Google 9 月 30 日正式发布新一代旗舰模型 Gemini 4 Argon。这款模型历经数月延期（Google 内部曾砍掉多个 Gemini 3.5 Pro 候选，Pichai 早在 5 月就说过「下个月发」）。

发布方式本身就是新闻

Argon 没有“全网可用”式的常规发布：首批通过 Fairwind 计划向一批可信网络安全防御者开放，且对这些伙伴解除标准 cyber guardrails 以释放全部攻防能力；同时模型已加入美国政府的自愿性发布前评估流程，面向开发者、企业和消费者的开放时间未定。

产品负责人 Tulsee Doshi 的解释很直白：这种级别的模型、这种程度的前沿能力，尽快交到防御者手里更重要。Wiz 已在用 Argon 做关键公共基础设施的免费安全扫描，早期就发现了一个此前前沿模型都没找到的、暴露医院软件个人信息的漏洞。

性能：长任务与真实工作流

• DeepSWE v1.1：77.9%，创下该真实软件工程基准的新高，高于 GPT-6 Astra 的 74.1% 与 Claude Opus 5.5 的 74.2%；不过在 FrontierSWE v2、Terminal-bench 4.0 等测试上仍落后部分对手，并非全面领先。
• CWE-bench v1：68%，与 GPT-6 Astra 并列第一——自主发现、验证并修补软件漏洞。
• Vals Index 第一（覆盖金融、法律、编码、税务的经济价值工作）；AutomationBench 51.3%（端到端业务工作流）。
• 单次输出上限从 6.4 万 token 提升到 100 万 token，为长时程任务留足了空间。

Google 内部的实战数据比基准更有说服力：Argon agent 正在把内部 C/C++ 代码库迁移到 Rust，规模从 re2、libgav1 等核心库的数万行一直到 Fuchsia Zircon 内核 80 多万行；数据中心内存优化项目已释放超 300 TiB 内存，预计总节省 500 TiB 至 1 PiB；量子算法优化案例中，几分钟内把公开最优基准提升了 40%。

定价：发布期输入 $2/百万 token、输出 $10/百万 token（之后升至 $4/$20），缓存输入享 95% 折扣。

为什么值得关注

竞争的题目换了。 各家旗舰的比拼正从「谁的回答更好」转向「谁能被信任去干活」——长时程软件工程、企业知识工作、安全防御。百万 token 输出上限就是为大型代码迁移和长文档工作设计的，这是「AI work」的直接基础设施。

分阶段安全发布成为新常态。 先给防御者、再做政府评估、最后才放量——这套流程与前一天的 FTC「失控智能体」行业调查出现在同一周，前沿能力释出的节奏正在被监管与安全实践共同重塑。

对开发者的务实提示：Argon 在编码基准上互有胜负，选型还是看自己的任务形态；如果你跑长时程 agent 任务，输出上限和缓存定价（95% 折扣）对成本结构影响很大。

参考：Google 官方博客、CNBC、Reuters、香港经济日报。