OpenAI 在 2026 年 9 月 29 日的 DevDay 发布了 GPT-6.1 Sol ，一款为解决 GPT-6 Astra 成本问题而打造的中端模型。一天后，Google 宣布推出 Gemini 4 Argon，并且该版本先面向网络安全团队，再面向开发者开放。
Google DeepMind 高级副总裁 Koray Kavukcuoglu 于 2026 年 9 月 30 日将 Argon 介绍为 Google 面向长周期任务的前沿模型：真实世界的软件工程、法律与金融等知识型工作，以及网络防御。
最醒目的工程变化是输出 token 上限，从 64K 一举提升到 100 万。它在 DeepSWE v1.1 上以 77.9% 刷新了新纪录，并将优先通过 Fairwind Program 推送给可信赖的网络防御者群体。
想了解竞争者背景，可参考我们关于 GPT-6.1 Sol 和 Claude Sonnet 5.5 的指南。
要点速览
Argon 是 Google 的新前沿模型，会通过 Fairwind Program 先交付给可信赖的网络防御者，然后才会进入公共 API。
关键的结构性变化在于输出长度而非输入上下文：Argon 能在单次轨迹中写出比先前 64K 上限长 16 倍的内容。
它领跑 Google 发布的所有企业级知识工作基准，尤其在法律领域优势明显。
GPT-6 Astra 依然在基于终端的科学任务与 FrontierSWE v2 取胜，Claude Opus 5.5 仍拿下 Terminal-bench 4.0。
每百万输入 tokens 的 $2 首发价比 Astra 便宜 5 倍，但促销结束后将翻倍。
目前还没有可切换的公共版本。没有公开的模型 ID、云上列表，且没有第三方复现任何分数。
什么是 Gemini 4 Argon？
Gemini 4 Argon 是 Google 的全新前沿模型，定位于 Gemini 家族的顶端，高于 2026 年 9 月前后发布的 Gemini 3.8 系列。
Google 将其描述为为复杂、长周期工作流中的深入推理而构建，明确瞄准三大领域：软件工程、法律与金融等企业知识型工作，以及网络安全防御。
最清晰的代际变化是将输出 token 上限从 64K 扩展到 100 万，这意味着 Argon 能在单次轨迹中生成数十万 tokens，而无需被迫中断并重新提示。
Gemini 4 Argon 关键特性
Argon 的功能围绕运行数小时而非数秒的任务展开，体现在输出预算、智能体工作以及网络安全工具上。以下四项能力会改变您实际能构建的东西。
单次生成输出可达 100 万 tokens
Argon 在一次生成中可输出最多 100 万 tokens，相比上一代的 64K。
Google 的观点是，空间提升不只是带来长度，更改变推理质量：当模型能在单次轨迹中跨越数十万 tokens 思考与生成时，它能在无需拼接、避免分块工作流状态丢失的情况下解决更难的问题。
对比来看，GPT-6 Astra 的输出上限为 128K，语境窗口为 105 万。
如果您曾因输出上限导致智能体在大型重构进行到一半“跑偏”，不得不中断重启，这就是被移除的约束。
当然，前提是计费。长输出在每百万输出 tokens $10 的费率下会迅速累积成本，且 Google 尚未公布推理 tokens 是否按输出费率计费。
端到端执行代码库迁移
Argon 智能体已在 Google 内部将 C 与 C++ 代码库迁移到 Rust，规模从 re2、libgav1 等核心库的数万行扩展到 Fuchsia OS Zircon 内核的 80 万行以上。
这类工作通常要消耗工程师以季度计的时间，Google 表示这些重写会经过自动与人工审计、仿真测试与评审后再进入生产。
我反复想到的是 libgav1 的成果。
Argon 智能体基于现有的 Google 开源视频解码器 Rust 移植版本，反复进行基于性能剖析的实验并研究编译器输出，直至编译器能自动向量化安全的 Rust，从而替换掉 32K 行手写 SIMD 代码。
结果是一个内存安全的解码器，较该 Rust 移植版本提速 2.7 倍，且视频输出一致。
Google 内部部署结果
有两组内部数字值得拎出来，因为它们最接近整篇发布中“真实世界”的结果。
