Gemini 4 Argon姗姗来迟：Google在Agent时代的“迟到”与“突围”

【科技纵览】当OpenAI与Anthropic已将竞争焦点全面转向智能体（Agent）领域，Google的新一代旗舰模型才终于揭开面纱。当地时间9月30日，Google正式推出Gemini 4系列的首款旗舰——Gemini 4 Argon。官方将其定位为面向真实软件工程、企业知识工作及网络安全防御的前沿工具，并宣称这是目前Gemini家族中能力最强的成员。然而，这一发布距离上一代旗舰模型已过去许久，此前彭博社曾报道，原定的Gemini 3.5 Pro因需补强编程短板而延期数月，最终Google选择直接跳过该版本，发布了Argon。尽管Argon在主流基准测试中表现亮眼，但据彭博社援引内部消息，其在实际工作流中的性能可能出现下滑，甚至有员工认为竞争对手的迭代速度更快。这似乎是一场充满争议且略显迟到的交卷。

此次Argon的核心突破在于输出窗口的大幅扩展，达到100万Token，成为目前已公开商业模型中最大的输出容量。相比之下，GPT-6 Astra的最大输出仅为12.8万Token，而Gemini前代产品只有6.4万Token。若粗略折算为英文文本，这意味着一次可生成数十万单词，显著提升了处理复杂长任务的能力，避免了以往因上下文限制导致的截断问题。在定价策略上，Google延续了高性价比路线：Argon首发推广价为每百万Token输入2美元、输出10美元。其中输入价格与Gemini 3.1 Pro持平，输出价格则从12美元降至10美元。Google强调，Argon在编程和深度研究方面进步显著。内部数据显示，数千名员工已使用该模型完成任务。例如，量子计算团队利用Argon参与算法优化，仅用几分钟便将公开基线提升40%；在视频解码器libgav1的代码迁移中，Argon Agent基于编译器输出进行多轮实验，替换了3.2万行SIMD代码，最终生成的Rust版本运行速度达到原版的2.7倍，且视频输出结果保持一致。

在备受关注的跑分环节，Argon试图证明其编程实力。在衡量真实长周期软件工程能力的DeepSWE v1.1测试中，Argon以77.9%的成绩创下新高，领先于Claude Opus 5.5的74.2%和GPT-6 Astra的74.1%，优势约4个百分点。在企业任务AutomationBench中，Argon得分51.3%，远超Opus 5.5的42.5%和Astra的41.4%，差距近10个百分点。金融研究领域，Vals Finance Agent v2测试显示Argon得分为65.4%，高于Opus 5.5的58.6%和Astra的53.5%。法律任务方面，Harvey的法律Agent测试中Argon得分19.6%，而其他三个对手均未超过7%。多模态能力上，Google表示模型能分析专业图表、识别长视频细节并依据文档行动。在长视频理解Benchmark LVBench中，它获得91.7%的分数，被Google称为当前最佳水平。

网络安全是另一大亮点。Argon具备驱动网络安全Agent的能力，不仅能寻找漏洞，还能自主验证并生成补丁。在与安全公司Wiz合作的“Scan for Good”项目中，Argon在全球医院使用的医疗软件中发现了一个高危漏洞，可能导致敏感信息泄露，而其他前沿模型此前均未发现。在专门测试漏洞修复的CWE-bench v1上，Argon以68%的成绩并列第一。在Wiz的黑盒渗透测试中，它甚至能在无源代码情况下分析真实Web系统，发现攻击面并生成PoC验证漏洞。不过，Argon并未全面开放，而是通过“Fairwind计划”先向少量可信网络安全防御者推出，并参与美国政府的自愿性发布前准入流程，后续才逐步向开发者及公众开放。

尽管成绩单漂亮，争议依然存在。彭博社援引接触项目的人士称，Argon在主流基准测试中表现优异，但在实际工作流中，尤其在部分编程和界面设计任务上会出现“卡壳”，性能明显下降。Google对此予以否认，称内部普遍认为Gemini 4处于前沿水平。独立评测网站也提醒，Argon主要在长上下文、企业知识工作和部分软件工程任务上突出，并非所有编程场景的“绝对第一”。

Gemini 4的发布结束了Google近一年来旗舰模型节奏的混乱。今年以来，Flash产品线迭代迅速，3.6至3.8版本接连上线，但原定6月发布的Gemini 3.5 Pro迟迟未交付，直至7月仍处于有限测试阶段，最终被取消，直接跳转至Gemini 4。这段空窗期引发外界对Google是否掉队的质疑。路透社指出，延期与DeepMind内部调整及人员变动有关，包括CEO Demis Hassabis淡出管理职责，以及Jeff Dean等核心负责人离职，同时OpenAI和Anthropic挖走了多名明星研究人员。今年7月，Google CEO桑达尔·皮查伊在财报电话会上罕见地为AI战略辩护，反驳掉队论，强调不应只看Pro模型，Flash系列仍在快速迭代，且Gemini 4将带来更大跃升。他主张应从Cloud、自研TPU及整个产品生态综合评估竞争力。

事实上，若将视线从模型排行榜移开，Google的“掉队”之说难以成立。Alphabet最新公布的2026年第二季度营收达1198亿美元，同比增长24%。其中Google Cloud收入同比暴涨82%至248亿美元，营业利润从28亿美元升至88亿美元。Google透露，Gemini模型每分钟处理约220亿个API Token，App月活用户达9.5亿，近九成财富100强企业使用Gemini Enterprise。连一度被认为易受ChatGPT冲击的搜索业务也未衰退，二季度收入同比增长17%至632.7亿美元，AI功能正推动查询量增长。这正是Google与多数AI创业公司的不同之处：拥有Search、Cloud、YouTube、Android、Chrome及TPU基础设施的巨大分发与资源优势。然而，船大难掉头，资源越多，协调成本越高。在各家步入Agent大战之际，Google的航向究竟指向何方，仍待观察。