谷歌 Gemini 4 Argon 缩小与 OpenAI、Anthropic 的差距，但未明显领先
核心要点
- 谷歌发布了 Gemini 4 Argon，这是其最新旗舰模型，缩小了与 OpenAI 和 Anthropic 前沿模型的差距，并在部分关键基准测试中超越了对手。
- 新增功能：Argon 支持最高一百万输出 tokens，使其能够一次性完成复杂推理而不会超时。
- 谷歌正分阶段推出 Argon，入门价为每百万输入 tokens $2，每百万输出 tokens $10；常规价格随后将升至 $4 和 $20。缓存输入享有 95% 的折扣。
谷歌发布了 Gemini 4 Argon，这款新前沿模型缩小了与 OpenAI 和 Anthropic 竞争对手的差距，在部分关键基准测试中表现更佳。尽管它未必明显领跑，但作为前沿模型，其入门价相对便宜。
Argon 是谷歌在 Gemini 3.1 Pro 之后时隔七个月推出的首个前沿模型。这使这家广告巨头重回 AI 实验室前三名，尽管 Anthropic 很可能仍保持领先。在经历了一段艰难且拖沓的开发期后——已宣布的 Gemini 3.5 前沿模型被完全跳过——谷歌重新加入竞争。
大多数用户需等待
Argon 将首先提供给“可信网络防御者”群体，这是 Fairwind 计划 的一部分。这些用户及谷歌内部团队将获得无网络护栏限制的模型版本。谷歌以“分阶段方法”为逐步推出策略辩护，称此级别的 AI 能力需要如此安排。该公司还参与美国政府自愿计划，在模型公开发布前允许政府机构访问。
早期测试者的反馈将用于完善模型的安全机制。谷歌计划在此之后再向开发者、企业和消费者开放 Argon，首先面向付费 API 客户和 Google AI Ultra 订阅用户。公司未给出具体日期，仅表示“尽快”。
价格已经确定，至少作为入门定价：每百万输入 Token 2 美元，每百万输出 Token 10 美元。缓存输入 Token 的价格比常规价格低 95%，折合每百万 Token 约 0.10 美元。作为对比，Gemini 3.8 Flash 的缓存折扣率为 90%。在原始 Token 单价上，谷歌远低于其他前沿模型，但在 Token 消耗量上并非如此（详见下文）。
| 每百万 Token 价格 | Gemini 4 Argon (促销) | Gemini 4 Argon (常规) | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|---|
| 输入 Token | $2 | $4 | $10 | $10 | $4 |
| 输出 Token | $10 | $20 | $50 | $50 | $20 |
| 缓存读取操作 | $0.10* | $0.20* | $1 | $0.25 | $0.20 |
| 缓存写入操作 | 不适用 | 不适用 | $12.50 | $12.50 (5 分钟) / $20 (1 小时) | $5 (5 分钟) / $8 (1 小时) |
*谷歌未明确列出该具体数值，但指出缓存价格比常规输入 Token 价格低 95%。
谷歌还将输出限制从 64,000 Token 提升至 100 万 Token，称此举为行业首创。其初衷是，若模型能在单次推理轨迹中生成数十万 Token，便能更深入地思考复杂问题，并一次性解决。为此，谷歌将在 Gemini API 中新增“长解码续传”（Long Decode Continuation）功能。该功能允许暂停长响应，并通过后续请求恢复，从而避免推理过程因超时而中断。
输入上下文窗口维持 100 万 Token 不变。Argon 支持文本、图像、视频和音频作为输入，但仅支持文本输出。
独立测试显示 Argon 与 GPT-6 Astra 表现相当，但 Token 消耗更大
Artificial Analysis 提供了早期的独立评估。在最高推理级别“高”（High）下，Gemini 4 Argon 在 Artificial Analysis 智能指数上得分为 53。这一成绩与 OpenAI 的 GPT-6 Astra（最大模式）和 Claude Fable 5.1 持平，并领先 GPT-6.1 Sol（最大模式）1 分。
