Google 向开发者开放 Gemini 4 Argon

我们正在向开发者、企业、科学家和消费者开放我们最新的前沿模型。

Google DeepMind 高级副总裁兼 Google 首席 AI 架构师

您的浏览器不支持音频元素。

Gemini 4 Argon 今日起在全球上线：开发者和企业可通过 AI Studio 和 Gemini platform 中的 API 使用；Google AI Ultra 订阅用户可在 Google Antigravity 中使用；Google AI Ultra 和 Pro 订阅用户可在 Gemini app 和 Search 的 AI Mode 中使用。

Argon 擅长处理复杂现实任务中的深度工作，涵盖编程、金融、法律、网络安全和科学等领域。它在多步骤任务中展现出的深度与精确性，使其在各领域的基准测试中超越其他前沿模型，在 Vals Index 上排名第一。该指数衡量模型在金融、编程、法律和税务等关键经济领域的表现。

该模型今日以推广价格¹上线：每百万输入 token 2 美元，每百万输出 token 10 美元（缓存输入 token 享受 95% 的折扣）。

Google 内部、各家企业以及研究社区的团队已经在使用 Argon，在多个领域取得了显著成果：

• 解决大型代码库重构和优化等重大工程问题
• 优化法律、金融和科学等领域的业务工作流
• 发现并修补关键网络安全漏洞
• 推动量子计算、核聚变和生命科学领域的新突破

解决复杂工程任务

在 Google，我们一直在用 Argon 解决最棘手的工程问题。过去几周，软件工程师交付高质量代码的速度比以往任何时候都快。Antigravity 中的 Argon 帮助团队将智能体提交的代码量提高了超过 35%，同时将代码回滚减少了近三分之一。

**理清 Chrome 中的浏览器功能代码：**Argon 帮助 Chrome 团队将核心网页处理逻辑从一个约 600 万行代码的历史遗留浏览器功能目录中分离出来，该目录位于 Chromium 的 4,000 万行代码库内。通过同时推进多项整洁的代码变更，Argon 帮助团队完成了涉及数百个文件的架构重构，将原本需要数月的工作缩短到数周。对于 Chrome 在全球的数十亿用户而言，这将使正在运行的网页能够在标签页、侧边栏和浮动窗口之间流畅移动，无需重新加载，并消除一整类浏览器崩溃问题。

**在数小时内优化生产环境中的 Python 代码库：**Antigravity 中的 Argon 正在帮助 Google 开源 Agent Development Kit（ADK）背后的团队进一步提升性能工程水平。ADK 是一个用于构建企业智能体的框架。团队向 Argon 提供了 .agents/skills 规则手册，以及一段简短的目标说明：在不破坏现有应用的前提下，消除框架开销。Argon 在夜间自主工作，找出了多项优化，目前已在 google/adk-python 中上线。这些优化将长会话中的内存会话准备时间缩短了 40%，并将冷启动导入速度提高了 21%。阅读工程深度解析，了解更多细节。

**优化量子化学开源软件包：**xTB（半经验扩展紧束缚方法）是分子研究领域引用最多的开源量子化学软件包之一。科学家用它预测分子的三维形状，并筛选大量候选药物和材料。借助 Antigravity 中的 Argon，我们的研究人员将 xTB 预测分子结构的速度提升至最高 2.3 倍，将构象搜索速度提升至 1.8 倍。这些改动已贡献至 GitHub 上的 xTB 官方仓库。

**让我们的开放 Gemma 模型速度提升至近三倍：**借助 Argon，我们仅用几天时间，就通过 vLLM 在 A100 上实现了 2.85 倍的端到端推理加速，将 Gemma 4 E2B 的吞吐量从每秒约 37,900 个 token 提高到超过 108,000 个 token，同时保持输出 token 100% 一致，质量没有任何下降。这一过程通常需要数月。查看上游拉取请求，了解从注意力调优到推测解码等各项优化的具体改动。

**实现复杂的 3D 可视化：**与之前的 Gemini 模型相比，Argon 在空间推理、数学精确性和视觉编程方面都有显著提升。Google 员工通过使用 /goal 等斜杠命令，并在 Antigravity 中结合自定义技能，通过提示让多个智能体循环协作，正在借助 Argon 用原生代码构建复杂 3D 可视化、高保真游戏和交互动画的原型，可直接在浏览器中渲染。

Argon 通过 Antigravity 中多个智能体循环进行视觉评审，构建了一个细节丰富的宝塔模型。模型在 Blender 中自主塑造了一座包含多栋建筑的寺庙群，建筑、植被和光照均呈现出照片级真实感。

