Gemini 4 Argon发布：100万输出Token覆盖编程、知识与网安

Google DeepMind 刚刚发布了 Gemini 4 Argon，这是一款新的前沿模型，也是 Gemini 4 系列的首个模型。它面向长周期软件工程、企业知识工作（法律和金融领域）以及网络安全防御。最核心的技术变化是输出长度——Argon 能在单次响应中生成最多 100 万 token，而此前 Gemini 模型的输出上限为 64K。

Google 发布了什么

Google DeepMind 将 Argon 描述为面向复杂工作流构建的模型，涵盖编码、企业知识工作和网络安全防御。

Google 采取了分阶段推进策略，正在参与美国政府自愿性的发布前模型访问流程，将收集早期测试者的反馈，并在更广泛发布前迭代护栏机制。

定价已公开。Argon 初始定价为每 100 万输入 token 2 美元、每 100 万输出 token 10 美元。缓存输入 token 享受 95% 折扣，折合每 100 万仅 0.10 美元。初始期结束后，定价将调整为输入 4 美元、输出 20 美元。Logan Kilpatrick 确认了初始的 2 美元输入、10 美元输出定价。

为什么 100 万输出上限很重要

当前前沿 API 的单次响应上限远低于此。Claude Opus 5.5、Claude Fable 5.1 和 GPT-6 Astra 均允许 12.8 万输出 token。

Google 团队表示，Argon 能够深入思考并在单个推理轨迹中生成数十万 token。对于开发者而言，这意味着可以进行大规模重构或撰写长篇报告，而无需跨多个轮次拆分工作。不过成本是真实存在的——完整输出 100 万 token 在初始定价下需花费 10 美元，初始期结束后需 20 美元。

Google 尚未披露 Argon 的输入上下文窗口大小。

基准测试：Argon 的领先与落后之处

Google 将 Argon 与 GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1 进行了对比。Argon 在 18 项基准测试中直接领先 12 项，另有 1 项并列第一。

DeepSWE v1.1（长周期软件工程）：77.9%，刷新最高纪录。Opus 5.5 得分为 74.2%，GPT-6 Astra 为 74.1%。

Vals Index（金融、编码、法律和税务领域的经济影响）：68.9%，排名第一。

AutomationBench（Zapier，端到端业务执行）：51.3%，排名第一。Opus 5.5 得分为 42.5%。

Harvey Legal Agent Benchmark：19.6%，而 GPT-6 Astra 为 5.4%。

LVBench（长视频理解）：91.7%，刷新最高纪录。

FrontierSWE v2：55.0%，落后于 GPT-6 Astra 的 65.5%。

Terminal-Bench 4.0：57.4%，落后于 Claude Opus 5.5 的 66.4%。

OSWorld-2.0（计算机使用）：69.2%，落后于 GPT-6 Astra 的 72.6%。

Artificial Analysis 报告称，Argon 在其 Intelligence Index 上与 GPT-6 Astra 持平，而按折扣价格计算的单任务成本仅为 GPT-6 Astra 的 60%。

网络安全防御：发现、验证、打补丁

Google 训练 Argon 能够自主发现、验证并修补关键软件漏洞。可信防御者和 Google 内部团队可以在没有网络护栏的情况下使用它。

在 CWE-bench v1（测试漏洞修复能力）上，Argon 以 68% 并列第一。该排行榜上的竞品模型均运行在其各自的 agent 框架内。

Wiz 已通过其 Scan for Good 计划使用 Argon。该模型在某款全球医院使用的医疗软件中发现了一个关键漏洞。Google 表示此前的前沿模型均未能发现该漏洞。

在广泛发布前，Google 正在 4 个领域加强安全防护：

针对网络和 CBRN 风险的滥用防御，包括激活监控，纳入其前沿安全框架。

抵御间接 prompt 注入，Argon 在 Gray Swan 的 IPI 基准上处于领先。

对思维链和动作的不对齐监控，并具备停止执行的能力。

用于高风险训练和评估的密封隔离沙箱。

已有数千名 Google 员工使用 Argon。Google 分享了 4 项内部成果：

Argon agent 在数据中心应用了内存优化，释放了超过 300 TiB，预计可释放 500 TiB 到 1 PiB。

Agent 在 libgav1 Rust 移植项目中替换了 3.2 万行 SIMD 代码。解码器以相同输出运行，速度提升 2.7 倍。

Agent 正在将 C/C++ 代码库迁移到 Rust，Fuchsia Zircon 内核规模达 80 万行以上。

Argon 在数分钟内以 40% 的优势击败了已发布的量子算法基准。

对比：Gemini 4 Argon 与最接近的竞品

功能	Gemini 4 Argon	Claude Opus 5.5	Claude Fable 5.1	GPT-6 Astra
开发商	Google DeepMind	Anthropic	Anthropic	OpenAI
可用性	仅 Fairwind 计划	Claude API 及各云	Claude API 及各云	OpenAI API
单次最大输出	100 万 token	12.8 万	12.8 万	12.8 万
上下文窗口	未披露	100 万	100 万	105 万
输入/输出价格（每 100 万）	初始 $2 / $10，后续 $4 / $20	$4 / $20	$10 / $50	$10 / $50
缓存输入（每 100 万）	$0.10（初始）	$0.20	$0.25	$1.00
开放权重	否	否	否	否
DeepSWE v1.1	77.9%	74.2%	67.4%	74.1%
Vals Index	68.9%	67.0%	65.8%	63.1%
FrontierSWE v2	55.0%	62.3%	56.3%	65.5%
Terminal-Bench 4.0	57.4%	66.4%	57.9%	58.2%
CWE-bench v1	68%（并列）	67%	58%	68%（并列）

来源：Google、Anthropic Opus 定价、Anthropic Fable 5.1 文档、OpenAI GPT-6 Astra 文档、OpenRouter。基准分数来自 Google 发布的对比数据。GPT-6 Astra 价格为短上下文层级的定价。

小结

Gemini 4 Argon 将输出上限从 64K 提升到 100 万 token。

在 DeepSWE v1.1（77.9%）和 Vals Index（68.9%）上处于领先。

在 FrontierSWE v2、Terminal-Bench 4.0 和 OSWorld-2.0 上落后于部分竞品。

初始定价 $2 / $10 仅为 Claude Opus 5.5 的一半。

目前仅向 Fairwind 网络防御者开放，尚无公开发布时间。