谷歌發佈新一代旗艦模型

剛剛，Gemini 4 Argon正式面向全球開發者、企業及付費訂閱用戶陸續開放。按照谷歌的定位，這一代主要加強了編程、專業知識工作和複雜任務的持續執行能力，同時也把此前比較擅長的視覺理解、空間推理和工具調用能力進一步推向前沿。在官方展示的demo中，看得出這次Gemini 4 Argon最自信的還是多模態方面。輸入一段模擬風箏的文字提示，生成的效果直接起飛。而在大家更關心的能不能重回御三家、給用戶多一個模型選擇這件事上，Gemini4 Argon這次在評測中也表現得相當爭氣。

在谷歌自家評測中，Gemini4 Argon覆蓋了辦公、智能體編程、機器學習以及科學推理等多個方向，整體表現已經達到GPT-6 Astra、Opus5.5的水平，其中不少項目甚至實現領先。第三方Artificial Analysis智能指數中，Argon High也與GPT-6 Astra Max、Claude Fable5.1 Max並列53分。更關鍵的是，在達到同等水平的情況下，Argon High的平均每任務成本僅為1.99美元，比Astra低約39%。這一成本優勢體現到首發價格上，就是API每百萬輸入token2美元，輸出10美元。粗算了一下就是Argon的調用成本約為Opus5.

5的一半、Astra的五分之一。值得一提的是，優惠截至11月30日，12月1日起，輸入和輸出價格將分別恢復至4美元和20美元。也就是說，先打五折，歡迎大家來試。當然，如果模型不夠聰明，做個任務來回燒token，那省下來的錢可能又全燒回去了。提前體驗過Gemini4 Argon的Ethan Mollick，也給出了相當中肯的判斷： 這一代相比此前的 Gemini 是一次明顯躍升，創造力、寫作和使用體驗都有進步，但複雜多智能體任務仍有差距，偶爾還會過於自信、犯點懶。

至於為什麼新一代旗艦又讓大家等了這麼久，我翻了翻谷歌的新發布頁面，看到了一份217頁的安全報告～ （谷歌還是太怕出事了） 最自信的還是多模態 從Pro版本一次次跳票，到今年9月30日宣佈首期限量，再到不知道多少個“下週見”之後—— Gemini4 Argon，終於來了。在官方技術博客中，谷歌把Argon的核心升級總結為一點：更強的長流程任務執行能力。簡單來說，就是模型不再只是回答問題，而是理解目標之後，能夠自己查資料、調用工具、修改代碼、檢查結果，在多個步驟之間持續推進，把一件複雜的事真正做完。不過，相比於企業、工程場景裡的示例，谷歌這次最捨得展示，PR的其實還是多模態能力。

比如，劈柴哥就在推特上放出了一波“自家模型生成自家手機”的demo—— Argon直接生成了Pixel手機相關的3D場景。另一個案例中，Argon甚至完全通過代碼生成了一套3D動態排版效果，包括其中的音樂。整個過程沒有調用預錄素材，也沒有使用視頻編輯軟件。Hassabis在轉發巫師棋演示時，也特別提到了模型對於物理規律和3D建模的理解。甚至這一幕，還讓他想起了自己當年在Amiga上玩《戰爭象棋》的經歷。當然，網友也沒閒著，很快把Argon和GPT、Claude、Kimi等模型放到一起進行了生成效果對比。整體來看，谷歌這次的視覺質感確實非常突出，雖然細節上，比如鯨魚的運動，仍然能看出一些不自然。

不過，也有網友測出來的結果是，Opus 5.5依舊是神中神。除了好看的demo以外，這種空間理解能力，也進一步延伸到了真實機器人身上。在官方展示中，Argon觀看了一段人類玩沙包投擲遊戲的視頻。隨後，它分析環境中的空間關係，計算全身關節運動，自主編寫仿真代碼，並將方案遷移到Apptronik的Apollo人形機器人上。可以說，看著GPT、Claude這兩天瘋狂進軍機器人，谷歌這次也終於坐不住了。谷歌表示，這套“視頻—仿真—現實”的流程，可以把過去需要數週人工完成的機器人仿真建模工作，壓縮到數小時。背後的意義是，人類示範正在變得更容易轉化為機器人可以學習、練習和驗證的任務。

