刚刚，Gemini 4 Argon 全球可用！附大量案例

今天凌晨，谷歌正式全球上线了 Gemini 4 Argon。

谷歌 CEO 劈柴哥 Sundar Pichai 和 Google DeepMind 前后脚发帖官宣，劈柴哥表示：

“

Gemini 4 Argon 来了。今天起全球可用……希望大家玩得开心！

Gemini 4 Argon 上线

Argon 其实在 9 月 30 日就已经官宣过了，跑分、100 万输出、彭博那篇说员工拿它写代码很吃力的爆料，我们在两周前的文章里都写过。

只是当时它只开放给了 Fairwind 计划里的一批网络安全防御方，谷歌同时还在走美国政府那套自愿参与的发布前模型评估，开发者和普通用户都用不上。

从宣布到能用，中间隔了 13 天。

而就在这 13 天里，Meta 的 Muse Wonder 都已经发布了，并且发布当天便开放使用。

现在，Argon 终于开放使用了！

开放范围

这次同时面向五类用户开放：

•  普通用户：Google AI Pro 和 Ultra 订阅用户，可以在 Gemini App 和搜索的 AI Mode 里用 

•  开发者：Gemini API 付费档；Ultra 订阅用户还能在 Antigravity、AI Studio 和 Android Studio 里用 

•  企业：Gemini for business、API 和 Antigravity 

•  科研人员：可以申请 Antigravity 的最高用量档位，免费用 6 个月 

•  网络安全防御方：申请加入 Fairwind 计划，拿到的是去掉了网络安全护栏的版本

Gemini 4 Argon

需要注意的是，Pro 订阅只能在 App 和搜索里用，Antigravity 这个谷歌主推的 Agent 开发平台，还是只给 Ultra（Pro 用户就先在 App 里尝尝鲜吧……）。

而科研这一档，谷歌一共准备了 10,000 个名额，按资格、容量滚动审核。

API 这边，Argon 的输入加输出一共 100 万 token，官方称之为业界领先的统一上限。博客里还提到了一个新的「续写协议」（continuation protocol），具体怎么用没细说，看名字应该是给那种一次要输出几十万 token 的长任务准备的，开发者接入之前最好先看下文档。

价格

价格和 9 月 30 日公布的一样：介绍价每百万 token 输入 $2、输出 $10，缓存输入只要原价的 5%。

这次官方还公布了介绍价的截止时间：

介绍价到 2026 年 11 月 30 日结束，之后恢复为输入 $4、输出 $20。

也就是说，半价只剩一个半月多一点。而 $4 / $20，正好和 Opus 5.5 的价格一模一样。

谷歌内部项目

和两周前比，上次的博客里的跑分几乎没再重点提，满篇都是谷歌自己和合作方用 Argon 做实际项目的案例，端了满满一大桌子。

跑分表没有变化，DeepSWE v1.1 拿了 77.9%，Vals Index 68.9%，输掉的几项里，终端和电脑操作类占了一大半：

官方跑分对比

我大胆猜测一下……两周前彭博那篇报道说它跑分好看、员工真拿来干活却没那么好用。

所以这次满篇的实战案例，或许正是在回应这件事？

按官方的说法，过去几周谷歌内部的工程师一直在用 Antigravity 里的 Argon 写代码，Agent 提交的代码变更多了 35% 以上，代码回滚却少了将近三分之一。

Antigravity 里的 Argon

规模最大的一个项目，是 Chrome 的代码重构。

Chromium 一共 4000 万行代码，里面有个 600 万行左右的老目录，网页处理的核心逻辑和各种浏览器功能都缠在一起。Argon 帮 Chrome 团队把两者拆开，一次同时推进好几个干净的代码变更，最终完成了涉及几百个文件的架构重构，原本要几个月的工作，几周就完成了。

拆开缠在一起的代码

拆完之后，打开着的网页就能在标签页、侧边栏和悬浮窗之间直接挪动，不用重新加载，还能消除一整类浏览器崩溃。

另一个项目，是给谷歌自家的开源模型 Gemma 提速。

用 Argon 优化之后，Gemma 4 E2B 在单张 A100 上用 vLLM 跑推理，吞吐量从大约每秒 3.79 万 token 提到了 10.8 万以上，端到端快了 2.85 倍，输出的 token 和原来完全一致，质量没有任何下降。

这件事通常要做几个月，这次只花了几天，相关的 PR 已经提交到上游，从注意力调优到推测解码全都有。

量子化学里引用最多的开源包之一 xTB，也被谷歌的研究员用 Argon 优化了一遍：预测分子三维结构最多快了 2.3 倍，构象搜索快了 1.8 倍，改动也已经提交到了 xTB 的官方 GitHub 仓库。

狂战 11 小时

谷歌开发者博客还单独写了一篇，完整记录了让 Argon 通宵优化 ADK 的过程。

ADK 是谷歌开源的 Agent 开发框架，Python 版大约 20.5 万行代码、近 800 个源文件，背后还有将近 1.7 万个单元测试。

团队一开始什么规则都没给，只发了一段话：

“

让 ADK 在任何 Agent 上都不带来明显的额外开销：启动时、长会话里、多 Agent 和工作流场景下都是。模型收到的内容和公开 API 保持不变，每处改动都要配一个能抓住回归的测试。

