谷歌正式发布Gemini 4 Argon，API限时半价

Gemini 4 Argon已正式面向全球开发者、企业及付费订阅用户陆续开放。谷歌给这一代的定位很明确：加强编程、专业知识工作和复杂任务的持续执行能力，同时把视觉理解、空间推理和工具调用进一步推向前沿。官方技术博客把核心升级总结为一点——更强的长流程任务执行能力，即模型理解目标后能自行查资料、调用工具、修改代码并检查结果。

支撑“重回御三家”叙事的，是两组数字。在谷歌自家评测中，Argon覆盖办公、智能体编程、机器学习和科学推理等方向，整体表现达到GPT-6 Astra、Opus5.5的水平，不少项目甚至领先。而在第三方Artificial Analysis智能指数中，Argon High与GPT-6 Astra Max、Claude Fable5.1 Max并列53分。

这两组数字的性质并不相同。前者是谷歌自测，属于source_claim，未经第三方独立验证；后者虽为第三方指数，但文章仅给出并列53分，未提供完整评测细节。换言之，“追平”目前更多是官方口径，“并列”才是可被外部引用的坐标。

与并列53分同样醒目的，是价格。首发API价格为每百万输入token 2美元、输出10美元，优惠截至11月30日，12月1日起恢复至输入4美元、输出20美元。也就是说，这是一次有明确截止日的五折促销，而非长期定价。

在达到同等水平的情况下，Argon High的平均每任务成本为1.99美元，比Astra低约39%。文章据此粗算，Argon的调用成本约为Opus5.5的一半、Astra的五分之一。需要说明的是，这一“一半、五分之一”的对比属于文章推算，是inference，而非官方公布的定价结论。

成本优势能否转化为真实节省，取决于任务是否一次做对。文章自己提出了这个反问：如果模型不够聪明，做个任务来回烧token，省下来的钱可能又全烧回去。这恰恰把讨论引向长流程执行能力的实际成色。

谷歌选择用自家开源智能体框架ADK来验证编程能力。这个Python项目约有20.5万行代码，团队给Argon的任务是：在不改变接口和现有行为的前提下，降低框架运行开销，并通过测试证明优化有效。

结果是，Argon在无人值守状态下连续工作11小时，提出涉及32个文件的6项优化方案，并跑完了全部16892项开源测试。经工程师审核，其中两项优化被合并，包括减少会话历史复制开销，以及让大型模块按需加载。基于这些修改，ADK长会话中的内存准备开销降低约40%，包导入耗时降低21%。

这组数字值得拆开看。11小时无人值守、32个文件、16892项测试，说明模型具备持续推进复杂工程任务的能力；但6项方案仅2项被合并，也说明“提出方案”与“可被采纳的方案”之间仍有明显折损。这是官方自述的案例，属于source_claim，且缺乏独立复现。

在更大规模的工程任务中，谷歌称Argon协助完成了Chromium浏览器项目中一项涉及数百个文件的架构重构，把原本预计需要数月的工作压缩到数周。在优化Gemma4E2B推理程序时，Argon将特定配置下的吞吐量从每秒约3.79万个token提升至超过10.8万个token，端到端速度达到原来的2.85倍。谷歌还称，过去几周Antigravity中的Argon已帮助团队将智能体代码提交量提升超过35%，代码回滚次数减少近三分之一。

多模态与机器人是官方展示中最舍得投入的部分。在官方展示中，Argon观看人类玩沙包投掷游戏的视频后，分析空间关系、计算全身关节运动、自主编写仿真代码，并将方案迁移到Apptronik的Apollo人形机器人上。谷歌表示，这套“视频-仿真-现实”流程可把过去需要数周人工完成的机器人仿真建模工作压缩到数小时。

科研场景中，谷歌科学家让Argon参与设计丝氨酸酯酶，模型在数小时内完成数据整理、模型调优和候选筛选并提出5个新设计，谷歌披露五个设计均表现出较强催化活性。谷歌还宣布，将向符合条件并获选的1万名科学家免费提供六个月Antigravity最高使用额度，分批开放。

这些案例的共同点是：全部由谷歌提供，缺乏独立复现。它们能证明“官方认为模型能做到什么”，但不能直接等同于“开发者在自己的项目里能稳定得到什么”。

安全能力这次被单独拿出来说。在评估漏洞修复能力的CWE-bench v1中，Argon取得68%的成绩，与GPT-6 Astra同处官方对比表的最高分；在Gray Swan间接提示词注入评测中，经过15次自适应攻击尝试，Argon的攻击成功率为0.7%。

文章提到，谷歌发布页面附有一份217页的安全报告，并称前Anthropic、现DeepMind相关负责人的评价是这是Google目前最详尽的。至于这份报告是否与旗舰发布节奏有关，文章明确表示没有证据。这属于应当保留的uncertainty，不应被解读为因果结论。

官方叙事之外，至少有三条反证需要并列呈现。其一，Argon在FrontierSWE和Terminal-bench中仍落后于表内几款主要竞品，真实项目收益能否稳定复现到更多人的工作里，仍需观察。其二，有网友表示自己使用效果不如官方展示，大规模使用效果尚不明确。其三，提前体验过的Ethan Mollick评价称，这一代相比此前Gemini是明显跃升，创造力、写作和使用体验都有进步，但复杂多智能体任务仍有差距，偶尔还会过于自信、犯点懒。

在生成效果对比中，也有网友认为Opus 5.5依旧更强，视觉细节如鲸鱼的运动仍显不自然。这些反馈与官方demo之间的落差，构成了这代旗舰最现实的待解问题：自测数据与精选案例能说明上限，但用户日常使用感受到的是下限与稳定性。