谷歌正式发布新一代旗舰大模型Gemini 4 Argon，这是该公司时隔10个月推出的旗舰产品。谷歌确认，9月15日在LMArena上以“gemini-3.8-flash”名称亮相、表现接近GPT-6 Astra的模型，即为Gemini 4 Argon。
据谷歌介绍，Gemini 4 Argon采用了公司迄今规模最大的预训练，主要面向长程编程任务、企业级知识工作和网络安全防御场景。在谷歌公布的18项基准测试中，Argon拿下12项第一、1项并列第一；GPT-6 Astra拿下3项第一、1项并列第一，Claude Opus 5.5拿下2项第一。
具体成绩方面，在长程软件工程测试DeepSWE v1.1中，Argon以77.9％刷新纪录，高于Astra的74.1％和Opus 5.5的74.2％。在衡量知识工作能力的Vals Index中，Argon以68.9％排名第一。在Zapier业务自动化测试AutomationBench中，Argon以51.3％领先，Opus 5.5和Astra分别为42.5％和41.4％。金融研究测试Vals Finance Agent v2中，Argon得分65.4％；法律任务测试Harvey Legal Agent中得分19.6％，Astra为5.4％。长视频理解测试LVBench中得分91.7％，GraphWalks长上下文图检索测试中得分84.2％。网络安全方面，Argon与Astra在CWE-bench v1中以68％并列第一；在Gray Swan的提示注入测试中，针对Argon的攻击成功率仅为0.7％，为参测模型中最低。
Argon也存在明显短板。在FrontierSWE v2中得分55.0％，Astra为65.5％；在Terminal-Bench Science 0.1中分别为57.6％和68.1％，两项测试均落后10.5个百分点。在Terminal-Bench 4.0中，Argon得分57.4％，低于Opus 5.5的66.4％和Astra的58.2％。这表明Argon在知识工作上具备优势，但在需要持续操作和执行的任务上仍未追上竞争对手。
幻觉控制是Argon的另一特点。在Artificial Analysis的AA-Omniscience测试中，Argon幻觉率最低，未答对的问题中仅15％给出错误答案，其余选择承认“不知道”。作为对比，GPT-6 Astra在不同推理设置下的幻觉率为45％至51％，Opus 5.5和Fable 5.1在最高推理设置下分别为59％和73％。不过在Artificial Analysis公布的智能指数图中，Argon得分53分，与Astra、Claude Fable 5.1同分，低于Opus 5.5。
目前普通用户和开发者尚无法使用Argon，首批获准使用的是谷歌Fairwind计划中的网络安全防御人员。尝鲜期内，Argon每百万输入token收费2美元，每百万输出token收费10美元，缓存命中的输入价格降至每百万token 0.10美元，低于Astra和Opus 5.5。尝鲜期结束后，标准价格将恢复至每百万输入token 4美元、输出token 20美元。
谷歌同时介绍了Argon的安全设计，包括为首批用户提供移除网络安全护栏的特别版本，以及“监控内部激活”的安全手段，用于识别模型推理过程中的风险信号。据谷歌介绍，Argon已在公司内部投入使用，帮助量子计算团队优化编译流程，将时空开销较已发表基线降低40％；分析跨数据中心性能数据并释放超过300 TiB内存；将C/C++代码迁移至Rust，涉及re2、libgav1及80万行的Fuchsia OS Zircon内核。
自Gemini 3 Pro发布以来，谷歌已近10个月未推出新一代旗舰。此前因Gemini 3.5 Pro表现未达预期，加上内部人事动荡，谷歌一度被认为在旗舰模型竞赛中掉队。Gemini 4 Argon的发布能否帮助谷歌重回领先位置，仍需结合独立评测和实际使用体验来判断。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