Argon 通过 Antigravity 中的多智能体循环，将真实书桌的照片变成了一款可玩的迷你赛车游戏。桌面物品、房间和赛道使用 Blender MCP 建模并进行碰撞检查，使用 Nano Banana 生成纹理，再在 Three.js 中接入物理模拟、自定义着色器，以及由 Gemini Omni Flash 生成的汽车引擎音效。现在就可以在 Google AI Studio 中体验。

Antigravity 中的 Argon 通过多个智能体循环进行视觉评审，编写 Python 脚本，以程序化方式完成一款复杂 3D 游戏的模型塑造、骨骼绑定、动画制作和 PBR 烘焙，随后使用 Three.js 将其接入网页，并加入 GLSL 着色器、破碎物理模拟和单人模式 AI。现在就可以在 Google AI Studio 中体验。

Argon 完全使用纯 Python，不依赖任何外部库，编写了自己的 3D 光线追踪引擎，配合自定义视频工具和音频混音器，从零构建并记录了一座阳光洒落的图书馆。它制作、解说并合成了这段视频，使用 Gemini 3.8 TTS 生成旁白，并由 Lyria 3.5 提供音乐。查看源代码。

从 Antigravity 中的一张 Nano Banana 图像出发，Argon 在自主循环中操控 Blender MCP，对齐相机网格、塑造哥特式建筑，并布置随音频变化的灯光，最终创建出完整的 3D 场景。

变革关键业务与专业工作流

Argon 将前沿推理能力、深入的视觉感知、更广泛的领域知识，以及在法律、金融、科学和编程领域更强的写作能力结合起来，为高风险专业工作流提供帮助。它沟通清晰，让你随时了解进展，并且比我们此前任何 Gemini 模型都更善于遵循风格要求。Argon 回答问题更直接，较少使用含糊保留的措辞，不会过度重复，并在整个回答中避免陈词滥调。

参与我们早期体验计划的企业客户和初创公司，已经借助 Argon 取得了显著成果。

Argon 运用先进的推理和多模态能力，同时严格以来源为依据，在深度多模态文档理解、纵向数据分析和交互式分析沙盒方面表现出色。

看看 Argon 如何综合约 50 GB 的机载 LiDAR 扫描数据、GIS 房间矢量数据、美国国会图书馆的 CAD 图纸，以及美国国家公园管理局（NPS）的档案，重建查科峡谷的 3D 模型，将零散的考古记录转化为可探索的数字遗产地。现在就可以在 Google AI Studio 中体验。

在 Gemini App 中，Argon 使用自定义技能，将一个装满非结构化项目背景资料的文件夹整理成一份清晰的客户提案演示文稿。随后，Gemini 起草邮件并将演示文稿发送给客户，同时通过定时任务，为今后所有新收到的客户请求创建自动化工作流。

观看 Argon 如何整合 3 个开源仓库的数据，构建一个医学学习工具。在这个工具中，你可以逐层揭开人体解剖结构、查看临床元数据，并在人体 3D 探索过程中触发生物力学模拟。

Argon 在 Gemini macOS app 中借助 Antigravity，使用 Nano Banana 为沙发的新支脚生成多轮设计方案，随后为其中一个方案生成可供 3D 打印的文件。从一张标注尺寸的草图和一张沙发照片出发，Argon 构建出尺寸准确、适配该沙发的模型。

在 Isomorphic Labs，团队正在将 Argon 作为合作伙伴，加速药物发现与设计研究工作流。Argon 能够快速综合分析复杂的 PDF 和专利，提取相关信息，将通常需要数周的过程缩短到数小时。

与研究人员和领域专家共同加速现实世界中的成果落地

研究人员、工程师和安全专家已经在使用 Argon，推动网络防御、科学、数学和机器人技术的边界。它正在帮助网络防御人员和研究人员检验假设，自主审计关键代码库和形式化证明，并发现隐蔽的零日漏洞和逻辑缺陷。

将最先进的网络安全能力带给更多可信赖的防御者

从今天开始，我们将陆续向数百家新增的 Fairwind Program 合作伙伴开放这些能力。

Wiz 已经在其 “Scan for Good” 计划中使用 Argon。该计划以公益为目的，免费保护关键基础设施。通过提前获得模型使用权限，Wiz 已经展示了 Argon 在多个高风险领域中的实际成效：

保护敏感政府数据：作为一项长期网络韧性计划的一部分，Argon 与一家联邦机构合作，帮助主动发现并修复了一个可能导致敏感数据和政府基础设施暴露的安全漏洞。这项工作帮助防止了安全领域关键研发细节的泄露，以及对专用模型的未经授权访问。