Google 表示，一组 Argon 智能体分析了全网规模的性能剖析遥测数据，并自主在数据中心应用内存优化，全面推送后释放了超过 300 TiB 的内存，预计总节省为 500 TiB 至 1 PiB。
第二个来自量子计算研究，Argon 帮助优化了造成应用瓶颈的子程序的时空资源（量子比特数乘以门数）。在某个案例中，它在数分钟内将公开基线超越 40%。
两组结果均未获得外部验证，但都具备足够细节，便于后续核查。
结合可视化上下文处理金融、法律与业务自动化
Argon 直指证据存在于图表、文件与视频而非整洁文本提示中的知识型工作。
Google 将专业图表分析、从长视频中提取细节、以及跨多份文档采取行动列为一等公民用例，Argon 在长视频理解的 LVBench 上得分 91.7%。
其实用版本例如：一个多步骤的金融研究任务，模型先读一份演示文档，再交叉核对一张表，随后在业务系统上执行操作。
Argon 在 Zapier 的 AutomationBench 上以 51.3% 位居第一，该基准衡量的是跨核心业务职能的端到端执行，而非单轮回答。
在放开护栏的条件下发现并修补漏洞
这是本次发布中最不寻常的一点。
对于 Fairwind Program 的可信防御者与 Google 内部团队，Google 将 不 设置网络安全护栏地交付 Argon，使这些团队能在防御性工作中获得模型完整的近攻防能力：自主发现、验证并修补软件漏洞。
Wiz 已将 Argon 纳入其 Scan for Good 项目，免费修复公共基础设施中的高风险暴露。
在一次早期演示中，Argon 发现了一个严重漏洞，会在全球医院使用的医疗软件中泄露敏感个人信息；据 Google 称，先前的前沿模型未能发现此问题。
与此同时，Google 表示 Argon 是其在间接提示注入 方面最具韧性的模型，并在 Gray Swan 的 IPI 基准中领先；其链式思维与行动监控会在模型偏离用户意图时停止执行。
Google 还指出，他们有意将监控发现排除在训练之外，以避免 Argon 的推理被塑造成规避监控——这是我希望更多实验室公开的细节。
Gemini 4 Argon 在基准测试中的表现如何？
在与 GPT-6 Astra 、Claude Fable 5.1 与 Claude Opus 5.5 的对比中，Argon 领跑 19 个公开基准中的 13 个，胜项集中在知识型工作、长上下文与漏洞修复。
失分则集中在终端驱动的科学任务与两套软件工程组合中的一套，比起全胜更具观察价值。
企业级知识型工作
这是 Argon 最强的领域，也是 Google 将发布框架聚焦法律与金融的原因。
在将金融、编码、法律与税务工作按美国 GDP 贡献加权的 Vals 指数上，Argon 得分 68.9%，对比 Claude Opus 5.5 的 67.0%、Claude Fable 5.1 的 65.8%、GPT-6 Astra 的 63.1%。
在领域特定的智能体评测上差距进一步拉大。
Argon 在 Vals Finance Agent v2（多步骤金融研究）上得分 65.4%，Fable 5.1 为 58.9%、Astra 为 53.5%；在 AutomationBench 上为 51.3%，对比 Opus 5.5 的 42.5% 与 Fable 5.1 的 31.4%。
Harvey 的法律智能体基准是一个特例。
Argon 得分 19.6%，Fable 5.1 为 6.7%、Astra 为 5.4%、Opus 5.5 为 3.8%。所有模型在此基准上大多失败，因此请将其视作法律研究与撰写的相对信号，而非可无监督交付合同的模型。
智能体编码
Argon 在 DeepSWE v1.1 上以 77.9% 夺冠，领先于 Claude Opus 5.5 的 74.2%、GPT-6 Astra 的 74.1% 与 Claude Fable 5.1 的 67.4%。
DeepSWE 针对真实代码库衡量长周期软件工程，更奖励能在多次修改中坚持执行计划的模型，而非只产出一个漂亮的 diff。
把价格因素纳入后，这个结果的阅读方式会不同。
在我们对 GPT-6.1 Sol 的报道中，Sol 以约 Astra 五分之一的成本（每百万输入 $2、输出 $10）在 DeepSWE v1.1 上与 Astra 持平。
