谷歌第四代旗舰Gemini 4 Argon发布：18项跑分拿下13项第一

周期表上第十八格的元素氩气（Argon），名字源自希腊语Argos，意为“懒惰”。它几乎不与任何东西发生反应，只有通上电才会亮起一道紫光。9月30号，Google把这个名字给了自己的第四代旗舰模型——距离上一代Gemini发布，已经过去整整十个月。

这十个月并不平静。原定发布的3.5 Pro没能如期出来，DeepMind也换了掌舵人。七个多月里，Google没再放出比Flash更高一档的模型。Gemini 4 Argon是第四代的首个成员，也是Corey接手之后交出的第一份答卷。

100万Token：留给思考的空间

Argon最硬的一个数字其实不在跑分表里。上一代Gemini一次最多输出64000个Token，而Argon把这个数字拉到了100万，涨幅超过15倍。

多出来的空间是留给“思考”的。在一次任务里，它能连着推理几十万个Token。Google表示该模型已经在内部上岗：一组Argon Agent翻遍了整个机群的内存数据，腾出300多TiB空间；它还把一个现成的Rust版视频解码器重写了一遍，速度是原来的2.7倍。

Google首席AI架构师Corey的说法是，Argon正在“从根本上改变Google工作和构建东西的方式”。价格也压得很低：每百万Token输入2美元、输出10美元，优惠期结束后翻倍。

Token是大语言模型处理文本的基本计量单位，粗略来说1000个Token约等于750个英文单词或500个中文汉字。输出Token上限决定了模型在单次对话中能"写出"多少内容，但对于具备推理能力的模型，更关键的是它能在"思维链"中消耗多少Token——每一步中间推理都占用输出配额。将上限从6.4万提升到100万，意味着模型可以在得出最终答案之前，进行远超以往规模的内部推演，这对需要多步骤规划的Agent任务（如遍历代码库、协调多工具调用）尤为关键。300 TiB约等于330TB，相当于数十万部高清电影的存储量，以Agent身份完成这类大规模内存整理任务，是当前业界鲜有公开案例的工程实践。

18项基准：13项第一，但软肋在编程

巧的是，Google这次摆上桌的基准正好18项，与氩原子的叙述呼应。同台竞技的是GPT-6 Astra、Cloud Fable 5.1和Opus 5.5。Argon拿下13项第一，其中一项是并列——并列的是CWE Bench，Grok 4.7、Argon和GPT-6 Astra三家都拿到了68%。

赢得最漂亮的是知识工作领域。在法律Agent测试Harvey中，Argon得了19.6分，三个对手都不到7分。在25万到100万Token的长文本推理里，它也领先十几分。

问题恰恰出在它最该证明自己的地方——写代码、做实验、操作电脑。Frontier SWE落后Astra 10.5分，Terminal Bench落后Opus 9分。更关键的是，这张表是Google自己出的，对手的分数大多也来自各家“自拍”。

换把外面的尺子：重回前三

独立评测机构Artificial Analysis给Argon打了53分，与GPT-6 Astra、Cloud Fable 5.1同分，比Opus 5.5低5分。他们的结论是：Google重新回到了前三。

按每个测试任务算，Argon的成本是Astra的六成——这来自更低的单价，而不是更少的Token消耗。它平均每个任务输出6.2万个Token，Astra是2.7万。优惠期结束后，它的单任务成本约为Astra的1.2倍。

幻觉率方面，Argon为15%，在智能指数45分以上的模型里最低；但准确率只有50%，比Astra低13分。另一家评测方将它排在综合榜第一，这是Gemini头一回登顶——不过同一方自己跑Terminal Bench Science只得了44.3，Google表里写的是57.6，原因是Google自测时给了6倍的验证超时，两边条件并不一样。

同一天，彭博社还听到另一种声音：一些Google员工觉得它跑分好看，真干起活来却吃力。Google否认了这个说法。

幻觉率（Hallucination Rate）与准确率在此语境下衡量的是不同维度：幻觉率指模型给出看似合理但实际错误信息的比例，准确率则衡量最终答案与标准答案的吻合程度。两者可以同时偏低——即模型既少说"瞎话"，又答对的题目也不多，这通常意味着它倾向于给出保守或模糊的回答以规避错误，而非大胆猜测。Argon 15%的幻觉率配合50%准确率，暗示它在不确定时更倾向于"少说"而非"乱说"，这在法律、医疗等高风险场景中是有价值的取向，但在需要大量解题的编程基准上会拖累得分。

三层电子：分阶段点亮

截至北京时间10月1号早上，Gemini API的模型列表里还没有Argon。可以把它的开放计划想象成氩原子的三层电子结构。

最里面一圈已经亮起：Google自己的团队，加上Fairwind计划里的网络安全防御者。Fairwind计划面向全球650多家机构，优先给政府、医疗、电信、能源、金融这些关键设施，门槛很高——要过背景审查，只能给内部安全团队用，不许转卖。他们拿到的是不带网络安全护栏的Argon。Google的逻辑是让防守方先用，赶在攻击者之前把漏洞补上。同时，它还在走美国政府的发布前测试。

第二圈是付费API用户和AI Ultra订阅者。Google说要先收集反馈、调好护栏再尽快开放，价格已经定了，日期还没定。

最外一圈才是所有开发者、企业和普通用户。免费版能不能用上，Google没有承诺。用Corey的话说，这个级别的能力得分阶段放出来。

惰性气体并不是不会反应，只是需要条件。Argon已经被点亮，下一步就看这些条件什么时候满足。

Fairwind计划所涉及的"不带网络安全护栏"版本，指的是移除了模型默认的拒绝生成攻击性代码、漏洞利用脚本等安全过滤层。常规商业模型会拒绝详细描述如何入侵特定系统，而安全研究人员做渗透测试或漏洞复现时恰恰需要这类能力。Google的逻辑借鉴了网络安全领域"漏洞披露"的惯例：让防守方（蓝队）先于攻击者获得工具，才能在漏洞被恶意利用前完成修补。背景审查和禁止转卖的限制，则是为了防止这一"去护栏"版本流入灰色市场——这也是目前业界将高能力AI模型向安全社区开放时普遍面临的核心张力。