Argon 是什么来头：从 3.5 Pro 取消到 4 Argon

Google 这回给模型改了命名法，直接跳过一堆中间版本，端出 Gemini 4 Argon，定位是「前沿智能的新纪元」，专门为了「在复杂、长周期的工作流里做深度推理」而生。背景是之前 Gemini 3.5 Pro 被取消、重心转到 3.8 Flash 之后的一次重新集结。Google 想用 Argon 在编程、知识工作、网络安全防御和创意写作这几个方向上，把「前沿级能力」一次性给齐。

对普通用户来说，名字怎么变不重要，重要的是它到底能干什么、比上一代强在哪。一句话先说结论：这次重点不是「更会聊天」，而是「能想得更久、干得更长」。

最硬的参数：100 万 token 的输出上限

Argon 把单次输出的 token 上限从 6.4 万直接拉到 100 万。这是什么概念？意味着它可以一口气生成几十万 token 的内容，跑很长的推理轨迹，去啃那种「一步想不透、得连推好几步」的硬骨头问题。配合扩展后的编程、推理和多模态能力，Google 的说法是：当模型有头空间深度思考、一次生成几十万 token，解决复杂问题的深度就上了一个台阶。

在跑分上，Google 拿出的数字挺能打：DeepSWE v1.1 上 Argon 拿到 77.9%，而 Claude Opus 5.5 是 74.2%、GPT-6 Astra 是 74.1%；网络安全修复的 CWE-bench v1 上它和榜首并列第一（68%）；Zapier 的 AutomationBench 端到端执行它排第一（51.3%）；长视频理解 LVBench 上 91.7% 是 state of the art。金融和法律这类垂直基准也都有领先表现。

一个争议点：无护栏开放给「防守方」

Argon 有个挺出格的设计：Google 把它「不带网络护栏」地开放给受信任的防守方和内部团队，让他们能用满这套前沿级的网络安全防御能力。这背后的逻辑是——防守方越强，越能挡住坏人。但风险也明摆着：能力一旦外溢，被滥用的代价很高。

所以 Google 同时堆了几道防线：监控模型内部激活来发现滥用、把间接提示注入（prompt injection）抗性做到目前最 resilient、把高风险训练/评估环境提前隔离封死、并部署对齐监控在必要时叫停执行。说白了，能力放开一步，护栏就得跟上一步，这中间的平衡会是这类前沿模型长期的主题。

价格和怎么用上：Ultra 用户和付费 API 先吃

Argon 先从 Google AI Ultra 订阅用户和付费 API 客户开始推送。价格上，介绍期输入每百万 token 2 美元、输出 10 美元，缓存输入再打 95 折；介绍期过了之后，涨到输入 4 美元、输出 20 美元每百万 token。对开发者来说，介绍期窗口值得抓住，毕竟一倍的差价不算小。

在 Google 内部，Argon 已经在上千名员工的真实工作流里跑起来了：有团队用它分析全机群的性能遥测、自动找出并落地内存优化，腾出 300 TiB 以上的内存；还有团队拿它把 C/C++ 代码库往 Rust 迁，从 re2、libgav1 这种核心库，一路干到 Fuchsia 的 Zircon 内核、规模冲到 80 万行以上。这些例子说明，前沿模型已经不只是「写写文案」，而是真在啃基础设施级的硬活。

放在大模型竞赛里看，Argon 意味着什么

把视野拉到整个赛道：Anthropic、OpenAI、Google 三家现在是你追我赶，每一代都在「更长上下文 + 更深推理 + 更专基准」上加码。Argon 这代最鲜明的标签是「为长链路任务而生」——它不跟你比谁回得快，而是比谁能把一件复杂的事从头到尾想透做完。对依赖 AI 写代码、做研究、跑自动化的团队来说，这种能力是真金白银的生产力。

当然，跑分归跑分，真实世界用起来「会不会翻车」是另一回事，Google 自己也在应对「实测表现不如分数漂亮」的质疑。所以我的建议是：如果你是开发者或重度生产力用户，趁着介绍期价去实测一把，比看宣传稿更有意义；普通用户则可以等它铺到 Gemini App 里，再决定要不要为 Ultra 买单。