保护关键医疗基础设施：Wiz 还利用 Argon 保护重要的医疗基础设施。通过串联复杂漏洞，模型帮助团队发现并迅速修复了一个公共文件下载功能中的绕过漏洞，该漏洞会暴露主密钥，并使攻击者获得管理员权限。Argon 不仅发现了漏洞，还主动保护了数十万份患者隐私记录。

推动新的科学突破

Argon 已经在科学界产生了实际影响，帮助多个领域的科学家和专家取得新的发现。

量子计算：Argon 正在帮助我们的研究人员加快量子纠错和算法设计的进展。为了让错误解码器实时跟上量子硬件的运行速度，Argon 将我们基于机器学习的量子纠错解码器 AlphaQubit 的一个内部版本，转换为单个高度优化的硬件内核，使其推理吞吐量提高了近一倍。这样，我们就能部署规模更大、能力更强的模型，并扩展到更大规模的量子设备，同时继续满足严格的实时性要求。Argon 也在降低量子子程序的时空成本。arcsin 是近期量子模拟算法中的一个基础模块，Argon 编写并通过 Lean 形式化验证的一种实现，与已发表的量子 CORDIC 基线相比，将时空成本降低了 100 倍以上，向建立优化量子电路标准库迈出了一步。

核聚变：仿星器是一种极其复杂的装置，也是实现近乎无限的清洁聚变能源的主要候选方案之一，但优化其三维磁场的难度众所周知。自 1967 年以来，一个被称为“Grad 猜想”的长期假说认为，不可能为这些磁场找到精确的数学解，直到近期才有人找到反例，其中包括马里兰大学教授 Matt Landreman。如今，Google 的一个团队与 Landreman 教授合作，发现了一类范围更广的 Grad 猜想反例。这些新解为聚变研究界提供了可靠的基准，用于测试仿星器模拟代码，而这些代码是未来设计的重要工具。

罕见病研究：Gamow Labs 的研究人员利用 Argon 分析了患有罕见肺部发育障碍的新生儿的去标识化基因组。在一个案例中，Argon 精确识别出了一处常规软件多年来一直未能发现的染色体重排，并解释了它为何未被检出。在 Gamow Labs 基于真实临床和实验室数据构建的私有评测中，Argon 在 RareBench（罕见病辅助诊断得分为 57%）和 LabBench（湿实验推理得分为 52.2%）上均位居榜首。这些进展有望让面临罕见病的家庭更快获得诊断。更多详情请参阅第 2 篇博客。

酶设计：要设计出具有精确反应性的酶，过程往往非常缓慢，通常需要花费数月进行专门的模型调优和候选筛选。丝氨酸酯酶是一类能够切断目标分子中酯键的酶，广泛用于回收处理，以及药品、生物燃料和洗涤剂的制造。我们的科学家与 Argon 合作设计丝氨酸酯酶，以基准分子 4MU-acetate 为目标；该分子的酯键断裂后，会在紫外光下发光。短短数小时内，Argon 就汇集了相关数据、完成了模型调优，并确定了多项受生物化学启发的筛选条件，最终得到五种全新的设计。后续实验室测试证实，这些设计均具有良好的催化活性。成功生成酶的速度和便捷程度，展现了在生物制造、绿色化学和药物开发等领域大幅加速酶工程的潜力。

为了进一步加快研究进程，我们将向 10,000 名科学家免费提供 Google Antigravity 的最高使用额度档位，为期 6 个月，并分批开通。具体取决于申请资格、服务容量和遴选结果。目前已开放申请。

加快机器人开发

Argon 将先进的视觉语义推理、深入的物理理解和自主代码生成结合起来，为机器人技术栈的各个环节开辟了新的工作流程，并加快了迈向物理 AGI 的进程。Argon 在具身推理（ERQA）基准上的表现体现了这一能力跃升。该基准测试模型理解和解决三维环境中物理与空间问题的能力。仅凭推理能力，Argon 就以 87% 的得分超越了所有其他前沿模型。

为了展示这些能力在实际中的表现，我们测试了 Argon 能否仅通过观察，学会一项分布外的物理技能。在一次内部测试中，Argon 观看了一段未经处理的人类玩沙包投掷游戏的视频，映射出环境的空间坐标，并计算出所需的全身关节运动。随后，它自主构建了仿真代码。将这些成果迁移到 Apptronik 的 Apollo 人形机器人上后，机器人在一次真实场景试验中迅速连续投中了七次。