Argon 的首发费率与之完全相同（$2/$10），且在 DeepSWE 上以 3.8 分优势击败 Astra。
Vibe Code Bench 也由 Argon 夺得，91.9%，对比两款 Claude 的 90.3% 与 Astra 的 89.6%，不过四款前沿模型间 1.6 分的差距接近噪声水平。
长上下文与多模态理解
长上下文差距是整张表中最大的。
在 256K 至 100 万 tokens 的 GraphWalks BFS F1 上，Argon 为 84.2%，Astra 为 71.8%，Opus 5.5 为 66.8%，Fable 5.1 为 65.0%。
在最多 128K 的区间里，大家都很高，但 Argon 仍以 99.7% 领先。
GraphWalks 要求模型遍历提示中描述的图，当在超长窗口中的检索变得不可靠时分数会急剧下降。
在 100 万端点对 Astra 领先 12.4 分，这种幅度足以决定您能否在一次调用中塞下整仓库或一整套证词记录。
在多模态任务上，Argon 以 91.7% 领先 LVBench（Astra 87.5%、Fable 5.1 79.7%），并以 71.6% 领先 Chartography，略高于 Astra 的 71.0%。
作为参照，我们在Claude Sonnet 5.5 报道 中记录到 Sonnet 5.5 的 Chartography 得分为 61.6%，Opus 5.5 为 64.4%。
网络安全修复
在评估模型是否能修复真实安全漏洞的 CWE-bench v1 上，Argon 与 GPT-6 Astra 并列第一，均为 68%，Opus 5.5 为 67%，Fable 5.1 为 58%。
此处平手是个合理结果，而 Google 的论据更多来自发现侧。
相较于 3.8 Flash Cyber ，Google 报告称 Argon 在其内部漏洞基准上发现了覆盖 20 种编程语言的代码库暴露，并在 Wiz 的黑盒渗透测试基准中，于攻击面映射、缺陷发现与概念验证证据产出方面胜过 3.8 Flash Cyber。
黑盒意味着无法访问源代码，更接近外部攻击者看到的在线系统。
Argon 的短板
Google 公布了失利项，这一点值得肯定。
其中四项我认为值得强调：
FrontierSWE v2： Argon 55.0%，GPT-6 Astra 为 65.5%、Opus 5.5 为 62.3%，在更难的 SWE 组合上落后 10.5 分。Terminal-bench 4.0： Argon 57.4%，Opus 5.5 为 66.4%。我们对 Claude Sonnet 5.5 的测试中，这款中端模型在同一基准上得分 70.6%，因此在终端驱动的智能体工作上，Argon 落后于一款定价远低于它的模型。Terminal-Bench Science 0.1： Argon 57.6%，Astra 为 68.1%，在通过 shell 执行的科学任务上落后 10.5 分。PostTrainBench 与 OSWorld-2.0： 在 ML 工程上，Argon 为 45.3%，Opus 5.5 为 49.3%；在 OSWorld-2.0 离线子集上，Argon 为 69.2%，Astra 为 72.6%。
Argon 在其他科学与数学基准上仍有优势：LABBench 2 为 88.8%（Astra 为 85.4%、Fable 5.1 为 68.6%），RiemannBench 为 76.0%（Astra 为 72.0%）。
能看到的模式是：Argon 更擅长规划与阅读，而 Astra 与 Opus 5.5 仍更擅长驱动终端。
以下是完整发布清单，便于您按自身工作负载对照。
