谷歌Gemini 4 Argon突袭上线：跑分超GPT-6、定价低四成，却先只开放给网络安全专家

12 0

谷歌Gemini 4 Argon上线配图 — Gemini 4 Argon：跑分与价格双线施压，却采取受控发布（配图：AI30媒体部）

等了将近一年，谷歌的新旗舰没有开发布会。9 月 30 日深夜，Gemini 4 Argon 直接上线，一手跑分一手价格：代码软件工程基准 DeepSWE v1.1 拿下 77.9%，把刚发布的 GPT-6 Astra（74.1%）和 Claude Opus 5.5（74.2%）同时甩在身后；API 定价每百万输入 Token 2 美元、输出 10 美元，据量子位援引的口径，单次调用成本比 GPT-6 Astra 低大约四成。但最反常的地方在于发布方式——这批模型暂时不卖给普通用户，先只开放给经过审核的网络安全从业者。

跑分：DeepSWE 77.9%，输出上下文扩到 100 万 Token

先看跑分。Argon 的技术亮点集中在代码与推理两个方向：漏洞修复基准 CWE-bench v1 上达到 68%，与 GPT-6 Astra 并列第一；自动化任务基准 AutomationBench 跑出 51.3 分排名第一；输出上下文窗口从上一代的 6.4 万 Token 直接扩到 100 万，一次能吃下数十万 Token 的复杂任务。谷歌还演示了一个具体案例：把视频解码器移植到 Rust 语言后，Argon 带来 2.7 倍的性能提升；在谷歌自有数据中心，它被用于识别并修复内存漏洞，预期释放超过 300TiB 的存储空间。

另一面：Code Arena 只排第八

不过跑分之外有另一面。在同样量化的 Code Arena 榜单上，Argon 只排第八，落后于同期竞品；Text Arena 倒是以 1525 分位居榜首，但这类侧重理解能力的评测与实际软件开发效率之间，隔着一条难以精确丈量的鸿沟。换句话说，Argon 擅长的是特定场景的深度推理，而不是通用编码能力的全方位碾压——这也解释了谷歌为什么先把它交给网络安全防御方：这个垂直领域恰好能放大长上下文与深度推理的优势，同时最小化短板。

定价：比 GPT-6 Astra 低约四成的深水炸弹

价格是另一颗深水炸弹。推广期 API 定价为每百万输入 Token 2 美元、输出 Token 10 美元，缓存输入享受大幅折扣，谷歌明确表示后续将上调价格。对照刚刚在 DevDay 上把缓存输入打到 0.1 美元/百万 Token 的 GPT-6.1 Sol，以及长期盘踞高价位的 Claude Opus 系列，谷歌这轮定价的意图不难读出：用接近腰斩的价格把「同等预算能跑多少 Token」的选型天平拉向自己。对靠 API 成本活着的应用层公司来说，模型选型的账要重算一遍。

受控发布：先给网络安全专家，普通用户待定

发布策略本身可能比跑分更值得琢磨。据 CNBC 报道，Argon 通过 Fairwind 项目上线，仅向经过严格审核的网络安全从业者开放，并参与美国政府的预发布安全评估；官方 19 项基准测试中拿下 13 项领先，但面向普通开发者与消费者的全面开放时间未公布。背景是最近两周 OpenAI 与 Anthropic 接连曝出前沿模型安全隐患——智能体越权、训练暂停等消息不断，谷歌选择保守受控的发布节奏，显然是想在「能力领先」之外再立一个「安全可信」的人设。

写给从业者：三个动作

对从业者来说，这一轮有三个动作建议：其一，正在做模型选型的团队把 Argon 加进对比清单，重点测长上下文与代码推理两类真实负载，别只看榜单；其二，成本敏感的应用把定价表重新拉一遍，推广期价格是窗口期红利，不会长期存在；其三，关注受控发布背后的信号——当头部厂商开始把「安全评估」作为发布前置环节，合规与权限管理会逐步从加分项变成准入项，做智能体产品的团队要提前适配权限模型，别等平台收紧才补课。