Gemini 4 Argon 是谷歌首个 Gemini 4 模型，也是迄今为止最强大的模型。独立测试人员将其与 GPT-6 Astra 进行比较，结果相当，它在金融、法律和税务工作的 Vals 指数中名列前茅，并且可以在单次回答中生成多达 100 万个标记。在其发布促销期间，其每个标记的费用也低于 Astra。
问题在于访问权限。截至 2026 年 10 月 13 日，Argon 仅向谷歌的 Fairwind 计划中的网络防御人员推出。谷歌尚未发布模型 ID，它不在 Gemini API 模型列表中，也尚未在 AIHubMix 上提供。本文涵盖了变化的内容，Argon 的优势和劣势，以及谁应该开始为其做准备。
简要版本
- Argon 取代了谷歌产品线顶部的 Gemini 3.1 Pro Preview。这是谷歌七个多月以来首个超过 Flash 级别的新模型。
- 在人工分析智能指数上，它的得分为 53，与 GPT-6 Astra 的最大推理得分相同，比 Gemini 3.1 Pro Preview 高出 23 分。
- 它在人工分析测试中拥有最低的幻觉率（15%），但在正确回答这些问题的数量上，它的表现不如 Astra。
- 在终端重编码和计算机使用方面，它落后于 Claude Opus 5.5 和 GPT-6 Astra。
- 入门价格：每百万个标记 $2 输入和 $10 输出，随后上涨至 $4 和 $20。谷歌尚未说明促销何时结束。
- 今天谁可以使用：Fairwind 会员。付费 API 客户和谷歌 AI Ultra 订阅者将是下一个，但没有具体日期。
与 Gemini 3.1 Pro Preview 的变化
谷歌的 发布帖子 将 Argon 定位于“长远工作”领域：现实世界的软件工程、企业知识工作（如法律和金融）以及网络防御。最大的具体变化是输出上限。
| Gemini 3.1 Pro Preview | Gemini 4 Argon | |
|---|---|---|
| 最大输出 | 64K 标记 | 1M 标记 |
| AA 智能指数 | 30 | 53 |
| AA 每个索引任务的成本 | $1.30 | $1.99 促销 / $3.98 标准 |
| 输入 / 输出价格 | $2 / $12 | $2 / $10 促销，随后 $4 / $20 |
| 谁可以使用 | 公开预览 | 仅限 Fairwind 计划 |
3.1 Pro Preview 的价格适用于最多 200k 标记的提示（超过部分为 $4 / $18）。Argon 尚未发布长上下文价格级别。
100 万标记的输出限制。 早期的 Gemini 模型输出标记上限为 64K。Argon 可以持续到 1M，使用一种名为长解码续传的新 Gemini API 功能，该功能可以在长响应时暂停并在后续调用中恢复，以避免超时。谷歌自己的示例显示了这一点的重要性：其代理已使用 Argon 进行 C 和 C++ 到 Rust 的迁移，包括超过 80 万行的 Fuchsia Zircon 内核，并且在一个库中将 32K 行的 SIMD 代码替换为安全的 Rust，运行速度比早期的 Rust 移植快 2.7 倍。这些工作是 64K 上限迫使你手动分块的任务。
新的命名方案。 没有 Pro 或 Flash 标签，只有一代编号和代号。谷歌早在 2026 年就计划推出 Gemini 3.5 Pro，但已经超越了它。
受限发布。 Argon 是专门为防御性网络工作训练的，谷歌表示它可以“自主发现、验证和修补关键软件漏洞”。Fairwind 会员和谷歌内部团队获得没有网络保护的版本。更广泛的发布将拒绝有害的网络、化学、生物、放射性和核请求。
保持不变的内容。 输出仍然仅限文本。输入包括文本、图像和视频（人工分析还列出了语音）。第三方测试人员报告了 1M 标记的上下文窗口；谷歌的发布帖子没有说明输入限制。[待定：官方上下文窗口]
与 GPT-6 Astra、Claude Opus 5.5 和 Fable 5.1 的比较
下面的表格来自 谷歌 DeepMind 的基准表。谷歌在最高思维设置下运行 Argon，并主要使用竞争对手自报或公开排行榜的数据，因此将其视为供应商数据。人工分析 和 Vals AI 已发布独立结果，表格后引用。
| 基准 | Argon | GPT-6 Astra | Fable 5.1 | Opus 5.5 |
|---|---|---|---|---|
| Vals 指数 | 68.9% | 63.1% | 65.8% | 67.0% |