Benchmark Gemini 4 Argon GPT-6 Astra Claude Fable 5.1 Claude Opus 5.5 Vals Index 68.9% 63.1% 65.8% 67.0% AutomationBench 51.3% 41.4% 31.4% 42.5% Vals Finance Agent v2 65.4% 53.5% 58.9% 58.6% Harvey's Legal Agent Benchmark 19.6% 5.4% 6.7% 3.8% DeepSWE v1.1 77.9% 74.1% 67.4% 74.2% FrontierSWE v2 55.0% 65.5% 56.3% 62.3% Vibe Code Bench 91.9% 89.6% 90.3% 90.3% Terminal-bench 4.0 57.4% 58.2% 57.9% 66.4% PostTrainBench 45.3% 44.3% 40.2% 49.3% Terminal-Bench Science 0.1 57.6% 68.1% 52.6% 63.3% LABBench 2 88.8% 85.4% 68.6% 73.1% RiemannBench 76.0% 72.0% 65.6% 69.6% GraphWalks (up to 128K, BFS F1) 99.7% 98.7% 91.4% 90.6% GraphWalks (256K to 1M, BFS F1) 84.2% 71.8% 65.0% 66.8% Agent's Last Exam (pass rate) 39.5% 34.2% — 38.2% OSWorld-2.0 (offline subset) 69.2% 72.6% — — Chartography 71.6% 71.0% 46.2% 66.3% LVBench 91.7% 87.5% 79.7% 83.7% CWE-bench v1 68.0% 68.0% 58.0% 67.0%
广泛发布前，Google 在安全方面的举措
Google 正在将 Argon 暂缓面向大众发布，以强化四个防护领域，并在公告中点名了这四项。对于计划部署具备工具访问能力的智能体的任何团队，这些都很重要。
滥用： 根据 Google 的前沿安全框架，Argon 会拒绝网络与 CBRN 请求，同时保留对双用途科学研究的支持，且由内部与外部红队发起手动与自动化攻击。Google 也在监控模型内部激活以发现滥用。间接提示注入： 经过自动化红队与对抗训练后，Google 报告 Argon 在 Gray Swan 的 IPI 基准中领先。失配（对齐偏差）： 监控器会观察链式思维与行为，当 Argon 超出用户意图时停止执行；Google 表示他们将这些发现排除在训练之外，避免模型学会规避监控。系统加固： 在高风险训练或评测运行前，会将沙箱环境隔离并封闭，遵循 Google 的智能体控制路线图。
Gemini 4 Argon 定价
Argon 首发价为每百万输入 tokens $2、每百万输出 tokens $10，缓存输入 tokens 享受输入价的 95% 折扣。首发期结束后，价格升至每百万输入 $4、每百万输出 $20。Google 尚未公布推理 tokens 是否按输出费率计费。
横向对比来看，首发价激进，标准价则不然。以 $2/$10，Argon 与 GPT-6.1 Sol 完全同价，同时将 GPT-6 Astra 的 $10/$50 压到五分之一。促销后 $4/$20 的价位，与我们在 Opus 5.5 API 教程 中记录的 Claude Opus 5.5 相同。
还有一个成本视角：按 token 的标价会掩盖单个任务的真实成本。在我们的 GPT-6.1 Sol 报道 中，记录到 GPT-6 Astra 在 Terminal-Bench Science 0.1 上每个任务 $23.80，而 Sol 为 $5.47，因此赢得基准的模型仍可能在账单上输掉。Google 尚未公布 Argon 的单任务成本，这是我在承诺部署智能体集群前最想看到的数字。
Google 尚未公布首发期的长度，因此对超出试点周期的项目，请按 $4/$20 进行预算。
账单大致等于（每 token 价格）×（使用的 tokens 数），模型在第一项便宜、第二项昂贵也是常见的。因此，较长的推理或思考链路与冗长回答会很贵。而在智能体工作流中存在多步使用，这意味着每一步都会重发不断增长的上下文，输入成本会不断堆叠。这也是为什么有人对成本更为审慎：
