谷歌 Gemini 4 Argon 来了|gemini|大模型|智能体|源代码|知名企业|编程|网络安全|谷歌

2026 年 10 月 1 日，Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，主要面向软件开发、企业知识工作和网络安全防御等复杂任务。

目前 Argon 尚未全面开放，正通过 Fairwind Program 向一批受信任的网络安全防御人员逐步开放。

Google 表示，在收集早期测试反馈并继续完善安全防护后，将向开发者、企业和消费者扩大开放，目前尚未公布具体时间。

Argon 最突出的升级之一，是将单次输出上限从此前的 64K Token 提升至 100 万 Token。

Google 表示，更高的输出上限允许模型在单次任务轨迹中生成数十万 Token，用于处理需要深度推理和大量中间步骤的复杂长周期任务。

价格方面，Gemini 4 Argon 首发优惠价为每百万输入 Token 2 美元、每百万输出 Token 10 美元，缓存输入 Token 的价格较普通输入低 95%。

Google 表示，优惠期结束后，输入和输出价格将分别调整至每百万 Token 4 美元和 20 美元。

从 Google 公布的评测结果看，Argon 在知识工作领域的多项测试中高于表内的 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。

Vals Index 中，Argon 得分 68.9%，另外三款模型分别为 63.1%、65.8% 和 67.0%。

AutomationBench 中，Argon 得分 51.3%，另外三款分别为 41.4%、31.4% 和 42.5%。

在金融和法律智能体测试中，Argon 的 Vals Finance Agent v2 得分为 65.4%，GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5 分别为 53.5%、58.9% 和 58.6%。

Harvey’s Legal Agent Benchmark 中，Argon 得分 19.6%，另外三款模型分别为 5.4%、6.7% 和 3.8%。

编程方面，Argon 在 DeepSWE v1.1 中取得 77.9%，GPT-6 Astra 为 74.1%，Claude Fable 5.1 为 67.4%，Claude Opus 5.5 为 74.2%。

Vibe Code Bench 中，Argon 得分 91.9%，另外三款模型分别为 89.6%、90.3% 和 90.3%。

不过，Argon 并非所有编程测试都领先。

在 FrontierSWE v2 中，Argon 得分 55.0%，GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5 分别为 65.5%、56.3% 和 62.3%。

Terminal-bench 4.0 中，Argon 得分 57.4%，另外三款模型分别为 58.2%、57.9% 和 66.4%。

在 GraphWalks 的 256K 至 1M BFS 测试中，Argon 得分 84.2%，GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5 分别为 71.8%、65.0% 和 66.8%。

多模态理解测试 LVBench 中，Argon 得分 91.7%，另外三款模型分别为 87.5%、79.7% 和 83.7%。

网络安全是 Argon 首批开放的重点领域。

Google 表示，该模型能够自主寻找、验证并修复关键软件漏洞。

在真实世界漏洞发现测试中，Argon 扫描覆盖 20 种编程语言的源代码，得分为 85.8%，高于 Gemini 3.8 Flash Cyber 的 71%。

在 Wiz Penetration Test Benchmark 中，模型需要在没有源代码的情况下发现并利用 Web 漏洞，Argon 得分为 70.9%，Gemini 3.8 Flash Cyber 为 58.2%。

Google 表示，对于受信任的网络安全防御人员及内部安全团队，将移除 Argon 的网络安全防护限制，以提供完整的防御能力。

在 CWE-bench v1 中，Argon 与 GPT-6 Astra 均取得 68%，Claude Fable 5.1 和 Claude Opus 5.5 分别为 58.0% 和 67%。

Google 同时公布了针对间接提示注入攻击的 Gray Swan IPI 测试结果，该指标越低越好。在攻击者最多尝试 15 次的情况下，Gemini 4 Argon 的攻击成功率仅为0.7%，为图中所有参测模型最低；Claude Opus 5.5 和 Claude Fable 5.1 均为 1.0%，GPT-6 Astra 为 8.5%，GPT-6 Sol 为 10.1%，GLM-5.3 为 31.5%，Grok 4.6 和 Kimi K3 分别达到 51.8% 和 52.7%。