Gemini 4 Argon实测：一句话造3D游戏，但别信跑分

Google 的 Gemini 4 Argon 在十月向所有开发者开放后，最出圈的演示不是跑分图表，而是一个能玩的 3D 桌面赛车。但独立测试和用户反馈拼出的图景，比官方发布帖复杂得多：它确实能用一个提示词生成完整的可交互项目，也确实验证了「一次运行、百万 token 输出」的工程价值，但代价、配额和可信度问题同样真实。

从桌面照片到可玩世界：Argon 的演示矩阵

Google 公布的演示覆盖了几条不同路线。最直观的一条是「现实到游戏」：拍摄一张真实桌面的照片，Argon 在 Blender 中建模桌面和赛道，用 Nano Banana 做贴图，再在 Three.js 里接上物理、自定义着色器和引擎声，产出一个可在 AI Studio 中直接玩的迷你赛车游戏。另一条路线是场景雕塑：Argon 用 Blender 搭建整座宝塔建筑群，包括建筑、树木与光照，背后的机制是 Google 所说的「多智能体视觉批评循环」——智能体渲染场景、查看结果、提出批评，再迭代修正，直到画面达标。

还有更完整的 3D 游戏案例：Argon 编写 Python 脚本对每个模型进行雕刻、绑定骨骼、制作动画和贴图，然后以 Three.js 发布到网页，附带着色器特效、破碎物理和电脑对手。非游戏方向也有尝试：把三个开源项目的数据整合成可逐层剥离人体的 3D 解剖工具；根据一张测量草图和一张沙发照片，设计出可 3D 打印的新沙发腿。

发布帖中最张扬的一条是：Argon 在零外部库、纯 Python 的条件下写出了自己的光线追踪引擎、视频工具和音频混音器，并生成了一部有旁白的阳光图书馆短片。这个说法后来被证伪，下文会细说。

Three.js 是运行在浏览器中的开源 3D 图形库，基于 WebGL 实现硬件加速渲染。它让开发者用 JavaScript 直接构建交互式 3D 场景，无需安装插件。文中 Argon 把 Blender 中建好的模型导出后，正是通过 Three.js 接入物理引擎、着色器和音效，才能在 AI Studio 的网页里直接试玩。

Blender 是开源的三维创作套件，覆盖建模、雕刻、绑定、动画和渲染。Argon 调用 Blender 的方式之一是 MCP（Model Context Protocol）——一种让模型与外部工具通信的开放协议，模型借此可以执行 Blender 命令、生成资产，而不仅是输出文本。桌面赛车的贴图环节则由 Nano Banana 完成，这是 Google 的图像生成模型，负责把真实照片转成风格一致的游戏贴图。理解这三者的分工，有助于看清 Argon 的「生成」本质上是调度工具链，而非单模型端到端输出。

游戏与机器人：agent 自主性的两个极端测试

Google 研究员给了四个 Argon 智能体一个 Minecraft 生存世界和唯一目标——击败末影龙。没有人分配角色，也没有人写游戏逻辑。智能体们自己写了 2783 个程序，死了 605 次，在 27 小时 14 分钟后完成了目标。这个案例的价值不在于「AI 会打游戏」，而在于长程规划、失败恢复和程序生成在无人监督下的组合表现。

另一个案例走出了屏幕：Argon 观看一段真人投掷沙包游戏的原始视频，映射空间关系、推算身体动作，自己写出仿真代码，加载到 Apptronic 的 Apollo 人形机器人上，机器人连续命中七球。Reddit 上有质疑者提出了公平的问题——每次都在同一个位置投掷，泛化能力存疑。这个质疑值得保留，但它并不否定从视频到仿真代码这条链路本身的可行性。

单次百万 token：能力跃升的关键数字

「一个模型怎么能在单次运行中造出整个游戏？」Reddit 用户的疑问指向了 Google 九月公告里的关键数字：Argon 的输出上限是 100 万 token，此前是 6.4 万。这不是锦上添花的参数，而是工作方式的改变——足够一次写完整个项目，而不是拼凑零散代码片段。视频作者自己也用 Argon 做了一个「Pocket World」玻璃球生态瓶：旋转球体、升降地形、放置树木、小屋、羊群和雨云，浏览器直接运行，还带导览镜头。他的判断是，这过去需要一个 Three.js 开发者，现在从提示词起步，人负责掌舵。

Token 是模型处理文本的基本单位，约等于一个英文单词的一部分或一个汉字。输出上限指模型在一次请求中最多能生成的 token 数。此前 6.4 万的上限大约相当于一篇中篇小说的体量，模型必须分段生成、再由人拼接；而 100 万 token 足以容纳一个完整项目的全部源代码、注释和配置。

这一跃升的意义在于上下文连续性：当整个代码库都在同一次运行的内存中，模型能保持命名、接口和逻辑的一致性，避免分段生成常见的变量冲突和重复实现。文章提到的「缓存输入打 95% 折扣」也与 token 机制相关——重复提交相同的项目上下文时，Google 对已缓存的输入部分大幅降价，这对需要反复迭代的大项目尤为关键。

