Gemini 4 Argon 发版：一次能输出 100 万 token，先给网络安全防御者用

10 月 1 日凌晨 4 点，谷歌发布新一代旗舰模型 Gemini 4 Argon。最惊人的一点是：它一次最多能输出 100 万 token，上一代只有 6.4 万。谷歌公布的 19 项测试里，它赢了 13 项。但现在还用不上，第一批只开放给谷歌挑选的网络安全防御者和可信测试者。

这篇文章由 Google DeepMind 高级副总裁、谷歌首席 AI 架构师 Koray Kavukcuoglu 署名。谷歌 CEO 皮查伊、DeepMind 和 Google AI 的官方账号同时发帖。DeepMind 的发布帖是这样说的：

Gemini 4 Argon 发版：一次能输出 100 万 token，先给网络安全防御者用图2

Google DeepMind 发布帖，10 月 1 日 04:03，中文为 X 自动翻译

Argon 是什么

谷歌把 Argon 定位为「前沿模型」，专门处理又长又复杂的工作流程，主攻 3 个方向：

• 真实的软件工程：日常调 bug、大规模代码迁移、算法设计

• 企业知识工作：法律、金融、税务这类专业工作

• 网络安全防御：自己找漏洞、验证漏洞、打补丁

几项基本信息：

• 输出上限：100 万 token，上一代是 6.4 万

• 上下文窗口：100 万 token（据 Artificial Analysis）

• 输入：文字、图片、视频、语音；输出：文字（据 Artificial Analysis）

• 谷歌内部已有数千名员工在用

100 万 token 输出能干什么

以前的模型一次回答写到几万 token 就得停。Argon 能在一次任务里连续思考、写出几十万 token，适合一口气解决多步骤的难题，比如长时间写代码、改代码、做研究。Artificial Analysis 提到，Gemini API 新增了「长解码续写」功能，长回答可以暂停、在后续请求里接着写，避免超时。

谷歌举了几个内部用例：

• 量子计算：优化量子算法的资源消耗，几分钟内比已发表的基准好 40%

• 数据中心：一组 Argon 智能体分析全公司的内存使用数据，自动做优化，已释放 300 TiB 以上内存，预计总共能省 500 TiB 到 1 PiB

• 代码迁移：把 C/C++ 代码改写成更安全的 Rust，规模从几万行一直到 Fuchsia 系统 Zircon 内核的 80 多万行，上线前都要经过自动和人工审核

• 视频解码库 libgav1：替换了 3.2 万行底层加速代码，新的 Rust 版本比原来的 Rust 版快 2.7 倍，输出完全一致

跑分：19 项赢 13 项

谷歌的对照表拿 Argon 和 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5 比较。Argon 领先 13 项，网络安全并列第一，落后 5 项：

Gemini 4 Argon 发版：一次能输出 100 万 token，先给网络安全防御者用图3

Gemini 4 Argon 跑分对照表，来自谷歌博客

领先幅度最大的几项：

• Harvey 法律智能体测试：19.6%，GPT-6 Astra 只有 5.4%

• Vals 金融智能体测试：65.4%，GPT-6 Astra 为 53.5%

• Zapier 的 AutomationBench：51.3%，排第 1

• DeepSWE v1.1（长时间软件工程）：77.9%，Opus 5.5 为 74.2%

• 长上下文 GraphWalks（25.6 万到 100 万 token）：84.2%，GPT-6 Astra 为 71.8%

• 长视频理解 LVBench：91.7%

落后的也要说清：FrontierSWE v2、Terminal-Bench Science 和 OSWorld-2.0 电脑操作上，GPT-6 Astra 更高；Terminal-bench 4.0 和 PostTrainBench 上，Claude Opus 5.5 更高。

