DeepMind 发布 Gemini 4 Argon 前沿模型

我们正向开发者、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 擅长处理编程、金融、法律、网络安全和科学等领域中复杂的现实任务，开展深入工作。它在多步骤任务中展现出的深度和精确性，使其在跨领域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。

该模型今日以入门价格 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 的价格优惠 95%）。

Google 内部、各企业及研究界的团队已经在使用 Argon，在多个领域取得显著成果：

• 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

解决复杂的工程任务

在 Google，我们一直在用 Argon 处理最棘手的工程问题。过去几周，软件工程师交付高质量代码的速度创下新高。Antigravity 中的 Argon 帮助团队将智能体代码提交量提高了 35% 以上，同时将代码回滚次数减少了近三分之一。

**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 Chromium 4000 万行代码库中一个约有 600 万行代码的浏览器功能遗留目录里分离出来。Argon 每次推进多项清晰、规整的代码变更，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压缩到数周。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、侧边面板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 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 是一个支撑企业智能体的框架。团队向 Argon 提供了他们的 .agents/skills 规则手册，以及一段目标说明：在不破坏现有应用的前提下消除框架开销。Argon 整夜自主工作，找出了多项优化，目前这些优化已在 google/adk-python 中上线：长会话中的内存会话准备时间缩短了 40%，冷启动导入速度提升了 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（Semiempirical Extended Tight-Binding，半经验扩展紧束缚方法）是引用次数最多的分子量子化学开源软件包之一。科学家用它预测分子的三维形状，并筛选大量药物和材料候选物。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 模型速度接近原来的三倍：**借助 Argon，我们仅用几天，就通过 vLLM 在 A100 上实现了 2.85 倍的端到端推理加速（Gemma 4 E2B 的吞吐量从每秒约 37,900 token 提升至超过 108,000 token），同时保持 token 完全一致，质量没有任何下降。这样的工作通常需要数月。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、数学精确性和可视化编程方面有显著提升。Google 员工通过 /goal 等斜杠命令，并在 Antigravity 中结合自定义技能提示模型运行多智能体循环，使用原生代码为复杂的 3D 可视化、高保真游戏和交互动画制作原型，让它们可以直接在浏览器中渲染。

Argon 在 Antigravity 中通过多智能体视觉评审循环，构建了一个细节丰富的宝塔模型。模型在 Blender 中自主塑造了一座由多栋建筑组成的寺庙建筑群，建筑、植被和光照均达到照片级真实感。

Argon 在 Antigravity 中通过多智能体循环，将真实书桌的照片变成了一款可玩的迷你赛车游戏。书桌上的物品、房间和赛道使用 Blender MCP 建模并进行碰撞检查，使用 Nano Banana 制作纹理，再在 Three.js 中接入物理效果、自定义着色器，以及由 Gemini Omni Flash 生成的汽车引擎音效。现在即可在 Google AI Studio 中体验。

Antigravity 中的 Argon 编写了 Python 脚本，通过多智能体视觉评审循环，以程序化方式完成一款复杂 3D 游戏的建模、骨骼绑定、动画制作和 PBR 烘焙，随后在 Three.js 中接入 GLSL 着色器、破碎物理效果和单人模式 AI，使其能够在网页上运行。现在即可在 Google AI Studio 中体验。

在不使用任何外部库、完全采用纯 Python 的情况下，Argon 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，从零构建一座阳光洒满的图书馆并记录构建过程。它制作、解说并合成了这段视频，使用 Gemini 3.8 TTS 配音和 Lyria 3.5 创作的音乐。查看源代码。

从 Antigravity 中的一张 Nano Banana 图像出发，Argon 在自主循环中驱动 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，协助处理高风险的专业工作流。它沟通清晰，让你随时了解进展，并且比我们此前的任何 Gemini 模型都更善于遵循风格要求。Argon 回答问题更直接，减少了含糊保留的措辞，不会进行不必要的重复，回答中也避免使用陈词滥调。

参与早期访问计划的企业客户和初创公司，已经借助 Argon 取得了显著成果。

凭借先进的推理和多模态能力，同时严格确保输出有据可依，Argon 在深度理解多模态文档、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 图纸及 NPS 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。现在即可在 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，同时通过计划任务，为今后收到的所有客户请求创建自动化工作流。

看看 Argon 如何综合 3 个开源仓库的数据，构建一款医学学习工具：你可以在人体的 3D 探索中逐层剥开解剖结构、查看临床元数据，并触发生物力学模拟。

Argon 在 Gemini macOS app 中使用 Antigravity，借助 Nano Banana 为沙发的新支腿生成多轮设计方案，再为其中一个方案生成可用于 3D 打印的文件。以标注尺寸的草图和沙发照片为起点，Argon 按照正确尺寸构建模型，使其能够安装到沙发上。

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

与研究人员和领域专家携手，加速产生现实影响

研究人员、工程师和安全专家已经在使用 Argon，拓展网络防御、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。

为更多可信赖的防御者提供最先进的网络安全能力

从今天起，我们开始将服务范围扩展至数百家新增的 Fairwind Program 合作伙伴。

Wiz 已经在其“Scan for Good”计划中使用 Argon，该计划为公共利益免费保护关键基础设施。通过提前访问模型，Wiz 已经展示了 Argon 在多个高风险领域的现实影响：