第一轮跑了两个小时左右。Argon 第 7 分钟就写好了基准测试脚本，然后花了 70 分钟测量和读代码，之后才改了第一行 ADK 的源码，也确实找到了会话拷贝和包导入这两处真瓶颈。

可它不懂维护者的规矩：给鉴权模型挂了个自定义钩子，悄悄改掉了公开的 JSON schema；只跑了附近的 216 个单元测试；PR 描述里也没写前后的性能数字。

于是第二轮，团队做了两件事。

一是把维护者的规范写成 .agents/skills 放进仓库，像给新员工的入职手册，每个 skill 只有一个简短的 SKILL.md 索引，具体规则放在 references 里按需读取，避免把上下文塞满。

二是打开 Antigravity 的 /goal 模式，目标在上下文压缩之后也不会丢，Agent 会一直跑到任务完成为止。

两轮对比

这一次，Argon 从晚上 9 点 11 分一直跑到第二天早上 8 点 19 分，无人值守跑了 11 个小时。

动手之前，它先读了 12 个规范文件，跑了四组基线测试。跑完前的最后 3 分钟，它还在审自己的 diff，结果真在自己写的多 Agent 缓存里抓到一个 bug，修完又把 16,892 个单元测试全部重跑了一遍，然后自己停了下来。

Antigravity 里的通宵运行

最后 Argon 在 32 个文件里提了 6 个优化，被维护者合进去的只有 2 个，另外 4 个在 review 时被砍掉了：

6 个提议，合进 2 个

合进去的两个，一个是先过滤再拷贝会话历史，另一个是重型依赖改成用到时才加载。长会话里每一轮请求模型前的准备开销降了约 40%，冷启动导入快了 21%。

长会话开销降了约 40%

谷歌自己在文章开头说，新模型发布时的 demo 大多是从空文件夹开始写一个新应用，好看，但对天天在老代码库里干活的工程师来说，没什么参考价值。

比起那些 demo，这份连被砍掉 4 个提议都写进去的通宵记录，反而更可信一点。

3D 场景

这次还放出了大量的 3D demo。

官方说 Argon 在空间推理、数学精度和可视化编程上，比之前的 Gemini 都有大幅提升。谷歌员工在 Antigravity 里用 /goal 加上自定义 skill 的多 Agent 循环，做了一堆能直接在浏览器里跑的 3D 场景、游戏和动画。

DeepMind 推文里的那段视频，是让 Argon 在 Blender 里建了一整座日式寺庙，宝塔、植被、光照：

Argon 在 Blender 里建的寺庙

做法上，是先用 Nano Banana 生成参考图，然后由一个主控 Agent 派出几个专攻不同部分的子 Agent，各自建模，再由一个「对抗评审」的 Agent 拿渲染结果和参考图对比，不过关就打回去重做：

参考图与最终渲染

视频里还放了一张对比图。同样是做宝塔，Gemini 2.5 那一代做出来的还是这样的方块风格……不忍直视：

Gemini 2.5 系列做的宝塔

其他几个 demo：

•  拍几张真实书桌的照片，Argon 用 Blender MCP 把桌上的东西和赛道建模、做碰撞检测，用 Nano Banana 做贴图，再用 Three.js 加上物理效果、着色器和引擎音效，做成了一个能玩的迷你赛车游戏 

•  不用任何外部库、纯 Python，自己写了一个光线追踪引擎，外加视频工具和混音器，从零做出一段阳光图书馆的视频，配音用的是 Gemini 3.8 TTS，配乐来自 Lyria 3.5 

•  综合分析大约 50 GB 的机载激光雷达扫描、GIS 数据和国会图书馆的 CAD 图纸，重建出查科峡谷的古遗址 3D 模型 

•  在 Gemini 的 macOS App 里，根据一张手画的尺寸草图和一张沙发照片，给沙发设计新的沙发腿，并生成能直接 3D 打印的文件 

知识工作

写作上，官方说 Argon 是目前最会遵循风格指令的 Gemini，回答更直接、更少含糊其辞，不会无谓地重复，也不爱用陈词滥调。

Gemini App 里也放了一个例子：丢给 Argon 一个乱糟糟的项目资料文件夹，它用一个自定义 skill 整理成一份给客户的提案 PPT，再起草邮件发给客户，最后还建了一个定时任务，以后再有客户需求进来就自动按这个流程走。

同属 Alphabet、做药物研发的 Isomorphic Labs，则在用它读复杂的 PDF 和专利、提取关键信息，原本要几周的流程缩到了几个小时。

科研

科研方面的案例也非常多，可以说是分量最重。

量子计算方面，AlphaQubit 是谷歌用机器学习做量子纠错解码的模型，Argon 把它的内部版本重写成了一个高度优化的硬件内核，推理吞吐量差不多翻了一倍，这样在满足实时解码要求的同时，还能换上更大的解码模型，扩展到更大的量子设备上。

