前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
返回 AI 情报前线
All News · 全部资讯9786
  • AWS 开源 2B 决策模型,专做选项判断
  • AI 代码审查太吵,会让真问题被忽略
  • Gemini 视频转仿真演示打通机器人训练
  • RAG 检索不准,先评测嵌入模型
  • 实测 agent-hooks:演示不等于兼容认证
  • 让 Claude Code 直接查询 Grafana 排障
  • Copilot 正式接入 Gemini 4 Argon
  • AI 写码的回报取决于审查与反馈
  • 128GB 苹果芯片 Mac 的 oMLX 部署调优
  • CodeAct 用可执行代码组织 Agent 行动
  • 实测 agent-hooks 在执行前拦截超额退款
  • 用 Python 与 Claude 搭建文本清洗流水线
  • 长任务 Agent 如何保存和恢复工作状态
  • 谷歌旗舰 Argon 开放全球 API 接入
  • GitHub 用上下文模型改进密钥扫描
  • 自动化管理 Bedrock 跨账号定价授权
  • AI Studio个人应用可直接经Play安装
  • 企业问答如何选型:检索增强还是微调
  • 日志与搜索结果如何成为提示注入入口
  • Gemini CLI 自动化为何受终端环境影响
  • Gemini 夜间优化二十万行 Python 项目
  • Gemini 4 Argon 将物理推理接入机器人开发
  • n8n 接入 Gemini 4,串联 MCP 与智能体
  • 自然语言安全查询如何降低成本与延迟
  • DeepMind 发布 Gemini 4 Argon 前沿模型
  • Gemini 4 付费上线,API 限时半价
  • Gemini 4 Argon统一百万Token额度
  • Gemini 4 发布,宣称提升编程与复杂推理
  • Google 向开发者开放 Gemini 4 Argon
  • 用 Slack 智能助手打通 IT 支持流程
  • Grok 4.7 智能体如何平衡推理成本
  • MoE 内核优化提升 H200 推理性能
  • SparseEngine 统一接入十五种稀疏注意力
  • 小模型提示测试:输出格式比文风更关键
  • 用运行状态自动推动编程 Agent 完成任务
  • 微调指标持平,却漏掉更多关键样本
  • 用大模型提取工程图纸中的控制点位
  • 用提交钩子约束编程 Agent 的调用
  • BitNet 提供低比特模型本地推理框架
  • Open WebUI 统一管理本地与云端模型
  • Agent 安全应落实到工具授权层
  • 用拒收日志定位 LLM 工作流故障
  • Agent 消息显示成功却未送达的排查
  • 退款智能体如何设计授权边界
  • 已加载 44 / 9786
9.0
重磅
AI SCORE
模型发布2026-10-14 02:00

谷歌旗舰 Argon 开放全球 API 接入

The Decoder#谷歌#Gemini#模型选型
Editor brief · 编辑速览

Google 将 Gemini 4 Argon 面向全球上线,支持 API、Gemini 应用及 Antigravity,定价具有竞争力。独立基准表现落后于 Claude Opus 5.5 和 Muse Wonder Full;谷歌内部称其将部分编程任务从数月缩短至数周。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

Google 正在全球推出 Gemini 4 Argon,从今天起,开发者、企业和普通用户都可以使用这款全新的旗舰 AI 模型。

据 Google 介绍,用户可以通过 AI Studio 和 Gemini 平台中的 API 访问 Gemini 4 Argon。Google AI Ultra 订阅用户可以在 Google Antigravity 中使用该模型,AI Ultra 和 Pro 订阅用户则可以通过 Gemini app 和 Google Search 的 AI mode 使用。

不过,并非所有用户都能享受到同样的待遇。在新的模型分级体系下,Gemini 免费用户和付费 Plus 订阅用户现在只能使用能力较弱的 Flash 模型。Argon 取代了 Gemini Pro 系列,成为 Google 新的前沿模型系列。Google 表示,后续还会推出更多 Gemini 4 模型,这很可能意味着更新后的 Flash 版本,最终也会逐步向免费用户和 Plus 用户开放。据报道,Google 内部已经在测试一个代号为“Carbon”的潜在后继模型,据称它的表现将超过 Argon,尤其是在编程方面。

