Google 发布 Gemini 4 Argon：主攻编程与科研，每百万输入 2 美元

过去几个月里，大模型厂商基本都在卷轻量级的小模型，但真正棘手的工程难题，小模型根本啃不动。

Google 正式发布前沿模型 Gemini 4 Argon。这是 Google 时隔七个多月再次推出旗舰级模型，直接面向开发者、企业以及 Google AI Pro 和 Ultra 订阅者开放。

它的 API 定价打得很低，每百万输入 token 仅需 2 美元，每百万输出 token 10 美元，输入缓存还能打 0.5 折。在官方测试中，它拿下了衡量金融、法律、税收和编程综合能力的 Vals Index 第一名。

进 Chrome 重构代码，下实验室设计酶

Google 这次没有大谈抽象跑分，而是拿内部工程开刀。根据官方数据，Argon 让 Google 内部团队的代理代码提交量增加了 35% 以上，代码回滚减少了近三分之一。

最显眼的战绩来自 Chrome 团队。Chromium 有 4000 万行代码，其中一个存放浏览器历史功能的文件夹就有约 600 万行，结构错综复杂。Argon 协助团队把核心网页处理逻辑拆分出来，涉及数百个文件的架构重构，硬是把几个月的工作压缩到了几周内完成。

在代码之外，它还跑进了实验室。研究团队用它让开源量子化学软件包 xTB 预测分子结构的速度提升了 2.3 倍，甚至设计出 5 种全新的丝氨酸酯酶，且全部通过了湿实验验证。

而在物理世界里，Argon 仅靠观看人类扔沙包的视频，就自主算出了全身关节动作并写成仿真代码。部署到 Apptronik 的 Apollo 人形机器人上后，机器人在现实测试中连续投中了 7 次。

100 万 token 的取舍与第三方评测

Argon 最受关注的一项特性，是支持高达 100 万 token 的输出能力。不过这里有个细节：这 100 万上下文窗口是输入、内部思考链与最终输出共享的。

换句话说，模型在底层思考推演时消耗的思考 token 越多，留给可见输出的空间就越少。如果你让它深度思考耗费了 50 万 token，最终吐出的文本最多也就只有 50 万 token。

而且在 API 层面，单次调用默认最多返回 65536 个 token，必须依靠加密的状态接力模式，多轮往返才能打满 100 万 token。普通订阅用户在前端体验不到这种技术复杂度，只会觉得它的单次长文本生成能力大幅提升。

第三方的独立测试也给这股热潮泼了一点冷水。在 Artificial Analysis 的智能指数测试中，Argon 得分为 52.56，与 OpenAI 的 GPT-6 Astra 咬得很紧，但落后于 Anthropic 的 Claude Opus 5.5 和 Sonnet 5.5。

不过 Argon 展现出了极其独特的属性：它的幻觉率仅有 15%，是同级别模型中最低的一档，而同期 GPT-6 Astra 的幻觉率超过 50%。代价则是它的回答绝对准确率只有 50%，低于 Astra 的 63%。它宁可选择保守，也不轻易胡编乱造。

为什么重要

对于每天面对几十万行老旧代码的软件工程师，或者需要整理海量文献和专利的科研人员来说，Argon 值得尽早去试。它不是那种只会写打油诗的聊天机器人，而是能真刀真枪跑长程推理的工具。Google 还拿出 1 万个为期 6 个月的 Antigravity 最高使用权限名额免费提供给科学家，摆明了要在科研落地场景里占位。

在行业格局上，Argon 改变了各家的竞争靶心。过去大家拼的是谁的基准分数更高、反应更快，现在战场转移到了超长上下文输出、代理执行稳定性和幻觉控制上。它把输入价格打到每百万 2 美元，更是直接把复杂推理的工业化门槛踩低了一大截，逼着 Anthropic 和 OpenAI 拿出更有性价比的长程产品。

我们认为，Google 这次最聪明的地方在于抓住了「低幻觉」和「落地实操」这两张牌。与其吹嘘全知全能，不如给出一个靠谱、敢在生产环境里跑的代理工具。但隐患也同样存在：共享上下文机制让用户难以直观预估 token 消耗，而较低的绝对准确率意味着它在不熟悉的领域仍然可能频繁拒答或卡壳。它不是通用智能的终点，但确实是一台实用的重型工程机械。