Gemini 4 Argon 让 Google 的模型重新追上了第一梯队，但没有超越对手。而它的应用 Antigravity（Harness）还落后对手半年到一年，拖累了模型的表现。

这是用日常任务实测写作和知识内容组合能力后得出的结论，和 Dan Shipper 的 Vibe Check 感知一致。

打开网易新闻 查看精彩图片

编程：搭得快，审得敷衍

从零开始搭应用，Argon 又快又好，低推理档就能达到 Opus 5.5 的水平。但让它审查自己的代码就很敷衍，改造复杂的老代码库也很弱。

Vibe Check 得分 21%，而 Claude 和 GPT-6 在 81% 到 85% 之间。要补上这块短板，得配上严格的自动化测试，或者让另一个模型来审查。

写作：整篇太密，当编辑很出色

让它一次写完整篇，文字太密、太难读，可读性约 10.6 年级，其他前沿模型在七到八年级。但当编辑伙伴来梳理结构、打磨比喻，非常出色，Dan Shipper 现在最喜欢用它写作。

对比来看，Opus 5 水平均衡，适合表达事实类写作；Gemini flash 文采很好但太飘；Argon 的问题就是啰嗦了。

设计与知识工作：排名靠前，细节会丢

设计排名第二，仅次于 Opus 5.5。默认风格太繁杂、堆砌功能，推理档位越高越乱；不过很好调教，给出明确的简报或设计稿就能交出干净的作品。

知识工作方面，分析和提炼洞察的能力强，做数据仪表盘、写报告时优于 Fable 5.1。但一次处理很多文件时会丢掉细节，查事实时会很自信地答错，这和代码需要复查是同一个逻辑。

谁该用，怎么用

对于整个公司都用 Google Workspace 的大量用户来说，Argon 是一次巨大的跃升，意味着他们第一次在工作中用上了前沿级别的模型。

对于能自由选择工具的进阶用户，Argon 适合在写作时当结构和思路上的搭档，或者用来快速做原型、出设计，但还不能当主力。

Google 已经补上了模型上的差距，接下来要把应用层也带进 2026 年。官方已经预告了自动安全分类器、云端执行和 max 推理档位，这些更新会决定 Argon 能不能从“回到第一梯队”变成真正可以作为主力的选择。