定价和 benchmark 结果与此前报道一致:初期优惠价为每百万 input tokens 2 美元、每百万 output tokens 10 美元,缓存输入享受 95% 的折扣。Argon 在 Vals Index 上排名第一,但在独立综合排名中,仍落后于 Anthropic 的 Claude Opus 5.5。而且,由于 Google 等了大约两周才正式推出模型,Argon 现在也落后于昨天刚发布的 Meta Muse Wonder Full。

*Google 并未明确给出缓存输入的具体价格,但表示其价格比常规 input token 价格低 95%。

Google 的 benchmark 结果。| 图片:Google

Google's benchmark results. | Image: Google

Google 称,Argon 将原本需要数月的内部工程工作缩短到了数周

Google 在发布时分享了一些内部数据,不过这些数据均由公司自行报告。Google 表示,使用 Argon 的软件工程师,通过 Agent 提交的代码量增加了超过 35%,而代码回滚减少了近三分之一。

在 Chromium 项目中,Argon 帮助 Chrome 团队完成了一次架构重构,涉及这个拥有 4000 万行代码的代码库中的数百个文件。原本需要数月的工作,几周就完成了。对用户来说,这意味着网页可以在标签页、侧边栏和悬浮窗口之间移动,无须重新加载。

在使用 Google 的开源 Agent Development Kit 时,Argon 自主运行了一整夜,找到了多项优化,使会话准备时间缩短了 40%,冷导入速度提高了 21%。在 A100 上通过 vLLM 运行开放的 Gemma 模型时,推理速度提升至原来的 2.85 倍,从约每秒 37,900 tokens 增加到超过每秒 108,000 tokens。这些改动可以在上游的 pull requests 中查看。

Argon 还可以用纯代码生成复杂的 3D 模型、游戏和动画,并直接在浏览器中运行。其中一个演示展示了完全用 Python 编写、没有使用任何外部库的光线追踪引擎。Google 已经公布了源代码。

在下方演示中,Argon 从 Antigravity 中的一张图片出发,通过 MCP 控制 Blender,在自主循环中完成任务。Google 表示,它建模了哥特式建筑,并设置了随音频变化的灯光,最终生成了一个完整的 3D 场景。

3D 仍然是 Meta Muse 模型的薄弱环节。Meta AI 负责人 Alexandr Wang 表示,这些模型并未针对 3D 演示游戏进行专门训练。

Google 向 10,000 名研究人员提供免费访问,并称其安全表现创下自身最佳纪录

Google 还将向 10,000 名研究人员免费提供 Google Antigravity 最高使用额度档位,为期六个月。名额会根据申请资格、容量和筛选结果陆续发放。目前申请已经开放。

网络安全防御人员可以单独申请 Fairwind 计划,该计划允许他们访问不设网络安全防护限制的 Argon。Google 计划将该计划扩展至数百家新增合作伙伴。

在安全方面,Google 称 Argon 的架构是其迄今最强的。在生物领域的外部红队测试中,被绕过的安全检查不到测试总数的 1%;在一组对抗性测试中,违规情况较早期 Gemini 模型减少了近一半。

在 Agent 对齐方面,试图未经授权走捷径的比例降至 2%。一个自动化的失对齐监测器会实时分析 Agent 的推理和行动。

Argon 在 Gray Swan Indirect Prompt Injection benchmark 中也取得了最低的攻击成功率:经过 15 次自适应尝试,攻击成功率仅为 0.7%。在此前的 Gray Swan 测试中,GPT-6 Astra 的攻击成功率为 8.5%,Claude Opus 5 为 4.8%。不过,Google 的说明并未明确这些测试是否完全相同。更多安全细节可以在 model card 中查看。

不炒作的 AI 新闻——由人工精选

订阅 THE DECODER,即可享受无广告阅读、每周 AI newsletter、每年六期独家“AI Radar”前沿报告、完整历史内容访问权限,以及评论区访问权限。

Original source

本文由 AI 翻译整理自 The Decoder,原文版权归原作者所有。

阅读英文原文
上一篇
长任务 Agent 如何保存和恢复工作状态
下一篇
GitHub 用上下文模型改进密钥扫描