竞争面还需关注：Anthropic 在 2026 年 9 月对 Claude Opus 5.5 的定位是，在性能可比 Fable 5.1 的同时，运行成本较 Opus 5 下降约 40%，因此在 $4/$20 的标准价位上，Argon 面临的压力更可能来自更便宜的模型，而非表现更强的模型。
Gemini 4 Argon 的可用性
真正的约束在于可用性。Argon 正通过 Fairwind Program 推送给一组可信网络防御者，Google 表示在逐步扩展的同时，也参与了美国政府的自愿性预发布模型访问流程。面向大众的开放会稍后开启，优先面向付费 API 客户与 Google AI Ultra 订阅用户。公告中未提到免费层、候补名单链接或公开的速率限制。
需要注意的一点是：Google 的公开 AI 定价页面最后更新于 2026 年 9 月 24 日，其中显示的费率（每百万输入 $0.75、输出 $3.75，促销至 2026 年 12 月 31 日，2027 年 1 月 1 日起升至 $1.50/$7.50）属于 Gemini 3.8 Flash 级别，而非 Argon。
如何获取 Gemini 4 Argon 的访问权限？
目前大多还不行。Google 尚未公布 Gemini 4 Argon 的 API 模型 ID，我也不建议根据营销名去猜。当前访问渠道是 Fairwind Program 的可信网络防御者群体与 Google 内部团队。
截至 2026 年 9 月 30 日，Argon 未出现在 OpenRouter 或 models.dev 目录中，也未出现在 Google Vertex AI 、Gemini CLI 、Cursor 或 GitHub Copilot 的模型文档中。Azure AI Foundry 与 AWS Bedrock 的模型页也无法确认。一旦面向付费 API 客户上线，调用形式将是标准的 Gemini 模式：
from google import genai
client = genai. Client( )
response = client. models. generate_content(
model= "<argon-model-id>" ,
contents= "Audit this module for memory-safety issues and propose a patch." ,
)
print ( response. text) 技术支持 如果您想先把底层管道准备好，我们的 Claude Opus 5.5 API 教程 演示了如何用只读工具与编程式工具调用来构建调查型智能体；相同的模式只需替换模型 ID 即可在不同厂商中迁移。
业内对 Gemini 4 Argon 的看法
Fairwind 群体之外几乎没人用过 Argon，因此多数反应都是对公告的第一印象，而非上手测试。下面从宏观到具体，看看讨论如何展开。
整体观感／第一印象：大家印象深刻。
第一印象离不开基准结果。Vals 指数以及法律与金融方面的表现获得了最多关注，但需要加注：这些都是 Google 自家的评测。
但有一种反应抓住了这次发布的实质。Argon 为运行数小时的工作而生，比如用 Rust 重写一个内核，这可能会对工作的未来产生真实影响。
结语
Google 押注下一轮前沿竞争将由企业知识型工作与网络防御决定，而非聊天质量；Argon 在 Vals 指数、AutomationBench 与 GraphWalks 上的成绩为这一押注背书。
话虽如此，Fairwind 群体之外目前尚无人复现任何一个分数。
当对普通用户开放时，我会在长上下文文档与代码库任务中优先选择 Argon；而对于终端驱动的智能体循环，鉴于 Argon 落后 9–10 分，我仍会使用 Claude Opus 5.5 或 GPT-6 Astra。
如果您想构建这些模型所指向的智能体工作流，可从我们的 AI Fundamentals 学习路径 开始。
OpenAI 在 2026 年 9 月 29 日的 DevDay 发布了 GPT-6.1 Sol，一款为解决 GPT-6 Astra 成本问题而打造的中端模型。一天后，Google 宣布推出 Gemini 4 Argon，并且该版本先面向网络安全团队，再面向开发者开放。
