谷歌于今日正式发布 Gemini 4 Argon 模型，通过 Gemini API 向全球开发者和企业开放，同时接入 Google Antigravity、Gemini App 以及搜索的 AI 模式，面向 Google AI 订阅用户提供。该模型主打在编程、金融、法律、网络安全和科学等领域的复杂现实任务中进行深度工作，在多步任务中展现出更高的深度与精准度，并在衡量金融、编程、法律和税务等关键经济领域模型性能的 Vals 指数中排名第一。

定价方面，Gemini 4 Argon 的首发体验价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 可享 95% 折扣。这一定价策略可能对开发者选用模型产生影响，尤其是在需要大量推理的智能体工作流中。

谷歌内部团队、企业及研究界已开始使用 Argon，并在多个领域取得进展。在软件工程方面，谷歌工程师借助 Antigravity 中的 Argon，将智能体代码提交量提升了 35% 以上，同时将代码回滚率降低了近三分之一。Chrome 团队利用 Argon 将核心网页处理代码从一个约 600 万行的历史遗留文件夹中分离出来，该文件夹掩码在 Chromium 4000 万行代码库中。Argon 协助完成了涉及数百个文件的架构重构，将原本需要数月的工作缩短至几周内完成，有望让网页在标签页、侧边栏和悬浮窗口之间流畅移动而无需重新加载，并减少一类导致浏览器崩溃的问题。

在开源工具优化方面，谷歌开源智能体开发工具包 ADK 背后的团队借助 Argon，在不破坏现有应用的前提下消除框架额外开销。Argon 在夜间自主工作，提出优化方案并已上线于 google/adk-python，使长会话中的内存会话准备时间减少了 40%，冷导入速度提高了 21%。此外，研究人员使用 Argon 优化了开源量子化学软件包 xTB，将预测分子结构的速度提升了 2.3 倍，构象搜索速度提升了 1.8 倍，相关更新已贡献给 GitHub 上的 xTB 官方代码库。

Argon 还显著提升了谷歌开放模型 Gemma 的推理效率。借助 Argon，团队在短短几天内于 A100 上通过 vLLM 实现了 2.85 倍的端到端推理速度提升，将 Gemma 4 E2B 的吞吐量从每秒约 37,900 个 token 加速到超过 108,000 个 token，且保证 100% 输出 token 一致和零质量下降。这一过程通常需要数月。

在专业工作流方面，Argon 融合了前沿推理、深度视觉感知和扩展的领域知识，在法律、金融、科学和编程方面具备更强的写作能力。它回答问题更直接、少有模棱两可，并避免不必要的重复。早期体验计划中的企业用户和初创公司已在深度多模态文档理解、纵向数据分析和交互式分析沙盒等场景中取得成果。

网络安全领域，谷歌将“Fairwind 计划”开放给数百个新合作伙伴。Wiz 已在“Scan for Good”倡议中使用 Argon，在包括关键医疗基础设施在内的多个高风险领域展示成效。通过分析复杂漏洞链，该模型帮助团队发现并快速修复了医疗软件中的一处公开文件下载绕过漏洞，该漏洞曾导致医疗软件的主密钥泄露，并使攻击者获得管理员权限。Argon 不仅限于发现漏洞，更主动保护了数十万份私人患者记录。

科学研究方面，Argon 正在加速量子计算、核聚变、罕见病研究和酶设计等领域的突破。在量子计算中，Argon 将谷歌基于机器学习的量子纠错解码器 AlphaQubit 的内部版本转换为高度优化的硬件内核，使其推理吞吐量几乎翻倍，以满足实时阈值要求。Argon 还降低了量子子程序的时空成本，例如为近期量子模拟算法中的基础模块 arcsin 编写并在 Lean 中得到形式化验证的实现方案，与已发布的量子 CORDIC 基准方案相比，时空成本降低了 100 倍以上。

在核聚变领域，谷歌团队与马里兰大学的 Matt Landreman 教授合作，发现了更多关于 Grad 猜想的反例。这些新解为核聚变界提供了可靠的基准，用于测试仿星器模拟代码。在罕见病研究中，Gamow 实验室的研究人员使用 Argon 分析患有罕见发育性肺病婴儿的去标识化基因组，精确定位了一项常规软件多年来一直漏掉的染色体重排，并解释了它未被检测到的原因。基于真实临床与实验室数据的内部评估显示，Argon 在 RareBench（罕见病诊断辅助方面达到 57%）和 LabBench（湿实验推理方面达到 52.2%）上均位居榜首。

酶设计方面，科学家与 Argon 合作设计丝氨酸酯酶，针对基准分子乙酸-4MU 进行开发。在短短数小时内，Argon 收集数据、完成模型微调，并识别出多个基于生物化学原理的筛选规则，最终得出五个全新的设计组合，实验室测试证实这些设计均具有强大的催化活性。为加快研究步伐，谷歌将为 10,000 名科学家免费提供为期 6 个月的 Google Antigravity 最高使用层级服务，申请通道现已开放。

机器人技术方面，Argon 在具身推理基准测试 ERQA 中以 87% 的得分超越所有其他前沿模型。在一项内部测试中，Argon 观看人类玩布袋球的原始视频，绘制环境空间坐标并计算全身关节运动，随后自主构建模拟代码。将这些代码转移到 Apptronik 公司的 Apollo 人形机器人上后，该机器人在真实环境试验中迅速连中七球。这条“视频-模拟-现实”流水线将长达数周的手动模拟建模压缩到几个小时内。

安全与保障方面，谷歌表示 Gemini 4 Argon 代表了其迄今为止最全面的安全与保障体系。在外部生物安全红队测试中，仅有不到 1% 的生物相关子任务被成功诱导执行。在对抗性测试集中，违规率降低了近 2 倍。在编码基准测试中，Argon 的捷径尝试率降至仅 2%。此外，自动化的偏离监控器会读取智能体的推理过程和行动，以实时捕捉并拦截非预期的变通操作。在灰天鹅间接提示注入基准测试中，Argon 将 15 次自适应尝试的攻击成功率降至 0.7%。

整体来看，Gemini 4 Argon 的发布不仅展示了谷歌在前沿模型能力上的推进，也通过具体的企业与科研案例，呈现了 AI 在代码重构、科学发现和机器人训练等场景中的实际落地潜力。其定价与生态整合策略，可能进一步影响开发者对模型的选择，并加剧前沿模型市场的竞争。