Gemini 4 Argon 发布：支持 100 万 token 输出，DeepSWE 得分 77.9%，定价 2 美元

新闻摘要

Google 于太平洋时间 2026 年 9 月 30 日下午 1:23（美国东部时间下午 4:23）发布了 Gemini 4 Argon，称其为公司迄今最强大的 AI 模型。Argon 专为长周期任务打造，例如真实世界的软件工程、法律与金融分析以及网络防御，是继 2025 年 11 月 Gemini 3 系列推出以来的首个旗舰版本。初期访问权限仅限于少数受信任的合作伙伴，后续将逐步扩大开放范围。

Google 发布了什么

Google 将 Gemini 4 Argon 描述为其“前沿智能新时代”的开端。该模型面向需要多步骤、长时间推进的任务，例如修复大型代码库、起草详尽的法律文件，或从多个来源研究金融问题。Google 还强调，模型对视觉内容的理解能力有所提升，包括长视频和复杂图表。

最引人注目的工程改进在于输出上限。Argon 单次响应最多可生成 100 万 token，而此前的 Gemini 模型仅为 64,000 token。这意味着它可以一次性生成超长文档、大规模代码变更或长推理过程，而无需中途停止。

基准测试结果

根据公布的数据，在本次发布报道所追踪的 18 项基准测试中，Argon 有 13 项取得最高分或并列第一。相比之下，OpenAI 的 GPT-6 Astra 有 3 项独占榜首，Anthropic 的 Claude Opus 5.5 有 2 项。

部分成绩如下：

• DeepSWE v1.1（软件工程测试）：Argon 得分 77.9%，Claude Opus 5.5 为 74.2%，GPT-6 Astra 为 74.1%。
• AutomationBench：Argon 得分 51.3%，Claude Opus 5.5 为 42.5%，GPT-6 Astra 为 41.4%。
• Harvey 法律智能体基准测试：Argon 得分 19.6%，GPT-6 Astra 为 5.4%，Claude Opus 5.5 为 3.8%。
• LVBench（长视频理解测试）：Argon 得分 91.7%，GPT-6 Astra 为 87.5%，Claude Opus 5.5 为 83.7%。

Argon 并非在所有项目上都胜出。GPT-6 Astra 在 FrontierSWE v2（65.5% 对 55.0%）和 Terminal-Bench Science 0.1（68.1% 对 57.6%）上保持领先。与所有厂商自行公布的基准测试一样，这些数字在日常使用中的表现仍有待独立测试验证。

聚焦网络防御

Google 表示，Argon 在训练时充分考虑了防御性安全需求，能够自主发现、验证并修补严重的软件漏洞。因此，首批访问权通过 9 月初推出的 Fairwind 计划提供给一组受信任的网络防御人员。此举旨在让安全团队在该模型面向大众之前先行加固软件。

定价

Google 设定的首发优惠价为每百万输入 token 2 美元、每百万输出 token 10 美元。缓存输入 token 的价格为每百万 0.10 美元，比标准输入价格便宜 95%。作为对比，据报道 GPT-6 Astra 的输入和输出价格分别为每百万 token 10 美元和 50 美元。

首发优惠期结束后，Argon 预计将调整为每百万输入 token 4 美元、每百万输出 token 20 美元，与报道中 Claude Opus 5.5 的基础定价一致。

可用性与后续计划

Argon 目前尚未全面开放。Google 表示，在扩大推广范围之前，正在开展自愿参与的预发布模型访问与测试流程。更大范围的发布预计将首先面向付费 API 客户和 Google AI Ultra 订阅用户。

对于开发者和学生而言，关键亮点在于超大的输出窗口、较低的首发优惠价，以及模型在长周期、多步骤任务上的优势。许多人可能会等待正式全面上线和独立评测结果，再决定是否基于它进行开发。