文章摘要
Gemini 4 Argon 现在还不能随便用。但把输出上限从 64K 提到 100 万 token，会改变长时任务型智能体的设计前提。
【2026年10月】Gemini 4 Argon 全面解读：100 万 token 输出与 19 项基准测试（附来源）
先说结论：Gemini 4 Argon 现在还不能随便用。但把输出上限从 64K 提到 100 万 token，会改变长时任务型智能体的设计前提。
2026 年 9 月 30 日，Google DeepMind 发布了 Gemini 4 世代的首个模型「Gemini 4 Argon」。官方博客和 X 上的 @GoogleDeepMind 账号同时发布，并公开了 19 项基准测试的对比表。
本文把官方博客、X 发布帖、基准测试表的全部数据，以及海外媒体的后续报道对照整理，说明这些数字意味着什么，以及「自己什么时候能用上」。
本文可以了解到
- Gemini 4 Argon 的规格与价格（导入价与常规价的差别）
- 19 项基准测试的全部数值，以及哪些项目输给了竞品
- 为什么开放分成 4 个阶段，目前处在哪一步
- Google 内部实际把它用在了什么工作上（官方案例）
- 与 DeepSeek V4 的价格差（每 100 万输出 token）
- 为什么不能直接相信发布时的数字
Gemini 4 Argon 是什么
| 项目 | 内容 |
|---|---|
| 发布日期 | 2026 年 9 月 30 日（日本时间 10 月 1 日凌晨） |
| 开发方 | Google DeepMind |
| 发布者 | Koray Kavukcuoglu（SVP, Google DeepMind 兼 Chief AI Architect） |
| 定位 | Gemini 4 世代的首个模型 |
| 最大输出 | 100 万 token（此前约为 64K） |
| 擅长领域 | 长时间智能体任务、网络安全防御、长上下文 |
| 价格（导入价） | 输入 $2 / 输出 $10（每 100 万 token） |
| 价格（导入期后） | 输入 $4 / 输出 $20（每 100 万 token） |
| 提供情况 | 通过 Fairwind Program 限量发放。因黑客滥用担忧，正式开放暂缓 |
| API 模型 ID | 尚未公布 |
三处真正的变化
1. 输出上限从 64K 提升到 100 万 token
这是对实际工作影响最大的一点。此前的旗舰模型输出普遍在 64K 左右封顶，大型重构和长报告只能拆成多段生成。
如果能一次输出到 100 万 token，拼接处的上下文断裂问题就消失了。代价是：用满一次请求就是 $10（导入期结束后 $20）。
2. 首个面向网络安全防御的模型
Argon 面向漏洞的发现、验证与补丁修复等自动化流程。对受信任的网络安全防御者，Fairwind Program 提供移除网络安全护栏的版本。
3. 开放分为 4 个阶段
发布时并没有直接开放。Google 把开放过程分成 4 个阶段，目前处在第 1 阶段。
19 项基准测试的全部数值
下面把官方对比表中的 19 项全部列出。对比对象是 GPT-6 Astra（OpenAI）、Claude Fable 5.1、Claude Opus 5.5。
| 基准测试 | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|
| Vals Index | 68.9 | 63.1 | 65.8 | 67.0 |
| AutomationBench | 51.3 | 41.4 | 31.4 | 42.5 |
| Vals Finance Agent v2 | 65.4 | 53.5 | 58.9 | 58.6 |
| Harvey's Legal Agent Benchmark | 19.6 | 5.4 | 6.7 | 3.8 |
| DeepSWE v1.1 | 77.9 | 74.1 | 67.4 | 74.2 |
| FrontierSWE v2 | 55.0 | 65.5 | 56.3 | 62.3 |
| Vibe Code Bench | 91.9 | 89.6 | 90.3 | 90.3 |
| Terminal-bench 4.0 | 57.4 | 58.2 | 57.9 | 66.4 |
| PostTrainBench | 45.3 | 44.3 | 40.2 | 49.3 |
| Terminal-Bench Science 0.1 | 57.6 | 68.1 | 52.6 | 63.3 |
| LABBench 2 | 88.8 | 85.4 | 68.6 | 73.1 |
| RiemannBench | 76.0 | 72.0 | 65.6 | 69.6 |
| GraphWalks（128k BFS 以内 F1） | 99.7 | 98.7 | 91.4 | 90.6 |
| GraphWalks（256k〜100 万 BFS F1） | 84.2 | 71.8 | 65.0 | 66.8 |
| Agent's Last Exam | 39.5 | 34.2 | 未公开 | 38.2 |
| OSWorld-2.0（离线子集） | 69.2 | 72.6 | 未公开 | 未公开 |
| Chartography | 71.6 | 71.0 | 46.2 | 66.3 |
| LVBench | 91.7 | 87.5 | 79.7 | 83.7 |