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，主动识别并修复了一处可能导致敏感数据和政府基础设施暴露的安全缺口。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 还使用 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处公共文件下载功能中的绕过漏洞，该漏洞暴露了主密钥，并使攻击者能够获得管理员权限。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切实影响，帮助多个领域的科学家和专家取得新发现。

量子计算：Argon 正在帮助我们的研究人员加速量子纠错和算法设计两方面的进展。为了让错误解码器能够实时跟上量子硬件的运行速度，Argon 将我们的机器学习量子纠错解码器 AlphaQubit 的一个内部版本转换成了单个高度优化的硬件内核，使其推理吞吐量提升至近两倍。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开销。对于近期量子模拟算法中的基础模块 arcsin，Argon 编写并通过 Lean 形式化验证的实现，相较于已发表的量子 CORDIC 基线，将时空开销降低了 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，直到近年才有人发现反例，其中包括马里兰大学的 Matt Landreman 教授。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，可用于测试仿星器仿真代码，而这些代码是未来设计工作的重要工具。

罕见病研究：Gamow Labs 的研究人员使用 Argon 分析了患有罕见肺部发育障碍的新生儿经过去标识化处理的基因组。在一个案例中，Argon 精确定位了常规软件多年来一直漏检的一处染色体重排，并解释了它为何未被发现。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（辅助罕见病诊断得分为 57%）和 LabBench（湿实验推理得分为 52.2%）上均取得最高成绩。这些进展有望让面临罕见疾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：要通过工程手段获得具有精确反应活性的酶，通常进展缓慢，往往需要数月的定制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，广泛用于回收利用，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，会在紫外光照射下发光。短短数小时内，Argon 就汇集了相关数据，完成了模型调优，并确定了多种受生物化学启发的筛选条件，最终得到五种全新设计。后续实验室测试证实，这些设计均具有较强的催化活性。成功生成酶的速度和便捷程度，展示了在生物制造、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展，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，并分批开放使用资格；具体取决于资格要求、可用容量和遴选结果。申请现已开放。

加速机器人开发

通过结合先进的视觉语义推理、深入的物理理解和自主代码生成能力，Argon 为机器人技术栈的各个层面带来了新的工作流程，并加速迈向物理 AGI。这一能力跃升体现在 Argon 在具身推理基准（ERQA）上的表现中，该基准测试模型理解和解决三维环境中物理、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场景中的表现，我们测试了 Argon 能否仅通过观看，就学会一种分布外的物理技能。在一项内部测试中，Argon 观看了一段人类玩沙包投掷游戏的原始视频，映射了环境的空间坐标，并计算出所需的全身关节运动。随后，它自主编写了仿真代码。当这套方案迁移到 Apptronik 的 Apollo 人形机器人上时，机器人很快就在真实场景试验中连续投中了七次。

这条“Video-to-Sim-to-Real”流水线将原本需要数周的手工仿真建模工作压缩到几小时，把普通视频转化为可扩展、无限的机器人训练场。有关它如何加快机器人开发进程的更多信息，请参阅我们的开发者博客。

以负责任且安全的方式开发 Argon

安全性与安全防护是 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共同评估了模型的部分能力及其防护措施。Gemini 4 Argon 采用了我们迄今最全面的安全与防护技术栈：

滥用与越狱防御：帮助防御人员修补医院软件或加速生物工程的编程与科学能力，同样需要强有力的防护措施，以防恶意行为者利用。根据我们的 Frontier Safety Framework，我们评估了 Argon 在多个领域中增强后的能力，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。这大幅提升了模型的稳健性。例如，外部生物安全红队测试仅能突破我们测试的生物类子任务中不到 1% 的防护。此外，面对危险请求，从编写漏洞利用代码到协助处理危险生物材料，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，违规率降至原来的近一半，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，当它们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，如实报告负面发现，并在采取不可逆操作之前暂停，等待人工确认。在模型没有动力主动克制的编程基准测试中，Gemini 4 Argon 尝试走捷径的比例降至仅 2%，这是相较于此前 Gemini 模型的最佳表现。其次，作为纵深防御的一层，我们构建了一个自动化对齐偏差监控器，读取智能体逐步的推理和操作，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运行中都使用了这一监控器，同时严格避免在训练期间惩罚模型的思考，以使其推理保持透明且可监控。

首先，我们训练 Argon 尊重系统边界，如实报告负面发现，并在采取不可逆操作之前暂停，等待人工确认。在模型没有动力主动克制的编程基准测试中，Gemini 4 Argon 尝试走捷径的比例降至仅 2%，这是相较于此前 Gemini 模型的最佳表现。

其次，作为纵深防御的一层，我们构建了一个自动化对齐偏差监控器，读取智能体逐步的推理和操作，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运行中都使用了这一监控器，同时严格避免在训练期间惩罚模型的思考，以使其推理保持透明且可监控。

提示注入防御：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，这些指令旨在劫持其任务。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）基准测试中位居领先，将 15 次自适应攻击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。这得益于 Gemini API 提供的业界领先的 100 万输入输出统一 token 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配置。Argon 今日起在全球陆续上线：

面向开发者：通过 Gemini API 付费层级进行开发。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：可在 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，今日起即可在 Gemini 应用和 Google 搜索的 AI Mode 中试用。

面向科学家和研究人员：提交申请，有机会免费使用 Google Antigravity 的最高用量层级，为期 6 个月。获选者将分批开通，具体取决于资格要求、可用容量和遴选结果。申请现已开放。

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

Gemini 4 Argon 只是开始。我们期待为你带来 Gemini 4 系列的其他成员。