Google 釋出 Gemini 4 Argon：主攻程式設計與科研，每百萬輸入 2 美元

過去幾個月裡，大模型廠商基本都在卷輕量級的小模型，但真正棘手的工程難題，小模型根本啃不動。

Google 正式釋出前沿模型 Gemini 4 Argon。這是 Google 時隔七個多月再次推出旗艦級模型，直接面向開發者、企業以及 Google AI Pro 和 Ultra 訂閱者開放。

它的 API 定價打得很低，每百萬輸入 token 僅需 2 美元，每百萬輸出 token 10 美元，輸入快取還能打 0.5 折。在官方測試中，它拿下了衡量金融、法律、稅收和程式設計綜合能力的 Vals Index 第一名。

進 Chrome 重構程式碼，下實驗室設計酶

Google 這次沒有大談抽象跑分，而是拿內部工程開刀。根據官方資料，Argon 讓 Google 內部團隊的代理程式碼提交量增加了 35% 以上，程式碼回滾減少了近三分之一。

最顯眼的戰績來自 Chrome 團隊。Chromium 有 4000 萬行程式碼，其中一個存放瀏覽器歷史功能的資料夾就有約 600 萬行，結構錯綜複雜。Argon 協助團隊把核心網頁處理邏輯拆分出來，涉及數百個檔案的架構重構，硬是把幾個月的工作壓縮到了幾週內完成。

在程式碼之外，它還跑進了實驗室。研究團隊用它讓開源量子化學軟體包 xTB 預測分子結構的速度提升了 2.3 倍，甚至設計出 5 種全新的絲胺酸酯酶，且全部通過了溼實驗驗證。

而在物理世界裡，Argon 僅靠觀看人類扔沙包的影片，就自主算出了全身關節動作並寫成模擬程式碼。部署到 Apptronik 的 Apollo 人形機器人上後，機器人在現實測試中連續投中了 7 次。

100 萬 token 的取捨與第三方評測

Argon 最受關注的一項特性，是支援高達 100 萬 token 的輸出能力。不過這裡有個細節：這 100 萬上下文視窗是輸入、內部思考鏈與最終輸出共享的。

換句話說，模型在底層思考推演時消耗的思考 token 越多，留給可見輸出的空間就越少。如果你讓它深度思考耗費了 50 萬 token，最終吐出的文本最多也就只有 50 萬 token。

而且在 API 層面，單次呼叫預設最多返回 65536 個 token，必須依靠加密的狀態接力模式，多輪往返才能打滿 100 萬 token。普通訂閱使用者在前端體驗不到這種技術複雜度，只會覺得它的單次長文本生成能力大幅提升。

第三方的獨立測試也給這股熱潮潑了一點冷水。在 Artificial Analysis 的智慧指數測試中，Argon 得分為 52.56，與 OpenAI 的 GPT-6 Astra 咬得很緊，但落後於 Anthropic 的 Claude Opus 5.5 和 Sonnet 5.5。

不過 Argon 展現出了極其獨特的屬性：它的幻覺率僅有 15%，是同級別模型中最低的一檔，而同期 GPT-6 Astra 的幻覺率超過 50%。代價則是它的回答絕對準確率只有 50%，低於 Astra 的 63%。它寧可選擇保守，也不輕易胡編亂造。

為什麼重要

對於每天面對幾十萬行老舊程式碼的軟體工程師，或者需要整理海量文獻和專利的科研人員來說，Argon 值得儘早去試。它不是那種只會寫打油詩的聊天機器人，而是能真刀真槍跑長程推理的工具。Google 還拿出 1 萬個為期 6 個月的 Antigravity 最高使用許可權名額免費提供給科學家，擺明了要在科研落地場景裡佔位。

在行業格局上，Argon 改變了各家的競爭靶心。過去大家拼的是誰的基準分數更高、反應更快，現在戰場轉移到了超長上下文輸出、代理執行穩定性和幻覺控制上。它把輸入價格打到每百萬 2 美元，更是直接把複雜推理的工業化門檻踩低了一大截，逼著 Anthropic 和 OpenAI 拿出更有價效比的長程產品。

我們認為，Google 這次最聰明的地方在於抓住了「低幻覺」和「落地實操」這兩張牌。與其吹噓全知全能，不如給出一個靠譜、敢在生產環境裡跑的代理工具。但隱患也同樣存在：共享上下文機制讓使用者難以直觀預估 token 消耗，而較低的絕對準確率意味著它在不熟悉的領域仍然可能頻繁拒答或卡殼。它不是通用智慧的終點，但確實是一臺實用的重型工程機械。