Google DeepMind 高级副总裁 Koray Kavukcuoglu 于 2026 年 9 月 30 日将 Argon 介绍为 Google 面向长周期任务的前沿模型：真实世界的软件工程、法律与金融等知识型工作，以及网络防御。
最醒目的工程变化是输出 token 上限，从 64K 一举提升到 100 万。它在 DeepSWE v1.1 上以 77.9% 刷新了新纪录，并将优先通过 Fairwind Program 推送给可信赖的网络防御者群体。
想了解竞争者背景，可参考我们关于 GPT-6.1 Sol 和 Claude Sonnet 5.5 的指南。
要点速览
什么是 Gemini 4 Argon？
Gemini 4 Argon 是 Google 的全新前沿模型，定位于 Gemini 家族的顶端，高于 2026 年 9 月前后发布的 Gemini 3.8 系列。
Google 将其描述为为复杂、长周期工作流中的深入推理而构建，明确瞄准三大领域：软件工程、法律与金融等企业知识型工作，以及网络安全防御。
最清晰的代际变化是将输出 token 上限从 64K 扩展到 100 万，这意味着 Argon 能在单次轨迹中生成数十万 tokens，而无需被迫中断并重新提示。
Gemini 4 Argon 关键特性
Argon 的功能围绕运行数小时而非数秒的任务展开，体现在输出预算、智能体工作以及网络安全工具上。以下四项能力会改变您实际能构建的东西。
单次生成输出可达 100 万 tokens
Argon 在一次生成中可输出最多 100 万 tokens，相比上一代的 64K。
Google 的观点是，空间提升不只是带来长度，更改变推理质量：当模型能在单次轨迹中跨越数十万 tokens 思考与生成时，它能在无需拼接、避免分块工作流状态丢失的情况下解决更难的问题。
对比来看，GPT-6 Astra 的输出上限为 128K，语境窗口为 105 万。
如果您曾因输出上限导致智能体在大型重构进行到一半“跑偏”，不得不中断重启，这就是被移除的约束。
当然，前提是计费。长输出在每百万输出 tokens $10 的费率下会迅速累积成本，且 Google 尚未公布推理 tokens 是否按输出费率计费。
端到端执行代码库迁移
Argon 智能体已在 Google 内部将 C 与 C++ 代码库迁移到 Rust，规模从 re2、libgav1 等核心库的数万行扩展到 Fuchsia OS Zircon 内核的 80 万行以上。
这类工作通常要消耗工程师以季度计的时间，Google 表示这些重写会经过自动与人工审计、仿真测试与评审后再进入生产。
我反复想到的是 libgav1 的成果。
Argon 智能体基于现有的 Google 开源视频解码器 Rust 移植版本，反复进行基于性能剖析的实验并研究编译器输出，直至编译器能自动向量化安全的 Rust，从而替换掉 32K 行手写 SIMD 代码。
结果是一个内存安全的解码器，较该 Rust 移植版本提速 2.7 倍，且视频输出一致。
Google 内部部署结果
有两组内部数字值得拎出来，因为它们最接近整篇发布中“真实世界”的结果。
两组结果均未获得外部验证，但都具备足够细节，便于后续核查。
结合可视化上下文处理金融、法律与业务自动化
Argon 直指证据存在于图表、文件与视频而非整洁文本提示中的知识型工作。
Google 将专业图表分析、从长视频中提取细节、以及跨多份文档采取行动列为一等公民用例，Argon 在长视频理解的 LVBench 上得分 91.7%。
其实用版本例如：一个多步骤的金融研究任务，模型先读一份演示文档，再交叉核对一张表，随后在业务系统上执行操作。
Argon 在 Zapier 的 AutomationBench 上以 51.3% 位居第一，该基准衡量的是跨核心业务职能的端到端执行，而非单轮回答。
在放开护栏的条件下发现并修补漏洞
这是本次发布中最不寻常的一点。
对于 Fairwind Program 的可信防御者与 Google 内部团队，Google 将 不 设置网络安全护栏地交付 Argon，使这些团队能在防御性工作中获得模型完整的近攻防能力：自主发现、验证并修补软件漏洞。
Wiz 已将 Argon 纳入其 Scan for Good 项目，免费修复公共基础设施中的高风险暴露。