| Vals 财务代理 v2 | 65.4% | 53.5% | 58.9% | 58.6% |
| Harvey 法律代理 | 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% |
| Terminal-bench 4.0 | 57.4% | 58.2% | 57.9% | 66.4% |
| OSWorld-2.0 | 69.2% | 72.6% | — | — |
| GraphWalks 256k–1M | 84.2% | 71.8% | 65.0% | 66.8% |
| LVBench | 91.7% | 87.5% | 79.7% | 83.7% |
| CWE-bench v1 | 68.0% | 68.0% | 58.0% | 67.0% |
OSWorld-2.0 是离线子集，部分得分。GraphWalks 是 F1。完整表格有 19 行；Argon 在其中 14 行领先或平局。
有三个模式突出：
- 知识工作是差距最大的领域。 在 Harvey 的法律代理基准上，Argon 得分为 19.6%，而其他模型最多为 6.7%。在财务代理 v2 上，领先超过六分。
- 非常长的输入表现良好。 在 256k 到 1M 标记的 GraphWalks 上，Argon 保持 84.2%，而其他模型降至 65-72% 左右。
- 编码表现参差不齐。 Argon 在 DeepSWE 上领先，但在 FrontierSWE（Astra）和 Terminal-bench 4.0（Opus 5.5）上落后。
独立数据大体一致。人工分析在其智能指数上给 Argon（高）打分为 53，与 GPT-6 Astra（最大）持平，比 GPT-6.1 Sol（最大）高出一分。其 Terminal Bench 4 的运行将 Argon 置于 57%，落后于 Claude Sonnet 5.5、Claude Opus 5.5 和 GPT-6 Astra。Vals 将 Argon 排名为其指数上的第一模型，在财务代理 v2 上获得最佳单一结果，并将计算机使用（CUA-bench）列为弱点。
“低幻觉”背后的权衡
人工分析的全知测试提出了困难的事实问题，并惩罚自信的错误答案。Argon 的幻觉率为 15%，是任何在指数上得分 45 或以上的模型中最低的；而 GPT-6 Astra 的幻觉率为 51%。但是，Argon 在相同问题上的准确率为 50%，而 Astra 为 63%。Argon 通过在不确定时拒绝回答来获得低幻觉率，而不是通过了解更多。
对于法律和财务审查，这通常是正确的权衡：拒绝很容易被发现并转交给人或其他模型，而自信的错误数字可能会被审查者忽视。只有在你的应用程序有地方可以发送 Argon 拒绝的问题时，这种做法才有意义。
Argon 不是最佳选择的地方
- 终端重编码代理。 谷歌自己的表格显示 Opus 5.5 在 Terminal-bench 4.0 上得分 66.4%，而 Argon 为 57.4%，人工分析的运行结果也同意这一顺序。
- 计算机使用。 Astra 在 OSWorld-2.0 上领先，而 Vals 在 CUA-bench 上将 Argon 排名为八个模型中的第七。
- 每次都需要答案的问题。 50% 的全知准确率意味着在困难的事实回忆中会有许多“我不确定”的回答。
- 对延迟敏感的工作。 Argon 在人工分析任务中平均输出约 62k 标记，而 Astra 约为 27k。谷歌尚未发布速度数据。[待定：输出速度和首次标记时间]
- 任何必须在本季度发货的内容。 你现在无法调用它。
谁应该切换、等待或保留
| 工作负载 | 现在该怎么做 |
|---|---|
| 财务、法律和税务代理 | 为 Argon 做计划 |
| 长文档和长视频 | 为 Argon 做计划 |
| 大型代码迁移 | 为 Argon 做计划 |
| 终端重编码代理 | 继续使用 Opus 5.5 或 Astra |
| 计算机使用代理 | 保持不变 |
| 高容量、成本敏感的工作 | 使用 Gemini 3.8 Flash |
| Fairwind 中的安全团队 | 立即使用 Argon |
“为 Argon 做计划”意味着：今天在 Gemini 3.8 Flash 或 3.1 Pro Preview 上原型化工作流程，按 Argon 的标准价格预算，并在访问权限开放时更换模型 ID。
