谷歌終於釋出了苦等七個多月的新旗艦模型 Gemini 4 Argon。在第三方評測機構 Artificial Analysis 的綜合智慧指數中，Argon 拿到 53 分，追平 GPT-6 Astra，但低於 Claude Opus 5.5 的 58 分。這一成績讓谷歌重新回到第一梯隊，但並未實現反超。

過去七個多月裡，OpenAI 和 Anthropic 多次迭代旗艦模型，谷歌卻遲遲沒有推出 Flash 以上級別的產品。Flash 系列雖然能打，但始終無法替代旗艦的位置。對於手握頂級人才、算力和自研晶片的谷歌來說，旗艦缺位的時間越長，外界對其是否掉隊的質疑就越多。

Argon 釋出後最搶眼的賣點不是效能，而是價格。首發期間，每百萬輸入 token 定價 2 美元，輸出 10 美元。輸入單價約為 GPT-6 Astra 的 五分之一，Claude Opus 5.5 的 一半。同時谷歌還提供了高達 95% 的快取輸入折扣，折後低至 0.1 美元/百萬 token。這一折扣將持續到 2026 年 11 月 30 日，之後恢復標準價：輸入 4 美元、輸出 20 美元、快取 0.2 美元。

從能力分佈看，Argon 的強項集中在軟體工程、金融法律文書、企業自動化和前沿科研等多步驟任務上。這一代最重磅的升級是通過 Long Decode Continuation 跨請求續寫機制，將思考與輸出預算從此前的 6.4 萬 token 擴充套件到了最高約 100 萬 token。不過這個額度是輸入資料、後台草稿和最終答案共用的一個大池子，常規單次請求額度仍在約 3.3 萬至 6.5 萬 token 之間。

在谷歌公開的 19 行基準評測中，Argon 有 13 行成績領先對比模型，另有 1 行並列第一。在覆蓋金融、程式碼、法律、稅務的 Vals Index 評測中，它以 68.9% 拿下當時 41 個參評模型裡的第一；法律細分領域的 Harvey 基準大幅甩開對手；Zapier 企業自動化測試 AutomationBench 拿到 51.3%，領先最接近的對比模型約 9 個百分點。在真實程式碼倉庫修復基準 DeepSWE v1.1 中，Argon 拿到破紀錄的 77.9%。

谷歌還放出了幾個應用案例：研究人員用 Argon 參與最佳化開源量子化學工具 xTB，把分子結構預測速度最高提升至原來的 2.3 倍；藉助 Argon 在幾天內完成自家開源模型 Gemma 4 E2B 推理鏈路的深度改造，在 A100 顯示卡和 vLLM 環境下，端到端推理吞吐達到原來的 2.85 倍。在生物與物理科研中，它幫研究人員設計並篩選出 5 種全新酶的候選方案，後續實驗室驗證全部測出催化活性；在核聚變模擬研究裡，它還參與尋找磁場數學模型的新解。

Argon 還有一個討 B 端客戶喜歡的特質：在 AA-Omniscience 測試中，它的答題正確率為 50%，低於 GPT-6 Astra Max 的 63%，但在沒答對的回答裡，錯誤作答佔比只有 15%，其餘為部分回答或沒有嘗試作答；而 GPT-6 Astra Max 的錯誤作答比例達到 51%。對於法務、金融、科研等容錯率極低的行業，模型寧可承認不知道，也比硬猜更可取。

但切換到另一半榜單和開發者反饋，Argon 的偏科問題就暴露出來。在 10 月 14 日更新的 Agent Arena 總榜上，Argon 排在第四，略高於 GPT-6 Astra。但在考驗軟體工程能力的 FrontierSWE v2、網頁開發 Code Arena，以及終端實操 Terminal-Bench 4.0 中，它的表現就不那麼突出，複雜前端互動和 3D 細節生成也在部分開發者測試中暴露出短板。

有媒體援引匿名訊息稱，部分谷歌員工認為模型在內部測試中表現不夠理想，谷歌否認了相關報道的準確性。一些外部開發者反饋，Argon 對提示詞非常敏感，預設輸出質量只能算平庸，需要額外指令技巧去磨合。在網路安全等敏感任務上，公開版本還保留安全護欄，會拒絕高危請求，移除網路安全護欄的特殊版目前只向定向合作伙伴開放。

最引發討論的是一位開發者在社交平台曬出的同題對比實測：用相同提示詞讓 Claude Opus 5.5 和 Gemini 4 Argon 寫程式碼，做一個能被拉扯爪子、壓扁、扔出去的橡皮熊互動式物理模擬。Opus 5.5 交出了半透明、帶光澤的果凍熊，拉伸和回彈效果自然；Argon 做出來的則像一塊硬邦邦的固體塑膠，胳膊一拉變成死板的棍子，扔在地上物理碰撞失效，一堆熊直接穿模疊在一起。更扎心的是花費：Opus 5.5 只花了 7.2 美元，而 Gemini 4 Argon 燒掉了 22 美元。

這個案例恰好撕開了谷歌定價策略的尷尬之處：單價便宜，不等於總賬單便宜。按優惠價和實際 token 用量測算，Artificial Analysis 給出的綜合智慧評測平均任務成本為 1.99 美元，確實比 GPT-6 Astra 便宜約 39%，比 Claude Opus 5.5 便宜約 67%。但問題在於，Argon 在高推理設定下的輸出 token 消耗太大。第三方評測資料顯示，在這套綜合智慧測試裡，Argon High 平均每項任務要吐出約 6.2 萬 token，消耗量大約是 GPT-6 Astra Max 的 2.3 倍。輸出包括思考 token 的價格為每百萬 10 美元，本來就是普通輸入價格的五倍。等到 12 月 1 日限時優惠結束，按標準價重算，同一套測試裡的平均任務成本會從 1.99 美元漲到 3.98 美元，反過來超過 Astra 的 3.26 美元。

谷歌大張旗鼓搞這場限時半價，想賣的顯然不只是 API 呼叫量。趁著半價和 0.1 美元快取紅利，先把開發者哄進門，爭取讓企業把程式碼庫、內部文件的處理任務和自動化工作流接入 Gemini，再跟自家的雲服務、Workspace、安卓和搜尋業務串成一條線。企業級業務最看重穩定，一旦整套自動化流程圍繞谷歌的模型和工具搭好，遷移成本就可能高得嚇人。到那時，就算價格漲回原價，甚至別家模型在某些榜單上又反超幾分，已經進了谷歌生態的企業也未必願意重新脫坑。

只是企業級使用者個個都是人精。如果 Argon 的實力只能交出一個 22 美元塑膠熊級別的結果，那這場以價換量的算盤能否打響，仍有待觀察。