AI 快讯 | Google 发布 Gemini 4 Argon：1M 输出上限与 $2／$10 入门价，首发仅限受信防御方

文档资源
, , , ,
1

一句话核心

:fire: Google 于 2026 年 9 月 30 日（美西）发布新旗舰模型 Gemini 4 Argon：把输出上限从 64K 提到行业领先的 100 万 token，入门价为每百万 token 输入 $2、输出 $10（缓存输入再减 95%）。但现阶段它只通过 Fairwind 计划开放给一批受信的网络安全防御方，开发者、企业与消费者都还拿不到。

图 1

图 1：Google 官方博客页首，可见标题、页内日期 Sep 30, 2026 与作者署名 Koray Kavukcuoglu（SVP, Google DeepMind 兼 Google 首席 AI 架构师）。来源：Google 官方博客，2026-09-30。

背景脉络

  • 这是 Google DeepMind 的新旗舰。第三方 Artificial Analysis 形容它是该机构七个月来测到的、Google DeepMind 首款高出 Flash 级别的专有模型。
  • 发布载体是 Google 官方博客《Gemini 4 Argon: our next era of frontier intelligence》，作者 Koray Kavukcuoglu（SVP, Google DeepMind 兼 Google 首席 AI 架构师），页内日期 Sep 30, 2026。
  • 时间口径：9 月 30 日（美西）发布；10 月 1 日中文媒体大量跟进，10 月 1 日是报道日、不是发布日。
  • 与本站已发内容的关系：topic 177 记录的是「Gemini 4 进入后训练、目标远早于年底发布」的前瞻，本篇是该线的推进，可互引、不合并；topic 172 是 Gemini 3.8 Flash TTS（语音），topic 156 是 Gemini 在安全测试中自主入侵真实公司的事件——三条是不同的事。

关键细节

1）可用范围（本条最要紧的事实）

  • 目前只通过 Fairwind Program 向一批受信的网络安全防御方开放。官方原话：「Safely releasing frontier capabilities at this level requires a phased approach. We are actively engaged in the U.S. government’s voluntary process for pre-release model access while we gradually expand access.」
  • 官方给出的扩围顺序是「starting with paid API customers and Google AI Ultra subscribers」——这是尚未生效的计划，不是现在就能用。

2）能力上限

  • 输出 token 上限提升到 100 万（1M），此前为 64K。官方理由是让模型在一次轨迹里生成数十万 token，从而一次解决更难的问题。

3）价格（官方两段价）

  • 入门价：每百万输入 token $2、输出 $10；缓存输入按输入价的 95% 折扣。
  • 官方脚注写死：入门期结束后适用每百万输入 $4、输出 $20。
  • 官方没有公布入门期的结束日期。

4）Google 自己怎么用它（官方举例）

  • 量子算法优化：有一个例子在数分钟内比已发表基线好 40%。
  • 内存效率：Argon agent 自主分析集群遥测并落地优化，已释放 300 TiB 以上内存，官方估计总节省 500 TiB 至 1 PiB。
  • C/C++ 到 Rust 的大规模迁移：从 re2、libgav1 这类核心库，到 Fuchsia Zircon 内核 80 万行以上。其中 libgav1 一例：替换 32K 行 SIMD 代码，得到内存安全的解码器，比该 Rust 端口快 2.7 倍，且视频输出完全一致。

5）官方自测（厂商口径）

  • DeepSWE v1.1 = 77.9%（官方称新 SOTA）。
  • Vals Index 领先（该榜按各行业对美国 GDP 的贡献加权）。
  • Vals Finance Agent v2、Harvey 的法律 Agent 基准 领先。
  • AutomationBench（Zapier）第 1 名，51.3%。
  • LVBench 长视频理解 91.7%（官方称 SOTA）。

6）网络安全能力与发布策略

  • 官方称 Argon 可自主发现、验证并修补关键软件漏洞；对受信防御方与 Google 内部团队，将「不带网络安全护栏」发布。
  • Wiz（2026 年 3 月被 Google 以 320 亿美元收购）已在 Scan for Good 中用它发现一个影响全球医院所用医疗软件的严重漏洞，官方称此前的前沿模型都漏掉了。
  • CWE-bench v1 上以最高分 68% 并列第一。

7）四类前沿防护（官方）

  • 防滥用：网络与 CBRN 拒答，并监测模型的内部激活以识别误用。
  • 抗提示注入：称在 Gray Swan 的 Indirect Prompt Injection 基准上领先。
  • 失准监控：监控 Argon 的思维链与动作，必要时直接中止执行。
  • 加固沙箱：高风险训练或评估开始前先隔离并封闭环境。
  • 一个值得注意的行业信号：Google 对自己的训练也用了同类失准监控，并强调要避免把发现回流进训练，以免 Argon 学会规避监控，同时公开呼吁业界保持「推理透明」。