在 AIHubMix 上做好准备
Argon 在 AIHubMix 上有一个 模型页面，ID 为 gemini-4-argon，但标记为即将推出，尚无价格。[待定：AIHubMix 可用日期]
你现在可以在 AIHubMix 已经提供的 Gemini 模型上构建工作流程，例如 Gemini 3.8 Flash，并在配置中保留模型 ID。与 OpenAI 兼容的端点与标准 OpenAI SDK 一起使用；AIHubMix Gemini 指南 还涵盖了原生谷歌 SDK。
import os
from openai import OpenAI
client = OpenAI(
base_url="https://aihubmix.com/v1",
api_key=os.environ["AIHUBMIX_API_KEY"],
)
# AIHubMix 将 Argon 列为 gemini-4-argon（即将推出）。在
# Gemini 3.8 Flash 上原型化，然后在开放后设置 ARGON_MODEL_ID=gemini-4-argon。
MODEL = os.environ.get("ARGON_MODEL_ID", "gemini-3.8-flash")
resp = client.chat.completions.create(
model=MODEL,
reasoning_effort="high",
messages=[
{"role": "user", "content": "列出下面合同中的终止条款。如果你对其中任何条款不确定，请说明。 \n\n<合同文本>"},
],
)
print(resp.choices[0].message.content)
在与 OpenAI 兼容的路径上，reasoning_effort 映射到 Gemini 的思维设置。Argon 接受的值尚未记录。[待定：AIHubMix 上的 Argon 推理级别]
当 Argon 在 AIHubMix 上开放时，其价格和支持的参数将在该模型页面上显示。
常见问题
我今天可以通过 API 使用 Gemini 4 Argon 吗？
只有当你的组织在谷歌的 Fairwind 计划中时。付费 API 客户和谷歌 AI Ultra 订阅者将是下一个，但谷歌尚未给出日期。
Gemini 4 Argon 的模型 ID 是什么？
谷歌尚未发布模型 ID。在 AIHubMix 上，Argon 被列为 gemini-4-argon，模型页面标记为即将推出。通过谷歌自己的 API 调用该 ID 在 10 月 1 日返回了 404 错误。
Gemini 4 Argon 比 GPT-6 Astra 更好吗？
在人工分析的指数上，它们持平。Argon 在知识工作、长上下文检索和视频理解方面领先；Astra 在 FrontierSWE、终端科学任务和计算机使用方面领先。
Gemini 4 Argon 适合编码吗？
它在 DeepSWE 和 Vibe Code Bench 上表现强劲，但 Claude Opus 5.5 和 GPT-6 Astra 在终端重编码方面仍然领先。
100 万标记的输出限制在实践中意味着什么？
单个任务可以生成远超旧的 64K 上限的内容，例如大型代码迁移或长报告。谷歌表示这依赖于长解码续传，该功能在调用之间暂停并恢复长响应。
为什么幻觉率低但准确率仅为 50%？
Argon 在不确定时更常拒绝回答。这降低了自信错误答案的数量，但也降低了其正确回答问题的比例。
Gemini 4 Argon 何时会在 AIHubMix 上推出？
尚无日期。其 AIHubMix 模型页面已上线，但标记为即将推出。现在通过 AIHubMix 在 Gemini 3.8 Flash 或 3.1 Pro Preview 上构建，并在 Argon 开放时切换模型 ID。
继续阅读：Gemini 4 Argon 系列
- $2/$10 的启动价格看起来便宜，直到你计算每个任务的标记数。每个任务的测量成本在这里：Gemini 4 Argon 定价：每个标记便宜，但每个任务不便宜
来源
- Gemini 4 Argon：我们前沿智能的下一个时代（谷歌）
- Gemini 模型和基准（谷歌 DeepMind）
- Gemini 4 Argon：谷歌重新成为智能领域的前三大实验室之一（人工分析）
- Gemini 4 Argon 基准、成本和能力（Vals AI）
- AIHubMix 上的 Gemini 4 Argon（AIHubMix）