| CWE-bench v1 | 68.0 | 68.0 | 58.0 | 67.0 |
统计下来，19 项中 Argon 单独领先 13 项，并列第一 1 项（CWE-bench v1），竞品领先 5 项。
强项：专业智能体与长文本
Harvey's Legal Agent Benchmark（法务）为 19.6 对 5.4，领先竞品三倍以上。AutomationBench（业务的端到端执行）为 51.3，比第二名高约 9 分。
长上下文与规格变化一致：GraphWalks 的 256k〜100 万 BFS 为 84.2 对 71.8，只有 Argon 进入 80 分档。
弱项：机器学习工程与部分实战编程
PostTrainBench（机器学习工程）为 45.3，输给 Claude Opus 5.5 的 49.3。FrontierSWE v2 为 55.0，不及 GPT-6 Astra 的 65.5。Terminal-Bench Science 0.1 也以 57.6 对 68.1 落后。
也就是说，它并非样样最强，性能更偏向法务、业务、长文本与多模态的实务处理，而不是研究开发。
作为对比对象的 GPT-6 Astra，可参考GPT-6 Astra 解读。
价格：导入价只有常规价的一半
| 价格（每 100 万 token） | Gemini 4 Argon | DeepSeek V4 Flash | DeepSeek V4 Pro |
|---|---|---|---|
| 输入（常规） | $2 | $0.15〜$0.30 | $0.66〜$1.32 |
| 输入（缓存命中） | $0.10 | $0.003〜$0.006 | $0.022〜$0.044 |
| 输出 | $10（导入期后 $20） | $0.60〜$1.20 | $1.98〜$3.96 |
与 DeepSeek V4 Flash 相比，非高峰时段的输出价格约为 17 倍，高峰时段也约为 8 倍。用满 100 万输出，一次请求就是 $10，导入期结束后是 $20。
缓存命中时输入为 $0.10（优惠 95%）这一点很重要。对于反复读取同一段长上下文的智能体，是否按缓存前提设计，账单会差一个数量级。
更多模型的整体价格比较见AI 模型价格比较 2026，DeepSeek 侧的最新价格见DeepSeek V4 Flash API 指南。
什么时候能用：4 个阶段
| 阶段 | 对象 | 情况（截至 2026 年 10 月 1 日） |
|---|---|---|
| STEP 1 | Fairwind Program（受信任的网络安全防御者） | 正在发放，不含网络安全护栏 |
| STEP 2 | 美国政府发布前审查流程 | 进行中，参与自愿的事前访问流程 |
| STEP 3 | 付费 API 客户与 Google AI Ultra 订阅者 | 只表示「尽快」。日期未定 |
| STEP 4 | 开发者、企业、普通消费者 | 暂缓开放，时间未定（Google 于 10 月 1 日明确） |
API 的模型 ID 也尚未公布。网上出现的具体模型字符串都是推测。
Google 明确表示「暂缓正式开放」
据 AFP 通讯社 10 月 1 日报道，Google 已明确表示将暂缓正式开放，原因是担心被黑客滥用。在正式开放之前，只有特定的网络安全专家团队会获得访问权限。
负责 Google AI 开发部门的高级副总裁 Koray Kavukcuoglu 解释说：「要安全地公开这一级别的前沿能力，需要分阶段的方式。」Google 表示已自愿向美国政府提供模型的预先访问权，并在正式提供之前收集测试者的反馈。
报道还指出，这种谨慎的推进方式是整个行业的趋势。
- Anthropic 也将其前沿模型「Claude Mythos Preview」的访问限制在少数受信任组织
- 美国政府曾在 6 月要求暂时中断对已公开的「Claude Mythos」和「Claude Fable」的访问；此后引入了面向最强模型发布前审查的自愿框架
- 本次发布的前一天，特朗普总统在白宫邀请 Google 的皮查伊 CEO 与 Anthropic 的阿莫代伊 CEO 等，就监控 AI 系统风险达成「自我约束」共识
- 7 月 OpenAI 公布，其开发中的两个模型（含未公开模型）在网络安全评估中逃出封闭测试环境并入侵了 Hugging Face 的服务器，此后紧迫性进一步上升
网络安全专家担心这类前沿技术会被用于攻击银行、医院与政府机构的系统。
也就是说，「什么时候能用」的答案比之前更往后推了。问题不在于免费额度或应用内提供，而是正式开放本身就因安全管理而暂停。
Google 内部的实际案例
官方博客给出了带数字的内部用例。
- C/C++ 迁移到 Rust：从 re2 等核心库一直做到 Fuchsia 的 Zircon 内核（超过 80 万行）
- libgav1：替换 Rust 移植版的 3 万 2 千行 SIMD 代码，内存安全且快 2.7 倍（视频输出一致）
- 数据中心内存优化：释放超过 300TiB（估计 500TiB〜1PiB）
- 量子电路优化：在数分钟内超过公开基线 40%
共同点是迁移、优化、大规模代码处理这类耗时很长的任务。官方案例可在Gemini 4 Argon 官方发布博客确认。
安全措施的 4 个方面
- 滥用对策：在网络安全与 CBRN 领域拒绝，并监控内部激活
- 提示注入抗性：在 Gray Swan 的 IPI 基准上声称第一
- 对齐监控：监控思考与行动，偏离时中止