独立横评：领先，但并非碾压

Oh My Unicorn 用同一提示词让三个模型各建一个 3D 星球，单次运行、无盲评：Argon 在 Anti-Gravity 中 12.4 分钟完成，花费 1.45 美元；Opus 5.5 用了 14 分钟、2.54 美元；另一个模型 7 分钟、0.7 美元。速度与成本上 Argon 处于有利位置。

基准测试给出的图景更 nuanced。在覆盖金融、编程、法律和税务的 VALS 指数上，Argon 以 68.9% 排第一。但在测试从零构建网页应用的 Vibe Code Bench 上，它排第二：Sonnet 5.5 以 92.39 对 91.91 领先。排名背后的细节更值得看：同一应用测试中，Argon 每个任务花费 8.11 美元、耗时 37 分钟；Sonnet 花费 31.25 美元、超过一小时。换句话说，Argon 用约四分之一的成本拿到落后半分的成绩，在 216 个模型中排第 8。这是前沿水平，但不是一边倒的赢家。

VALS 指数是覆盖金融、编程、法律和税务等专业领域的综合基准，测试模型在知识密集任务上的准确率；Vibe Code Bench 则专注于从零构建网页应用的端到端能力，评估生成代码能否实际运行并满足需求。两者衡量维度不同，因此排名出现分歧并不矛盾：前者偏重知识运用，后者偏重工程产出。

理解基准的局限性同样重要：单一提示词、单次运行的测试难以覆盖真实开发中的迭代与调试，且不同基准的权重设计会放大特定模型的优势。文中「Argon 成本约为 Sonnet 5.5 四分之一、成绩落后半分」的对比，正说明看基准应结合成本与耗时，而非只看排名位次。

三个需要警惕的「收据」问题

这个发布最值得内容创作者借鉴的，是三个关于可信度的事实。

价格有保质期。 Google 把每百万输入 2 美元、输出 10 美元称为「 introductory price」。官方定价页写明，从 12 月 1 日起变为 4 美元和 20 美元，翻倍。按此推算，那个 1.45 美元的星球六周后成本约翻一番。按 token 付费的用户，大项目应赶在涨价前完成，并复用同一项目上下文，因为 Google 对缓存输入打 95% 折扣。

「纯 Python」不纯。 发布帖说零外部库，但 Google 自己链接的仓库 readme 写明离线渲染器用 Python 和 NumPy 编写。NumPy 就是外部库。引擎依然令人印象深刻，但这提醒人读收据，而不只读发布帖。

它会编造数据。 星球测试中，Argon 生成的页面自带一个基准测试抽屉，测试者发现其中「Gemini 4」那一行是模型自己发明的——编造的数字被当作数据呈现。这是最实用的一条警告：如果你要发布它构建的东西，屏幕上每一个数字都要追溯到真实来源。

实战表现：3D 强，布局弱

一位评测者用 Argon 构建了五个应用并各打五分制评分：赛车游戏和黑洞模拟器拿到满分 5 分；香水网站和布局破损的城镇建造器只有 2 分，总分 17/25。结论清晰——3D 与模拟是强项，页面布局是弱项。用户反馈呈现同样的混合：有 Pro 订阅者说一个 Archero 风格游戏的快速提示词几分钟内写出 2200 行代码，但同一句话里也有关键代价——消耗了五小时配额的 3%。另一名用户称一句 hello 提示词就用掉 2%。Hacker News 上有开发者称这是「最糟糕的前沿实验室发布」，但同时押注该策略会成功，因为普通人凡事都用 Google。

六个可直接套用的使用策略

• 对准强项：交互式 3D 游戏和模拟优先交给 Argon，别指望第一遍就得到精良的响应式网站。
• 让它看自己的作品：星球测试中 Anti-Gravity 运行截了七张页面截图并逐一查看后，成品明显更干净；Gemini CLI 运行从未看过自己的页面。要求它截图并修复，就是复刻官方演示背后的视觉批评循环。
• 给工具而非只给提示词：官方演示在 Anti-Gravity 中运行，用了 /goal 之类的斜杠命令、自定义技能和多智能体循环；桌面赛车通过 Blender MCP 建模、Nano Banana 贴图。接入的工具越多，它能自主完成的部分越多。
• 赶在涨价前做大项目：2 美元与 10 美元的定价持续到 11 月 30 日，之后翻倍。
• 订阅用户合并提示词：每个提示词消耗 2–3% 的五小时配额，先把完整规格写清楚——机制、外观、操作——发一条详细提示，而不是十条碎片化的小提示。
• 核对每个数字：它编造过自己的基准行，Google 发布帖也把 NumPy 项目称为纯 Python。发布前追溯每一个屏幕上的统计数字。

这对内容创作者意味着什么

模型现在能自己造出交互物本身——游戏、3D 讲解器、观众真正上手玩的工具。对在线内容生产者，这意味着「互动中心件」的制作门槛被大幅拉低。加拿大地区 Google AI Pro 每月 26.99 加元，Gemini 应用中包含 Argon；API 仅限付费层。接下来的观察点有三个：12 月 1 日价格翻倍后的实际使用成本、Gemini 4 家族其余成员（Google 称 Argon 只是开始），以及日常使用配额是否放宽。

一句话总结：Argon 能造出应用，但把造出来的东西变成可信、可变现的产品，仍然需要人来做那部分判断。