Anthropic 的模型仍然领先：Claude Opus 5.5 得分 58，Claude Sonnet 5.5 得分 56。相比之下，Google 上一代旗舰模型 Gemini 3.1 Pro Preview，Argon 一口气提升了 23 分。"High" 通常是 Gemini 模型的最高推理档位，有时还支持一个特殊的 "Deep Think" 模式。
按当前促销价计算，完成一项 Intelligence Index 任务需要 1.99 美元，是 GPT-6 Astra（3.26 美元）的 60%，但比 GPT-6.1 Sol 贵 2.7 倍。折扣结束后价格升至 3.98 美元，比 GPT-6 Astra 高出约 20%。它的价格优势来自更低的 token 单价，而非效率更高——Argon 平均每任务消耗 6.2 万个输出 token，而 GPT-6 Astra 只需 2.7 万个。
Argon 在 agentic 任务上也有显著进步，而这正是 Artificial Analysis 指出的 Gemini 模型弱项。在 Artificial Analysis 自家变体 AutomationBench-AA 上，Argon 以 77.5% 夺得第一，领先 Claude Sonnet 5.5（max）6 个百分点。在 Terminal Bench 4 上，它达到 57%，比 Gemini 3.1 Pro Preview 暴涨 53 个百分点，但仍落后于 Claude Sonnet 5.5（64%）、Claude Opus 5.5（60%）和 GPT-6 Astra（59%）。
Artificial Analysis 还强调了 Argon 的低幻觉率。在测试事实性知识和知识盲区诚实度的 AA-Omniscience 基准上，Argon 的幻觉率为 15%，而 GPT-6 Astra（max）高达 51%，GPT-6.1 Sol（max）为 54%。Argon 更倾向于承认自己不知道，而不是瞎猜。不过它的准确率只有 50%，比 Gemini 3.1 Pro Preview 低 5 分，比 GPT-6 Astra（max，63%）低 13 分。在该基准的总分上，Argon 得 42 分，与 GPT-6 Astra（43 分）和 GPT-6.1 Sol（42 分）基本持平。
Google 自己公布的基准测试结果则要好看得多：Argon 在其中大部分基准上都领先，有时优势还相当明显。
Argon 还在 Vals Index 中占据领先位置。根据 Vals AI 的数据，其得分为 68.9%，位列第一，这也是 Gemini 系列模型首次登顶该指数。Argon 在 22 项测试基准中有 20 项进入前五，尤其在金融、法律、编码和安全领域表现突出。不过需要注意，在同一测试中，中端模型 Sonnet 5.5 的排名也超过了 Anthropic 的旗舰模型 Opus 5.5，因此这份成绩单需持保留态度。
老生常谈，AI 模型终究要经得住现实场景的检验。最终表现不仅取决于模型本身，还取决于外围软件包的质量。而这恰恰是 Google 目前的短板：与 Claude Cowork 和 ChatGPT Work 相比，Gemini 应用依然落后。
Argon 在文本人类偏好排名中拔得头筹
在由人类对模型输出进行两两对比评分的 Arena.ai 平台上，Argon 表现不俗。在文本竞技场中，Gemini 4 Argon（High）以 1525 分位居榜首，领先第二名 Claude Opus 4.6（High） 20 分。这使得它成为写作任务强有力的竞争者，尤其是在经历了长时间缺乏有竞争力的写作模型，且 Opus 5.5 在人类偏好排名中仍未超越 Opus 4.6 的背景下。Google 的上代模型 Gemini 3.8 Flash（High）此前排名仅为第十一。
Arena 数据显示，Argon 在编码、高难度提示词、指令遵循、长查询以及创意写作方面均居前列。在所有受评估的专业领域，以及英语、中文、俄语和其他非英语查询中，它都排名第一。
Web 开发领域的结果则相对保守。在 Code Arena：WebDev 项目中，Argon 得分为 1679 分，位列第八。虽然较 Gemini 3.8 Flash（High） 提升了 96 分，排名也从第 29 名大幅跃升，但仍未进入前三梯队。
论性价比，Argon 在 Arena 榜单上领先。其混合输入输出费用为每百万 token 8 美元，使 Argon 在文本榜单中刷新了帕累托前沿，成为当前成本效益最高的模型。