB - 1 PiB

3. 大规模 C/C++ → Rust 迁移

迁移规模：
- re2、libgav1 等核心库 → 数万行
- Fuchsia Zircon 内核 → 80 万+ 行

→ 对模型能力的考验"不是一点半点"

API 定价

类别	标准价	优惠期（50% off）
输入	$4 / M tokens	$2 / M
输出	$20 / M tokens	$10 / M
缓存输入	$2 / M（默认）	$0.10 / M
缓存折扣	95% off	—

对比 Gemini 3.8 Flash 的 90% 折扣——Argon 缓存折扣 +5 个百分点。

放出节奏

阶段	谁能用
Phase 1（现在）	可信网络安全防御者（Fairwind Program）
Phase 2	付费 API + Google AI Ultra 用户
Phase 3（未公布时间）	广泛开放

“希望不要像某些家伙一样，快放出给测测。”

关键能力（官方定位）

“Gemini 4 Argon 主打长程复杂任务。”

三大主战场

场景	关键能力
软件工程	大规模代码库迁移 / 持续多日 debugging / 算法设计
金融 / 法律知识工作	Vals Index 领先
网络安全防御	漏洞发现 / 验证 / 修复

数千名谷歌员工的反馈

“强调了该模型在专业编码任务、深度研究、高质量写作方面的优势。”

作者（苍何）点评

“没拿到测试 —— 在当下，我认为 Claude Opus 5.5 依旧是神，那种爽感是完全不一样的。”

“如果 Gemini 4 Argon 比不过 Opus 5.5，大概率就是在拉。”

“我不知道为什么每次，这帮人老喜欢在中国的节假日发布新模型，太气人了。 国庆第一天，别人在高速上堵车，我在电脑前熬夜看跑分。”

“发布会看跑分，干活还得看手感 —— 等 Argon 正式开放，我第一时间拉真实项目去测。”

配图

来源

• 网易新闻（苍何 · 知乎）· 原文
• Google 官方博客：Introducing Gemini 4 Argon（blog.google/innovation-and-ai/…/gemini-4-argon/）
• DeepMind 模型页：deepmind.google/models/gemini/
• Artificial Analysis（第三方评测）：ArtificialAnalysis.ai
• 知乎 @ 苍何（605 篇原创）