它还写了一个 arcsin 的量子电路实现，并用 Lean 做了形式化验证，时空开销比已发表的量子 CORDIC 基线低了 100 多倍。

核聚变方面，仿星器是实现可控核聚变的主流候选方案之一，难就难在三维磁场的优化。1967 年提出的「Grad 猜想」认为，这类磁场不存在精确的数学解，直到最近才有人找到了反例，其中就有马里兰大学的 Matt Landreman 教授。

这次，谷歌团队和 Landreman 一起，用 Argon 找到了更大一类 Grad 猜想的反例，可以作为可靠的基准，供核聚变研究者校验仿星器的模拟代码。

罕见病方面，Gamow Labs 用 Argon 分析患有罕见发育性肺病的新生儿基因组，其中一例，它找到了一个常规软件好几年都没查出来的染色体重排，还解释了为什么之前一直没被发现。

酶设计方面，谷歌的科学家和 Argon 一起设计丝氨酸酯酶，这类酶在回收、制药、生物燃料和洗涤剂生产里都很常用。Argon 几个小时内就整理好数据、调完模型，筛出 5 个全新的设计，实验室测下来，5 个都有稳定的催化活性。

机器人

在测试三维空间里物理推理能力的 ERQA 上，不开工具、纯靠推理，Argon 拿到了 87%，Opus 5.5 是 82.3%，GPT-6 Astra 是 81.0%：

ERQA

谷歌还做了个内部测试，给 Argon 看一段人玩沙包投掷游戏的原始视频，它自己标出场地的空间坐标，算出全身各个关节该怎么动，再自己写好仿真代码。

迁移到 Apptronik 的 Apollo 人形机器人上之后，机器人在真实场地里连投 7 次，全中。

人形机器人投沙包

谷歌管这叫「从视频到仿真再到真机」，原本要几周的手工仿真建模，现在几个小时就能做完。

开发者博客里还有个例子：随手画一张草图，画的是 Apollo 2 抛个球砸倒桌上一堆箱子，Argon 就能自己搭好 MuJoCo 仿真场景，规划出 76 个自由度的全身加五指投掷动作，在闭环物理仿真里验证 6 个箱子全部砸倒，最后再导出 Blender 渲染。

安全

网络安全依然是 Argon 的重点。从今天开始，Fairwind 计划还会扩展到几百家新的合作方。

Wiz 的 Scan for Good 计划已经在用它，这次又公开了两个案例：一个是和一家联邦机构合作，提前堵上了一个可能泄露政府敏感数据和基础设施的漏洞；另一个是在医疗基础设施里，把几个漏洞串起来，找到了一个公开文件下载的绕过漏洞，它暴露了一把主密钥，能直接拿到管理员权限，背后是几十万份病人的私密病历。

安全数据方面，官方给了几个数字：

•  外部的生物安全红队测试，只能攻破不到 1% 的生物子任务 

•  在专门用于压力测试的对抗测试集上，违规输出减少了将近一半 

•  在编程基准测试中，Argon 尝试走捷径的比例只有 2%，是历代 Gemini 里最低的 

•  间接提示注入测试 Gray Swan IPI 上，攻击者连试 15 次，成功率也只有 0.7% 

Gray Swan IPI

其中的走捷径，指的是 Agent 碰到权限报错或测试失败时，为了把任务做完，擅自绕过去。谷歌训练 Argon 尊重系统边界、如实报告负面结果，在做不可逆操作之前先停下来等人确认。

另外还加了一个自动监控器，实时读 Agent 的推理过程和动作，发现有绕路的苗头就拦下来。训练时也用了这个监控器，但刻意不拿它去惩罚模型的「想法」，免得把推理过程训练得越来越不透明。

模型卡里，还写了博客里没提的一条：

谷歌无法排除 Argon 已经达到生物风险和网络安全的「关键能力阈值」（CCL）。

所以他们为这两块各写了一份安全论证，并部署了相应的防护措施，评估认为能把风险降到阈值以下。

在「隐蔽性与情境感知」这一项上，Argon 通过了 15 项挑战里的 14 项，谷歌同样无法排除它达到了预警阈值。

能力强到连谷歌自己都没法打包票，这或许也是它从宣布到上线拖了两周的原因之一。

模型卡里的其他几条信息：Argon 是一个全新的大规模稀疏 MoE 模型，不是在旧模型上微调来的；知识截止时间是 2026 年 3 月；无理由拒答比 Gemini 3.1 Pro 少了 9.6 个百分点；已知问题里还写着，偶尔会慢或者超时。

Pro 订阅用户今天就能在 Gemini App 里用上了，至于 API 的半价，会在 11 月 30 日就结束。

博客最后说，Gemini 4 Argon 只是一个开始，Gemini 4 家族的其他成员还在后面。

好戏，还将继续上演？！

文章来自于微信公众号 “AGI Hunt”，作者 “AGI Hunt”