这条“Video-to-Sim-to-Real”流程将原本需要数周手工完成的仿真建模压缩到几小时，把普通视频转化为可扩展、无限的机器人训练场。关于它如何加快机器人开发进程，更多详情请参阅我们的开发者博客。

以负责任、安全的方式开发 Argon

安全与安保是 Google 模型开发的基础。由于 Argon 是一个能力很强的模型，我们与多家第三方合作伙伴合作，对模型的某些能力和防护措施进行了评估。Gemini 4 Argon 采用了我们迄今为止最全面的安全与安保体系：

滥用与越狱防御：帮助防御者修补医院软件或加速生物工程的编码和科学能力，同样需要强有力的防护措施，以防被恶意行为者利用。依据我们的前沿安全框架，我们评估了 Argon 在多个领域增强后的能力，并部署了一套结合越狱抵抗、监控和执行机制的多层防御体系。这大幅提升了我们的防御稳健性。例如，外部生物领域红队测试仅能突破我们所测试的生物子任务中不到 1% 的防护。此外，面对从编写漏洞利用代码到协助处理危险生物材料等危险请求时，Argon 拒绝执行有害请求的表现明显优于我们此前的模型。在一组旨在对模型进行压力测试的对抗性测试中，违规情况减少了近一半，表现也明显优于此前的 Gemini 模型。

智能体对齐与实时监控：随着智能体解决问题的能力越来越强，我们必须确保它们在遇到权限错误或测试失败等障碍时，不会因过于急切地完成任务而采取未经授权的捷径。首先，我们训练 Argon 尊重系统边界，如实报告负面结果，并在采取不可逆操作前暂停，等待人工确认。在模型没有动力克制自身行为的编码基准测试中，Gemini 4 Argon 尝试走捷径的比例降至仅 2%，这是我们历代 Gemini 模型中的最佳表现。其次，作为纵深防御的一层，我们构建了一个自动化的对齐偏离监控器，通过读取智能体逐步展开的推理和操作，实时发现并阻止非预期的绕过行为。我们在内部部署、能力评估和强化学习训练过程中使用了这一监控器，同时严格避免在训练期间惩罚模型的思考内容，以确保其推理保持透明且可监控。

首先，我们训练 Argon 尊重系统边界，如实报告负面结果，并在采取不可逆操作前暂停，等待人工确认。在模型没有动力克制自身行为的编码基准测试中，Gemini 4 Argon 尝试走捷径的比例降至仅 2%，这是我们历代 Gemini 模型中的最佳表现。

其次，作为纵深防御的一层，我们构建了一个自动化的对齐偏离监控器，通过读取智能体逐步展开的推理和操作，实时发现并阻止非预期的绕过行为。我们在内部部署、能力评估和强化学习训练过程中使用了这一监控器，同时严格避免在训练期间惩罚模型的思考内容，以确保其推理保持透明且可监控。

提示注入抵抗能力：当智能体浏览网页、阅读电子邮件或检查代码时，可能会遇到隐藏的恶意指令，这些指令旨在劫持智能体的任务。通过对抗训练和自动化红队测试，Argon 在 Gray Swan 间接提示注入（IPI）基准测试中处于领先地位，将涵盖 15 次自适应尝试的攻击成功率降至 0.7%。

更多信息请参阅 Gemini 4 Argon 模型卡。

Argon 能够持续更长时间、投入更多计算来解决高度复杂的科学、编程和智能体任务问题。这得益于 Gemini API 提供的业界领先的 100 万 token 输入输出统一上限。请阅读面向开发者和企业的文档，了解新的续接协议，并确保根据自身需求完成适当的配置。Argon 从今天起开始在全球推出：

面向开发者：通过 Gemini API 付费层级构建应用；如果你订阅了 Google AI Ultra，还可以在 Google Antigravity、AI Studio 和 Android Studio 中试用。

面向企业：在 Gemini for business、API 和 Google Antigravity 中试用。

面向日常用户：如果你订阅了 Google AI Ultra 或 Pro，从今天起即可在 Gemini 应用和 Search 的 AI Mode 中试用。

面向科学家和研究人员：申请获得免费使用 Google Antigravity 最高用量层级 6 个月的机会（将分批开通），具体取决于资格、容量和遴选结果。现已开放申请。

面向网络安全防御人员：申请加入 Fairwind Program，分批获得不设网络安全护栏的 Argon 访问权限。

Gemini 4 Argon 仅仅是个开始。我们期待为你带来 Gemini 4 系列的其他成员。