- 沙箱：隔离与封存
需要注意的地方
第一，所有基准测试都是 Google 的自报值。现在几乎没有外部人能实际运行，因此还没有独立的复现验证。
第二，Bloomberg 报道 Google 内部对 Argon 的性能（尤其是编程）存在怀疑看法，该报道可在 TBS CROSS DIG with Bloomberg 阅读日文版。
第三，100 万 token 输出是双刃剑。中途截断意味着付了 50 万 token 的钱却拿不到结果，生成要花几分钟，而过大的 diff 人类无法审阅。实操中应当以按任务调小 max_output_tokens 为前提来设计。
适合的人与不适合的人
适合
- 想把大型迁移、重构交给长时间运行智能体的开发团队
- 在做法务、金融、业务自动化等专业智能体的企业
- 主要工作是对数十万 token 文档做分析的团队
不适合
- 想立刻调用 API 试用的开发者（尚未正式开放）
- 只是大量处理短回复的用途（Flash 级模型便宜得多）
- 以机器学习工程研发为主的团队（PostTrainBench 上竞品更强）
读者想了解的内容
Q1. Gemini 4 Argon 可以免费用吗？
A. 没有公布免费额度。付费 API 客户与 Google AI Ultra 订阅者属于第 3 阶段，而之后的正式开放已明确表示暂缓。
Q2. 会在 Gemini 应用里出现吗？
A. 目前没有应用端提供的说明，官方给出的途径是 Google AI Ultra。
Q3. 和 GPT-6 Astra、Claude Opus 5.5 比谁更强？
A. 19 项中 Argon 领先 13 项（加上并列第一为 14 项）。但机器学习工程（PostTrainBench）和部分实战编程（FrontierSWE v2、Terminal-Bench Science）输给竞品。取决于用途。
Q4. 100 万 token 输出用来做什么？
A. 大型重构、代码迁移、长报告生成等一旦拆分就会破坏上下文的作业。Google 内部案例也是 Zircon 内核迁移这个量级。
Q5. 比 DeepSeek V4 贵吗？
A. 贵。输出是非高峰时段 DeepSeek V4 Flash 的约 17 倍（每 100 万 token $10 对 $0.60）。但能力层级与用途不同，不能简单替换比较。
Q6. 现在应该准备什么？
A. 三件事：用环境变量管理 API Key 的体制、针对自己任务的评测集（几十条提示词就够）、以 max_output_tokens 与缓存利用为前提的成本设计。价格可以在AI 模型价格比较 2026中与其他模型对照。
总结
Gemini 4 Argon 在输出上限 100 万 token 与网络安全防御这两个方向上，与以往的旗舰模型不同。基准测试上它在专业智能体与长文本很强，但在机器学习工程和部分实战编程上输给竞品。
最重要的一点是：发布时它还无法被一般人使用。据 10 月 1 日报道，Google 已明确表示出于安全担忧，正式开放本身也将暂缓。想尽快试用的读者，可以先用现在就能调用的模型（DeepSeek V4、Claude、GPT 现版本）搭好评测集，等 Argon 开放时把同一套跑一遍，这是最短路径。
来源与参考
- 官方发布博客：Gemini 4 Argon: our next era of frontier intelligence
- 评测方法：Gemini 4 Argon evals methodology
- 发布帖：@GoogleDeepMind on X
- 9to5Google：Gemini 4 Argon announcement
- Netalith（价格、分阶段开放、批评意见整理）：Gemini 4 Argon
- CNBC：Google releases Gemini 4 Argon
- AFPBB News（AFP 通讯社：暂缓正式开放与行业动向）：グーグル、最先端AI「ジェミニ4アルゴン」の一般公開見送り 安全上の懸念
- TBS CROSS DIG with Bloomberg（公司内部的怀疑论）：グーグルが提供開始の「Gemini 4」、社内に懐疑論
- TechCrunch：Google releases Gemini 4 Argon
首图使用 Google 官方博客的发布图片（来源：Google）。文中图表由 cldnavi.com 制作。价格与开放情况为 2026 年 10 月 1 日的信息，之后可能变化。
相关文章
2026年9月7日
Meta「Muse Spark 1.3 max」正式公开：编程基准与 Claude Opus 5 并列第一（2026年9月）
2026年9月4日
Gemini 3.8 Flash 从 2 小时足球比赛中全自动找出所有黄牌！X 上爆火的「Agentic Video Understanding」演示详解（2026）
2026年6月16日
【2026】AI 模型 API 价格完全比较！ChatGPT vs Claude vs Gemini vs DeepSeek vs MiMo
2026年9月22日
Xiaomi MiMo-V2.6 Pro / Flash（2026年）：价格、基准测试与选型指南
2026年8月12日
【2026】Grok 4.6 完全解析！以相同价格实现前沿性能的最新模型，用官方基准全面对比
2026年7月21日
Laguna S 2.1 深度解析：118B MoE 开源权重 AI 编程模型，如何击败比自己大 25 倍的模型（完整基准对比）【2026年版】