Gemini 4 Argon

Gemini 4 Argon 是 Google DeepMind 于 2026 年 9 月 30 日宣布的 Gemini 4 代首个前沿模型，主攻长周期软件工程、法律与金融等企业知识工作，以及网络安全防御。它的发布方式和定价是两回事：官方公布了推广价和完整评测表，但模型目前只向 Fairwind 计划中的受信网络安全团队开放，开发者暂时拿不到公开的 API 型号，Gemini API 定价页上也还没有它。本站按受限预览（preview）收录，价格与评测均取自 Google 官方公布的数据。

相对 GPT-6 Astra 和 Opus 5.5，Argon 在知识工作类评测上领先最明显

按 Google 评测文档（2026 年 10 月版）的对比表，Argon 在 18 行成绩中有 12 行单独第一、1 行并列第一。差距最大的是企业知识工作：Harvey 法律 Agent 基准 19.6%，GPT-6 Astra 为 5.4%，Claude Opus 5.5 为 3.8%；Vals Finance Agent v2 为 65.4%，比 Astra 的 53.5% 高 11.9 个百分点；Zapier AutomationBench 为 51.3%，Opus 5.5 为 42.5%。长上下文也拉开了差距：GraphWalks 256K–1M 区间的 F1 为 84.2%，Astra 为 71.8%，Opus 5.5 为 66.8%。

编码类成绩则有输有赢。DeepSWE v1.1 为 77.9%，略高于 Opus 5.5 的 74.2% 和 Astra 的 74.1%；但 Terminal-Bench 4.0 只有 57.4%，落后 Opus 5.5 的 66.4% 9 个百分点；FrontierSWE v2 为 55.0%，也低于 Astra 的 65.5% 和 Opus 5.5 的 62.3%。这说明 Argon 的优势集中在长链路的检索、推理和文档类任务，终端操作和大型工程任务并没有全面领先。

不少成绩是 Google 自测，测试条件也不完全一致

DeepSWE、Terminal-Bench 4.0、OSWorld 2.0、LVBench、LABBench2、GraphWalks 和 PostTrainBench 的 Argon 成绩都是 Google 自己跑的，统一使用 Gemini API 的最高思考档位。部分设置与对手不同：Terminal-Bench Science 0.1 给 Argon 放宽了 6 倍验证超时；OSWorld 2.0 取 3 次运行的最好成绩，且只报告离线子集，Argon 为 69.2%，低于 Astra 的 72.6%；LVBench 中 Gemini 按每秒 1 帧采样，对手受 API 限制只用了 300–800 帧。对手成绩大多来自各家自报或公开榜单。

价格：推广期是 Opus 5.5 的一半

Google 公布的推广价为每百万输入 tokens 2 美元、输出 10 美元，缓存输入按输入价打 0.5 折（约 0.10 美元）；推广期结束后升到输入 4 美元、输出 20 美元。标准价与 Claude Opus 5.5 的 4 / 20 美元相同；GPT-6 Astra 在 27.2 万 tokens 以内为 10 / 50 美元。推广期的结束日期官方没有给出。

规格与可用性

官方只公开了最大输出：100 万 tokens，比上一代 Gemini 的 6.4 万提升约 16 倍。上下文窗口、知识截止日期、思考档位和 API 型号均未公布。安全方面，Google 称 Argon 能自主发现、验证并修补严重软件漏洞；CWE-bench v1 为 68.0%，与 Astra 持平；在 Gray Swan 间接提示注入测试中的攻击成功率为 0.7%，低于 Astra 的 8.5%。官方计划之后先向付费 API 用户和 Google AI Ultra 订阅用户开放，再扩展到更多开发者、企业和消费者，没有给出具体日期。

适用边界

目前普通开发者还无法调用 Argon。需要现在上线的法律、金融等长文档 Agent 场景，可以选 Claude Opus 5.5 或 GPT-6 Astra；以终端操作为主的编码 Agent，Opus 5.5 在 Terminal-Bench 4.0 上仍明显领先。等 Argon 开放付费 API 后，如果推广价维持，它在知识工作类任务上的性价比会明显高于这两款模型。

来源：Google 发布博客、Gemini 4 Argon 评测方法与结果（PDF）。