输出上限达100万Token。智东西10月1日消息今天凌晨谷歌发布新一代旗舰模型Gemini 4 Argon重点面向软件工程、法律与金融等企业知识工作以及网络安全防御等复杂、长周期任务。在衡量长程软件工程能力的DeepSWE v1.1测试、评估金融、编程、法律和税务等企业知识工作的Vals Index、测试企业端到端自动化执行能力的AutomationBench以及考察长视频理解能力的LVBench中Gemini 4 Argon均领先GPT-6 Astra、Claude Fable 5.1和Claude Opus 5.5等模型在评估漏洞修复能力的CWE-bench v1中Argon以68%的成绩与GPT-6 Astra并列第一。在Text Arena的模型成本与得分对比中Gemini 4 Argon High以1525分和每百万Token 8美元的混合价格进入成本-性能前沿。目前在Artificial Analysis Intelligence Index中Gemini 4 Argon得分53分仅落后于Claude Opus 5.5和Claude Sonnet 5.5得分与Claude Fable 5.1、GPT-6 Astra并列。▲Gemini 4 Argon在Artificial Analysis上测评情况图源Artificial Analysis不过彭博社援引知情人士称部分谷歌员工认为Gemini 4虽然在行业基准测试中表现亮眼但在实际工作中并不总能达到同等水平尤其是在部分编程任务上仍较为吃力这与谷歌当天发布的测试成绩形成反差。Gemini 4 Argon现已通过“Fairwind计划”向一批经过筛选的网络安全防御团队开放。谷歌计划先收集早期测试反馈、继续完善安全护栏随后逐步向开发者、企业和消费者开放首批用户将包括付费API客户和Google AI Ultra订阅者。Argon API初始价格为每百万输入Token 2美元约合人民币13.4元、每百万输出Token 10美元约合人民币67元缓存输入Token价格在输入Token基础上降低95%即每百万Token约0.1美元约合人民币0.67元。根据Artificial Analysis按折扣定价Gemini 4 Argon的每任务成本为1.99美元较GPT-6 Astramax降低40%。▲Gemini 4 Argon每任务成本与其他模型对比图源Artificial Analysis谷歌首席执行官桑达尔·皮查伊Sundar Pichai称外界对下一代模型的讨论很多因此希望尽早展示Gemini 4 Argon。谷歌内部团队已广泛将其用于编程、量子计算等工作反馈良好。▲皮查伊发文官宣Gemini 4 Argon图源X一位X用户认为Gemini 4对提示词格外敏感输出内容和风格受提示词影响的程度超过其他模型默认风格不佳但增加一句提示词就容易改善。他还展示了用不同提示词复刻《乐高星球大战》关卡的效果。▲开发者对于Gemini 4 Argon的评价图源X另一位开发者认为在一次生成细节丰富、美感出色的3D场景方面Gemini 4 Argon尚未达到Opus 5的水平。Gemini 4 Argon在画面细节上效果略显粗糙。▲开发者对比Gemini 4 Argon上和Claude Opus 5下的生成效果图源X01.输出上限提升至100万Token编程能力与企业任务测试突出Gemini 4 Argon将模型输出Token上限从此前的6.4万Tokens提升至100万Tokens成为目前业内输出容量最高的模型之一。更大的输出空间允许模型在单次任务中深度思考并生成数十万甚至上百万Token用于处理大型代码库、复杂研究和多步骤企业流程。编程方面Gemini 4 Argon在衡量真实世界长期软件工程能力的DeepSWE v1.1测试中取得77.9%的成绩刷新该测试的最好纪录。在覆盖金融、编程、法律和税务等工作的Vals Index中Argon排名第一。Argon还在Vals Finance Agent v2测试多步骤金融研究、Harvey法律Agent测试法律研究与起草中取得领先成绩。在Zapier用于评估企业端到端自动化执行能力的AutomationBench中Argon得分51.3%位列第一明显领先GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5等模型。