数据解读（第三方读数，与官方自测严格分列）

以下均为第三方机构口径。不可与上面的官方自测混成一张榜。

Artificial Analysis（2026-09-30 发文）

  • 高推理档在该机构智能指数得 53 分，与 GPT-6 Astra（max，53）持平、比 GPT-6.1 Sol（max，52）高 1 分；比 Google 上一个非 Flash 模型 Gemini 3.1 Pro Preview（30）高 23 分。
  • 成本：在当前 50% 折扣下，每个智能指数量任务 $1.99，是 GPT-6 Astra（max，$3.26）的 60%，但是 GPT-6.1 Sol（max）的 2.7 倍；折扣结束后约 $3.98（约为 Astra 的 1.2 倍）。
  • 该机构特别指出：这一成本优势来自更低的 token 单价，而不是更省 token——Argon 平均每任务输出 62k token，GPT-6 Astra（max）为 27k。
  • 幻觉：AA-Omniscience 幻觉率 15%，是该机构所测「智能指数 45 分以上模型中最低的」（对照 GPT-6 Astra max 51%、GPT-6.1 Sol max 54%）；但准确率 50%，比 Gemini 3.1 Pro Preview 低 5 分、比 GPT-6 Astra（max，63%）低 13 分。
  • 其他：AutomationBench-AA 第 1 名 78%（领先 Claude Sonnet 5.5 max 7 分）；Terminal Bench 4 = 57%（落后 Claude Sonnet 5.5 max 64%、Claude Opus 5.5 max 60%、GPT-6 Astra 59%）；AA-Briefcase 1494 Elo。
  • 该机构还提到一个新 API 特性 Long Decode Continuation：可暂停长回答并跨多次调用续写，让推理跑到 1M 输出 token 而不超时。

图 2

图 2：Artificial Analysis 的第三方评测文章（2026-09-30），含其智能指数排行；图中 Argon 一栏为该机构用斜纹标注、尚未公开可用的模型。来源：Artificial Analysis，2026-09-30。

The New Stack

  • 据其统计，官方公布的基准共 18 项，其中 Argon 单独第一或并列第一 13 项（即有 5 项不是第一）。
  • 但它在 FrontierSWE v2 与 Terminal-Bench 4.0 两项上在同组里垫底，分别落后 GPT-6 Astra 10.5 分、落后 Opus 5.5 9 分。
  • Harvey 法律 agent 基准 19.6% 虽约为 Fable 5.1 的三倍，但也意味着只完整完成约五分之一的任务。
  • CWE-bench v1 上 Argon 与 GPT-6 Astra、xAI 的 Grok 4.7 并列 68%，但 OpenAI 与 Anthropic 的模型跑在各自的 agent harness（Codex 与 Claude Code）里 ⇒ 该榜衡量的是「模型＋工具链」的整体。

VentureBeat

  • 在 Gray Swan 间接提示注入基准上，Argon 攻击成功率 0.7%；对照 Claude Opus 5.5 与 Fable 5.1 各 1.0%、GPT-6 Astra 8.5%、GPT-6 Sol 27.0%、GLM 5.3 31.5%、Grok 4.8 51.8%。

价格与成本

  • 官方两段价：入门 $2／$10（缓存输入再减 95%），入门期后 $4／$20，单位均为每百万 token；入门期结束日期未公布。
  • 第三方成本口径与官方单价不是同一件事：AA 的「$1.99／智能指数量任务」是按任务折算的加权成本，不是每百万 token 单价；折扣结束后该值升至 $3.98。两者不可互相换算。

辩证评估

  • 值得肯定的：这条最硬的信息是「发布了，但大多数人用不了」。把前沿能力先给防御方、并明说自己在参与美国政府的发布前模型访问自愿流程，是一份很具体的发布策略声明；输出上限与两段价格也都有官方数字。
  • 需要警惕的：不能把官方自测读成「屠榜」——18 项里有 5 项不是第一，第三方还明确指出两项在同组垫底；CWE-bench 的「第一」是并列第一、且是模型＋工具链合计，不能单独归功于模型。
  • 一处结构性信息：官方自己承认对训练也用了失准监控，并刻意避免把发现回流进训练。这说明「用监控训练、又怕模型学会绕监控」已经是前沿实验室的日常工程约束，而不只是研究话题。

已知 vs 待验证

已知（官方一手）：发布日与署名、Fairwind 限定、两段价格、1M 输出上限、内部用例、官方自测项、四类防护，以及「不带网络护栏只适用于受信防御方与 Google 内部」。

待验证 / 口径提醒：

  • 「全面领先」不成立：官方自测 18 项中 5 项非第一，第三方另指出两项垫底。
  • 「第一」要限定范围：CWE-bench v1 是「并列第一」且是「模型＋harness 合计」；DeepSWE v1.1 的 77.9% 是官方自测，对照的 Opus 5.5 74.2%、GPT-6 Astra 74.1% 均为各家公布值，不可拼成一张榜。
  • 价格必须写全两段，且入门期结束日期官方未公布。
  • 可用范围不能写松：现在只有 Fairwind 的受信防御方能用。
  • 不得写成「Argon 没有安全护栏」：官方限定只对受信防御方与 Google 内部才不带网络护栏。
  • 与白宫协议的关系：发布落在 Pichai 联署自愿承诺的次日，且 Google 自述正在参与美国政府的发布前模型访问流程——两者只作并列与该流程的呼应，不写因果。
  • 命名沿革：这是 Google 新的命名体系；「Argon 实质上是此前预告的 Gemini 3.5 Pro 的替代」属第三方解读，官方博客没有这么说。
  • Google 的模型卡与 API 文档页尚未发布，上述参数与基准均以官方博客正文为准；Artificial Analysis 与 The New Stack 属第三方评测，其方法论未公开，引用时建议只作横向参考。

给读者的建议

  • 如果你现在就需要 Gemini 系模型跑生产任务：别等 Argon，它这一阶段拿不到；可以把它的两段价与 AA 读数当作下一次扩围时的预算锚点。
  • 如果你关注的是「前沿能力该不该先给防御方」：这条值得完整读一遍官方博客的防护与发布顺序两节，它的措辞比多数厂商通稿具体。
  • 如果你在做选型对比：务必按「官方自测」与「第三方读数」两块分别看，尤其不要漏掉 FrontierSWE v2 与 Terminal-Bench 4.0 这两项垫底数据。

来源

官方

独立 / 第三方