谷歌Gemini 4 Argon发布：单次输出可达100万Token

Google 宣布推出新一代前沿模型 Gemini 4 Argon，定位为面向复杂、长周期工作流的模型，重点覆盖软件工程、法律与金融等企业知识工作，以及网络安全防御。与以往直接面向公众开放不同，Argon 采用分阶段发布策略，首批通过 Fairwind Program 提供给受信任的网络安全防御者。API 初始定价为每百万输入 Token 2 美元、每百万输出 Token 10 美元，缓存输入价格比标准输入低 95%。

Argon 最受关注的变化是将单次输出 Token 上限从 6.4 万提升至 100 万。该指标与上下文窗口不同，更高的输出空间意味着模型可在一条任务轨迹中持续推理，生成数十万甚至接近百万 Token 的结果，主要面向大型代码迁移、深度研究和多步骤企业流程。多数前沿模型输出上限约为 12.8 万 Token，Argon 的能力较为罕见。

Google 称，Argon 在 DeepSWE v1.1 软件工程评测中得分 77.9%，达到当前最高水平；在企业知识工作方面位列 Vals Index 第一，该指数覆盖金融、编程、法律和税务等领域并按行业对 GDP 贡献加权。Argon 还在 Vals Finance Agent v2、Harvey Legal Agent Benchmark 和 Zapier 的 AutomationBench 等评测中领先，AutomationBench 得分 51.3%。视觉理解方面，Argon 可分析专业图表、理解长视频并根据多份文档采取行动，在 LVBench 中得分 91.7%。

Google 表示，已有数千名员工在日常工作中使用 Argon，应用于代码调试、算法设计和大型代码库迁移。在量子计算领域，Argon 帮助优化量子算法中的时空资源，一项测试中仅用几分钟就将已发表的基准结果提升 40%。在数据中心内存优化项目中，Argon 代理分析全网性能监控数据并自动识别实施优化方案，上线后已释放超过 300 TiB 内存，预计总节省量达 500 TiB 至 1 PiB。Argon 还参与 Google 内部 C/C++ 代码库向 Rust 迁移，覆盖 re2、libgav1 等核心库，并延伸至超过 80 万行代码的 Fuchsia Zircon 内核，迁移仍需自动化审计、人工评审和仿真测试。在 libgav1 项目中，Argon 代理重写约 3.2 万行 SIMD 代码，新 Rust 版本在保持视频输出一致的情况下，运行速度达原 Rust 版本的 2.7 倍。

网络安全是 Argon 首批落地重点领域。Google 称该模型能自主发现、验证并修复关键软件漏洞。网络安全公司 Wiz 已通过「Scan for Good」计划使用 Argon 为公共基础设施免费排查高风险暴露面。Google 表示，Argon 曾发现一项影响全球医院所用医疗软件的严重漏洞，可能暴露敏感个人信息，此前前沿模型未识别出该风险。在 CWE-bench v1 漏洞修复评测中，Argon 以 68% 的成绩并列第一。Google 还称，在覆盖 20 种编程语言的内部漏洞测试及黑盒渗透测试中，Argon 表现均优于 Gemini 3.8 Flash Cyber。

随着能力提升，Google 同步强化安全机制。Argon 会限制网络攻击及化学、生物、放射性和核相关滥用请求，并通过内部激活监测、自动化红队测试和人工评估识别潜在风险。针对间接提示注入攻击，Google 通过对抗训练和自动化测试提升防护能力，还部署了针对模型失配的监控机制，跟踪推理过程与行动轨迹，必要时中止任务执行，并对高风险训练和评测环境进行隔离。

不过，评测成绩与真实工作体验之间仍存在差距。彭博社报道称，Google 内部对 Gemini 4 在编码等关键任务中的表现仍有疑问。知情人士表示，模型虽在行业基准测试中表现突出，但员工真正使用时，部分编码任务依然难以稳定完成。Argon 能否兑现长周期推理和复杂任务执行能力，还需更多真实场景验证。

Google 表示，公司正在参与美国政府推动的模型预发布自愿流程，首批测试者将帮助评估模型表现并完善安全防护。完成早期测试后，Argon 将逐步向开发者、企业和消费者开放，首批公开用户包括付费 API 客户和 Google AI Ultra 订阅者。