過去，看視頻理解動作、搭建仿真環境、編寫控制代碼，往往是三個割裂環節。而現在，多模態模型開始嘗試把這條鏈路串起來。編程提升，谷歌先拿自己的代碼庫試了 編程方面，這次Gemini4 Argon的核心提升，是處理大型真實項目的長期維護和優化能力。相比過去只能完成單個代碼任務，新一代模型更擅長理解整個代碼庫的結構，定位性能瓶頸，並跨文件修改、運行測試，把一個複雜工程任務持續推進下去。這個能力，谷歌首先拿自家的開源智能體框架ADK做了驗證。這個Python項目約有20.5萬行代碼。團隊給Argon的任務是：在不改變接口和現有行為的情況下，降低框架運行開銷，並通過測試證明優化有效。

結果，Argon在無人值守狀態下連續工作11小時，提出了涉及32個文件的6項優化方案，並跑完了全部16892項開源測試。最終，經過工程師審核，其中兩項優化被合併，包括減少會話歷史複製開銷，以及讓大型模塊按需加載。基於這些修改，ADK長會話中的內存準備開銷降低約40%，包導入耗時降低21%。類似的能力，也被谷歌用在了更大規模的工程任務中。在Chromium瀏覽器項目中，Argon協助完成了一項涉及數百個文件的架構重構，把原本預計需要數月的工作壓縮到了數週。此外，在優化Gemma4E2B推理程序時，Argon將特定配置下的吞吐量從每秒約3.79萬個token提升至超過10.

8萬個token，端到端速度達到原來的2.85倍。谷歌表示，這類優化過去通常需要數月時間，而這一次只用了幾天。放到Google內部整體來看，過去幾周，Antigravity中的Argon已幫助團隊將智能體代碼提交量提升超過35%，代碼回滾次數減少近三分之一。當然了，也有網友表示，自己用起來就沒這麼好了。真正具體表現還要看之後的大規模使用效果了。這也和前面的榜單相互印證：Argon在DeepSWE、Vibe Code Bench上很強，但在FrontierSWE和Terminal-bench中，仍落後於表內幾款主要競品。真實項目裡的收益已經有了，能不能穩定復現到更多人的工作裡，還得繼續看。

專業知識工作能力進一步提升 專業知識工作方面，這次Gemini4 Argon的提升，主要體現在處理多種材料、關聯信息，並把結果整理成可以直接使用的產物。官方展示了一個非常典型的辦公場景： 用戶給Gemini一個裝滿零散項目資料的文件夾，要求它整理成一份客戶提案。隨後，Gemini會根據自定義技能生成演示文稿，起草郵件、發送材料，併為後續客戶請求設置自動化流程。此外，Gemini應用也同步加入了任務入口。用戶可以從聊天切換到任務執行模式，讓模型在用戶離開電腦後繼續完成工作。與此同時，Antigravity的編程界面也被整合進Gemini macOS應用。

科研場景中，這種連續執行能力則進一步延伸到了實驗驗證。谷歌科學家讓Argon參與設計絲氨酸酯酶。模型在數小時內完成數據整理、模型調優和候選篩選，最終提出5個新設計。隨後，研究人員把這些設計送進實驗室，驗證它們能否真正發揮作用。實驗使用的檢測分子，其酯鍵被切斷後，生成的產物會在紫外光下發出熒光。按照谷歌披露的結果，五個設計均表現出較強的催化活性。模型交出的方案，已經走到了實驗驗證這一步。谷歌還宣佈，將向符合條件並獲選的1萬名科學家，免費提供六個月的Antigravity最高使用額度，分批開放。One more thing 前面雖然調侃谷歌怕出事，但這次安全能力確實值得單獨說兩句。

在評估漏洞修復能力的CWE-bench v1中，Argon取得68%的成績，與GPT-6 Astra同處官方對比表的最高分。前Anthropic，現DeepMind Mechanistic Interpretability負責人表示，Argon的安全報告是Google目前最詳盡的。217頁可不詳盡嗎？在Gray Swan間接提示詞注入評測中，經過15次自適應攻擊嘗試，Argon的攻擊成功率為0.7%。所以，那217頁裡，還是有不少正經內容的。至於這是不是旗艦發得慢的原因，咱們沒有證據。只能說，模型終於發出來了，谷歌還順手交了一本書。參考鏈接 [1]https://blog.

google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/ 版權所有，未經授權不得以任何形式轉載及使用，違者必究。