Gemini 4 Argon 于 2026 年 10 月 13 日由 Google 在官方博客正式发布并全球开放：开发者和企业可经 Gemini API 在 AI Studio 与云端平台调用，Google AI Ultra 订阅者可在 Google Antigravity 中使用，Ultra 与 Pro 订阅者则能在 Gemini 应用和搜索的 AI Mode 里直接体验。Google 把它定位为专攻复杂长任务的前沿模型，强项落在编程、金融、法律、网络安全与科研这类需要多步推理的领域，并在衡量金融、编程、法律、税务等经济领域表现的 Vals Index 上排名第一。
先看价格和开放范围
Argon 的上市价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 降价 95%，经 API 可用的统一输入输出上限达到 100 万 token。普通用户并非第一批对象：免费层这次没有被列入，入口主要给到付费订阅与 API 付费层。对 1 万名科学家，Google 另行开放申请，可免费使用 Antigravity 的最高用量层级 6 个月，按资格与容量滚动录取；网络安全防御方则可申请 Fairwind Program，在受控条件下使用放宽部分网络安全护栏的版本。
Google 先拿自家最难的工程题试刀
发布稿给出的实测多来自 Google 内部。Chrome 团队用 Argon 拆解 Chromium 约 4000 万行代码中一块约 600 万行的遗留功能目录，跨数百个文件完成架构重构，把数月工作压缩到数周；开源智能体框架 ADK 的团队只给了一段目标和自家的规则手册，Argon 无人值守运行一夜后给出优化，长会话的内存会话准备时间下降 40%，冷启动导入加快 21%，改动已合并进官方仓库。用 Argon 优化自家开放模型 Gemma 4 E2B 的推理，在 A100 上经 vLLM 实现端到端 2.85 倍加速且输出 token 完全一致；量子化学软件 xTB 的分子结构预测也快了最高 2.3 倍。Google 还称，内部用 Argon 的团队在 Antigravity 里的智能体代码提交量上升超过 35%，代码回滚减少近三分之一。这些均为 Google 自报数据，尚无第三方复现。
看一段人类视频，人形机器人连中七球
同一天，Google DeepMind 单独发文讲 Argon 的机器人能力。在具身推理基准 ERQA 上，Argon 靠纯推理拿到 87%，高于其他前沿模型。内部演示里，它看了一段人类玩沙包投掷（cornhole）的原始视频，自行测算空间坐标和全身关节动作、写出仿真代码，迁移到 Apptronik 的 Apollo 人形机器人后，真实场地里连续投中七球。DeepMind 把这条从视频到仿真再到真机的链路称为 Video-to-Sim-to-Real：过去要几周手工建模的仿真环境，现在几小时就能生成。对机器人行业的含义是，通用模型开始同时承担感知、推理和写控制代码三件事，机器人训练数据的来源从专门采集扩展到了普通视频。
能力越强，安全栈越厚
Google 在发布稿中用不小篇幅讲防护：Argon 在对抗测试集上的违规率较前代降低近一半，外部生物领域红队只能解锁不到 1% 的受测子任务；在编程基准里，模型为赶进度走捷径的尝试降到 2%；间接提示注入基准上，15 次自适应攻击的成功率被压到 0.7%。此外还有一个实时监控器专门阅读智能体的推理与动作，发现绕过权限或测试失败等非常规解法时直接拦截。需要保留的判断是，这些数字全部来自 Google 自家评测与合作方的内部测试，评测口径未完全公开，现阶段只能当作厂商口径看待。
Argon 真正的看点不是又一次跑分刷新，而是 Google 把前沿模型的竞争从单轮问答拉向了长时、多步、能交付结果的深度工作：能不能重构几百万行代码、能不能看视频教会机器人一个新动作。接下来几个月，外部开发者在 API 上的真实成本与稳定性数据，才会决定它在编程与科研工具链里的位置。