和 GPT、Claude 比到底怎样

谷歌的对照表里没有 OpenAI 的 GPT-6.1 Sol。好在第三方评测机构 Artificial Analysis 当天就测了，给出了可比的数字：

• 综合智能指数：Argon 53 分，与 GPT-6 Astra 持平，比 GPT-6.1 Sol 高 1 分

• 幻觉率：15%，GPT-6 Astra 是 51%，GPT-6.1 Sol 是 54%。也就是说，Argon 不懂时更愿意承认，而不是瞎编

• 但答题准确率 50%，比 GPT-6 Astra 低 13 个百分点

• 每完成一个测试任务的成本：折扣价下 1.99 美元，是 GPT-6 Astra 的 60%，但是 GPT-6.1 Sol 的 2.7 倍

Gemini 4 Argon 发版：一次能输出 100 万 token，先给网络安全防御者用图4

Artificial Analysis @ArtificialAnlys，中文为 X 自动翻译

注意，它便宜主要是因为单价低，不是因为省 token：Argon 每个任务平均输出 6.2 万 token，GPT-6 Astra 只要 2.7 万。

网络安全：给防御者一个「不设护栏」的版本

这是本次发布最特别的地方。谷歌专门训练了 Argon 的网络安全防御能力，它能自主发现、验证、修补严重漏洞。对可信的防御者和谷歌内部团队，谷歌会提供没有网络安全护栏的版本，让他们用上全部能力。

• CWE-bench v1（修漏洞）：68%，和 GPT-6 Astra、Grok 4.7 并列第一

• 真实代码漏洞发现（20 种编程语言）：85.8%，上一代网络安全专用的 Gemini 3.8 Flash Cyber 是 71.0%

• Wiz 渗透测试（不看源码攻击网站）：70.9%，Gemini 3.8 Flash Cyber 是 58.2%

Gemini 4 Argon 发版：一次能输出 100 万 token，先给网络安全防御者用图5

漏洞发现测试，来自谷歌博客

安全公司 Wiz 已经用它做公益扫描，发现了一个全球医院在用的医疗软件漏洞，会泄露敏感个人信息，之前的前沿模型都没发现。

安全措施：先管住再放开

谷歌说，能力到了这个级别，只能分阶段放出。它正参与美国政府的模型发布前自愿审查，并在 4 个方面加固：

• 防滥用：拒绝帮助网络攻击和化学、生物、放射、核武器相关请求，同时监控模型内部激活来发现滥用

• 防提示注入：也就是防止网页或文件里藏的恶意指令劫持模型

• 防「越界」：监控模型的思考过程和行动，发现它想用超出用户本意的方式完成任务就叫停

• 加固沙箱：高风险训练和测试前，把运行环境隔离封死

在 Gray Swan 的间接提示注入测试里，攻击 15 次的成功率只有 0.7%，是图中最低的，Claude Opus 5.5 为 1.0%，GPT-6 Astra 为 8.5%：

Gemini 4 Argon 发版：一次能输出 100 万 token，先给网络安全防御者用图6

Gray Swan 提示注入测试，越低越好，来自谷歌博客

谷歌还特别呼吁同行保留模型思考过程的透明度，好让人们能看出模型有没有「跑偏」。

谁能用、什么时候、多少钱

今天起，只有 Fairwind 计划里的可信测试者能用，包括一批网络安全防御者。之后会开放给开发者、企业和普通用户，先从付费 API 客户和 Google AI Ultra 订阅用户开始，但谷歌没有给具体日期。

价格已经公布，按每百万 token 计：

• 首发优惠价：输入 2 美元，输出 10 美元

• 缓存输入打 5% 的价格，即优惠期每百万 0.1 美元

• 优惠期结束后：输入 4 美元，输出 20 美元

• 优惠期多长，谷歌没说

Gemini API 负责人 Logan Kilpatrick 第一时间报了价：

Gemini 4 Argon 发版：一次能输出 100 万 token，先给网络安全防御者用图7

Logan Kilpatrick @OfficialLoganK，中文为 X 自动翻译

各方怎么看

皮查伊发帖说：

Lots of discussion out there about our next model(!), so I wanted to give an early look as soon as possible.

外面对我们下一个模型讨论很多，所以我想尽快让大家先看一眼。

Importantly Argon has frontier safeguards and we are rolling it out responsibly - it's with the US gov't and going to a set of trusted cyber defenders through our Fairwind Program today.

重要的是，Argon 有前沿级的安全防护，我们会负责任地推出：它已交给美国政府，今天通过 Fairwind 计划交给一批可信的网络防御者。

文章署名人 Koray Kavukcuoglu 也说会在测试中逐步扩大开放：