Argon的多模态能力也被用于长视频和专业图表分析。在评估长视频理解能力的LVBench中该模型得分91.7%达到现有模型最优水平。02.深入谷歌内部工作流完成量子算法优化与大规模代码迁移在谷歌内部数千名员工已将Gemini 4 Argon用于日常调试、算法设计、研究和大规模代码迁移等工作。谷歌举例称Argon曾帮助量子计算研究人员优化量子算法的时空资源在数分钟内将一项公开基线结果提升40%。另外一组Argon Agent分析了覆盖谷歌整个服务器集群的性能分析遥测数据自主识别并实施数据中心内存优化方案。相关方案部署后可释放超过300TiB内存预计总节省量将达到500TiB至1PiB。Argon Agent还参与了谷歌内部C/C代码向Rust的迁移覆盖数万行的核心库代码以及超过80万行的Fuchsia Zircon内核。考虑到相关系统的重要性谷歌称所有大规模重写都必须经过自动化和人工审计、仿真测试及代码审查确认安全后才能部署到生产环境。以开源视频解码器libgav1为例Argon Agent通过多轮性能分析和实验重写了约3.2万行SIMD代码使编译器能够自动完成向量化。迁移后的Rust版本在保持视频输出完全一致的情况下运行速度达到原Rust版本的2.7倍性能进一步接近经过优化的C版本。03.强化网络安全能力可自主发现和修复漏洞谷歌还针对网络安全防御能力对Gemini 4 Argon进行了专项训练。Argon可以自主发现、验证并修复软件漏洞。对于经过信任认证的网络安全防御团队和谷歌内部团队谷歌将提供不带网络安全护栏的Argon版本以便其发挥完整的漏洞分析和防御能力。网络安全公司Wiz已通过“Scan for Good”项目使用Argon为关键公共基础设施免费发现和修复高风险暴露。谷歌称在一次早期测试中Argon发现了一个影响全球医院所使用医疗软件的严重漏洞该漏洞可能导致敏感个人信息暴露且此前的前沿模型没有识别出这一风险。在评估漏洞修复能力的CWE-bench v1中Argon以68%的成绩并列第一得分与Grok 4.7和GPT-6 Astra相当。谷歌内部的综合漏洞基准测试显示Argon可以在覆盖20种编程语言的复杂代码库中发现多类安全暴露。在Wiz的黑盒渗透测试中Argon在识别真实网站攻击面、发现漏洞以及生成概念验证方面也超过了此前的Gemini 3.8 Flash Cyber。04.扩大安全测试重点防范模型滥用与提示注入在正式扩大开放前谷歌将继续强化四类前沿安全能力。防范滥用方面Argon会拒绝可能用于网络攻击以及化学、生物、放射性和核武器攻击的有害请求同时保留合法的双重用途科学研究能力。谷歌还在加强对模型内部激活状态的监测以识别潜在的滥用行为。Argon在防御间接提示注入方面也取得进展。此类攻击会通过恶意指令或外部上下文劫持模型行为。经过自动化红队测试和对抗训练后Argon在Gray Swan的间接提示注入测试中取得领先成绩。监测目标偏离方面为防止Argon在执行任务时越过边界、采取超出用户意图的行动谷歌部署了目标偏离缓解机制对Argon的思维链和行为进行监测并在必要时停止执行。谷歌还使用类似系统监测模型训练过程并在发现异常时向专门的事件响应团队发出警报。强化系统环境方面随着前沿模型的能力不断增强安全测试也需要与模型能力相匹配的安全环境。按照Agent控制路线图谷歌将在高风险训练或评估开始前对沙盒环境进行隔离和封闭以进一步强化安全性。05.结语瞄准复杂Agent任务实际效果仍待验证Gemini 4 Argon在长周期软件工程、金融和法律Agent任务、长视频理解及网络安全防御等测试中取得多项领先成绩100万Token输出上限也增强了其处理大型代码库和复杂工作流的能力。不过当前多数成绩仍来自谷歌披露的内部案例和基准测试模型尚未全面开放。Argon在真实使用中的稳定性、调用成本、漏洞修复可靠性及安全边界仍需等待开发者和企业用户进一步验证。原文链接谷歌反击Gemini 4 Argon性能比肩Astra成本仅60%-36氪我的专辑《人工智能生命体 新启点》CSDN平台https://blog.csdn.net/2501_91883294/article/details/147616608?sharetypeblogdetailshareId147616608sharereferAPPsharesource2501_91883294sharefromlink
