Gemini 4 Argon实测：定价激进，3D能力需调教

Google 终于发布了 Gemini 4 Argon，作为 Gemini 3.1 Pro 的继任者，这款模型承载着 Google 在高端 AI 竞争中扳回一城的期望。YouTube 科技博主 Bijan 在获得早期访问权限后，对其进行了深度实测，从定价策略到编程能力，再到 3D 场景生成，结果可谓喜忧参半。

定价策略：先甜后苦

Gemini 4 Argon 目前采用限时 introductory price，输入每百万 token 2 美元，输出每百万 token 10 美元，与 Sonnet 5.5、GPT-6.1 Soul 处于同一价位。但这个价格仅维持到 11 月 30 日，之后将翻倍至输入 4 美元、输出 20 美元，直接对标 Opus 5.5 和 Meta 的 Muse Wonder。

博主坦言，在低价区间，Argon 的竞争力“非常强”，甚至可能优于 GPT-6.1 Soul 和 Sonnet 5.5。但价格翻倍后，它需要面对更严苛的对比。他个人希望 Google 能维持 introductory price，毕竟到 11 月 30 日，竞品可能也已经迭代。

技术规格：超长输出与原生多模态

Argon 的技术参数有几个亮点。它原生支持多模态输入，涵盖文本、图像、视频、音频和 PDF，输出为文本。上下文窗口达到百万 token，默认最大输出为 65,536 token，但可扩展至略超百万 token——这在当前模型中相当罕见，通常 128k 输出已属优秀。

默认推理努力级别为“medium”，用户可以在 AntiGravity 平台中手动提升。博主提到，模型还提供了“boost”和“teamwork preview”等模式，前者适合短周期高强度任务，后者面向长周期任务。

零样本（Zero-shot）与少样本（Few-shot）：零样本指模型在没有任何示例或额外训练的情况下直接完成任务；少样本则是在提示中提供少量示例。文章强调 Argon 并非“零样本高手”，意味着其首次输出质量有限，需通过多轮对话、反馈或示例引导才能达到更优结果。这与模型是否具备强指令遵循和泛化能力有关，也直接影响用户体验和调教成本。

推理努力级别（Reasoning Effort）：这是部分新一代模型提供的可调参数，用于控制模型在生成答案前进行内部推理的“思考量”。级别越高，模型可能进行更长的链式推理，适合复杂任务但延迟和成本更高；级别越低则响应更快、成本更低。Argon 默认 medium，并允许在 AntiGravity 平台手动提升，体现了在质量、速度与费用之间权衡的设计思路。

前端审美与零样本能力：明显的短板

在 AntiGravity 中，博主让 Argon 生成一个“浏览器操作系统”。结果呈现了典型的 Gemini 风格：Synthwave 美学、密集的前端界面、内置音效。博主直言“我不是前端风格的粉丝”，界面过于拥挤杂乱。

更关键的是，Argon 并非“零样本高手”。首次生成的结果往往较为基础，需要用户多轮反馈甚至“吼它几句”才能产出更好的版本。博主在多个测试中重复了这一观察：初始输出不如 Claude 的 Sonnet 或 Opus 系列惊艳，但经过调教后有显著提升。

3D 与游戏生成：有深度，但需耐心

博主运行了多项传统测试，包括 C++ 滑板游戏、机器人手臂操作、Subway FPS 和 3D 汽车建模。

滑板游戏首次生成耗时约 39 分钟，结果“远比预期基础”，画面细节不足，但游戏逻辑和可玩性尚可。博主随后给模型提供了一分钟的视频参考（来自 Sonnet 5.5 的同类结果），要求它超越参考。经过约 1 小时 10 分钟，Argon 确实吸收了视频中的 splash 逻辑、NPC 评论和运动轨迹等元素，但图形保真度仍未达到 Claude 的水平。

机器人手臂测试中，Argon 用 22 分钟完成了任务，是第二快的成绩，且比之前某个“失败中成功”的 Claude 模型更胜任。它还表现出对物体朝向的细致关注，会调整夹爪使汽车保持与初始图像平行的方向。

Subway FPS 首次生成环境过于简单，但经过“AAA 风格”的反馈后，敌人模型、子弹孔和场景细节均有明显改善，甚至加入了列车晃动时把手同步移动的效果——此前仅在 Meta Muse 中见过。

最令博主印象深刻的是 3D 汽车建模与驾驶模拟。经过四天断断续续的交互，Argon 在 Blender 中构建了一辆 1980 年代 Saab 900 Turbo，并扩展成一个包含经销商、机械师和驾驶场景的小型模拟器。模型还原了中置钥匙孔、电池位置、仪表盘绿光等细节，甚至模拟了减速时的回火声。博主评价这是“前沿级结果”，但强调“绝非一次成型”，需要大量来回打磨。

逆向工程：两小时半的“疯狂”移植

视频标题中的“Insane”很可能来自这项测试。博主提供了一款 2000 年的老游戏《Insane》的 heavily modified 版本，要求 Argon 将其“逐字节重编译”并原生运行在 Linux 系统上，同时提升性能。

结果，Argon 在 2.5 小时内完成了移植，游戏成功以原生分辨率运行，软体碰撞物理效果完好。博主随后要求它生成一段动画信息图解释过程，模型也顺利交付。作为对比，他用相同的提示和文件在另一台电脑上测试了 Meta 的 Muse Wonder，后者“直接卡死”，未能像 Argon 这样快速完成。

逐字节重编译（Byte-for-byte recompilation）：通常指将为某一平台编译的二进制程序，通过反汇编、反编译或二进制翻译，重建为可在另一平台原生运行的代码或等价物。它要求模型理解底层指令集、内存布局、调用约定和平台差异。文章中的测试要求 Argon 将 2000 年 Windows 游戏移植到 Linux 并提升性能，属于高难度的系统级编程任务，能较好检验模型对代码语义和底层细节的把握。

软体碰撞物理（Soft-body collision physics）：软体物理模拟可变形物体（如布料、果冻、轮胎形变）在碰撞中的行为，计算量远高于刚体物理，涉及连续介质力学、约束求解和数值稳定性。文章多次提到软体碰撞效果完好，说明 Argon 在生成或移植游戏逻辑时，能保留较复杂的物理模拟代码与参数，而不仅是界面或简单交互。

总结：有深度，但非全能

Bijan 的结论是，Gemini 4 Argon 是一个“非常强”的模型，尤其在视觉理解和长周期任务上展现出深度。但它不是那种一蹴而就的模型——前端审美不佳、零样本 3D 结果平庸，需要用户投入时间调教。目前它似乎仅对 Ultra 订阅者开放，访问限制也令博主不满。

在 2 美元/10 美元的价位上，Argon 极具竞争力；但若价格翻倍，它将直面 Opus 5.5 和 Muse Wonder 的竞争，届时优势是否还在，仍需观察。对于愿意花时间打磨的开发者，Argon 的深度值得挖掘；对于追求“一句话出神作”的用户，它可能不是首选。