在一次早期演示中，Argon 发现了一个严重漏洞，会在全球医院使用的医疗软件中泄露敏感个人信息；据 Google 称，先前的前沿模型未能发现此问题。
与此同时，Google 表示 Argon 是其在间接提示注入方面最具韧性的模型，并在 Gray Swan 的 IPI 基准中领先；其链式思维与行动监控会在模型偏离用户意图时停止执行。
Google 还指出，他们有意将监控发现排除在训练之外，以避免 Argon 的推理被塑造成规避监控——这是我希望更多实验室公开的细节。
Gemini 4 Argon 在基准测试中的表现如何？
在与 GPT-6 Astra、Claude Fable 5.1 与 Claude Opus 5.5 的对比中，Argon 领跑 19 个公开基准中的 13 个，胜项集中在知识型工作、长上下文与漏洞修复。
失分则集中在终端驱动的科学任务与两套软件工程组合中的一套，比起全胜更具观察价值。
企业级知识型工作
这是 Argon 最强的领域，也是 Google 将发布框架聚焦法律与金融的原因。
在将金融、编码、法律与税务工作按美国 GDP 贡献加权的 Vals 指数上，Argon 得分 68.9%，对比 Claude Opus 5.5 的 67.0%、Claude Fable 5.1 的 65.8%、GPT-6 Astra 的 63.1%。
在领域特定的智能体评测上差距进一步拉大。
Argon 在 Vals Finance Agent v2（多步骤金融研究）上得分 65.4%，Fable 5.1 为 58.9%、Astra 为 53.5%；在 AutomationBench 上为 51.3%，对比 Opus 5.5 的 42.5% 与 Fable 5.1 的 31.4%。
Harvey 的法律智能体基准是一个特例。
Argon 得分 19.6%，Fable 5.1 为 6.7%、Astra 为 5.4%、Opus 5.5 为 3.8%。所有模型在此基准上大多失败，因此请将其视作法律研究与撰写的相对信号，而非可无监督交付合同的模型。
智能体编码
Argon 在 DeepSWE v1.1 上以 77.9% 夺冠，领先于 Claude Opus 5.5 的 74.2%、GPT-6 Astra 的 74.1% 与 Claude Fable 5.1 的 67.4%。
DeepSWE 针对真实代码库衡量长周期软件工程，更奖励能在多次修改中坚持执行计划的模型，而非只产出一个漂亮的 diff。
把价格因素纳入后，这个结果的阅读方式会不同。
在我们对 GPT-6.1 Sol 的报道中，Sol 以约 Astra 五分之一的成本（每百万输入 $2、输出 $10）在 DeepSWE v1.1 上与 Astra 持平。
Argon 的首发费率与之完全相同（$2/$10），且在 DeepSWE 上以 3.8 分优势击败 Astra。
Vibe Code Bench 也由 Argon 夺得，91.9%，对比两款 Claude 的 90.3% 与 Astra 的 89.6%，不过四款前沿模型间 1.6 分的差距接近噪声水平。
长上下文与多模态理解
长上下文差距是整张表中最大的。
在 256K 至 100 万 tokens 的 GraphWalks BFS F1 上，Argon 为 84.2%，Astra 为 71.8%，Opus 5.5 为 66.8%，Fable 5.1 为 65.0%。
在最多 128K 的区间里，大家都很高，但 Argon 仍以 99.7% 领先。
GraphWalks 要求模型遍历提示中描述的图，当在超长窗口中的检索变得不可靠时分数会急剧下降。
在 100 万端点对 Astra 领先 12.4 分，这种幅度足以决定您能否在一次调用中塞下整仓库或一整套证词记录。
在多模态任务上，Argon 以 91.7% 领先 LVBench（Astra 87.5%、Fable 5.1 79.7%），并以 71.6% 领先 Chartography，略高于 Astra 的 71.0%。
作为参照，我们在Claude Sonnet 5.5 报道中记录到 Sonnet 5.5 的 Chartography 得分为 61.6%，Opus 5.5 为 64.4%。
网络安全修复
在评估模型是否能修复真实安全漏洞的 CWE-bench v1 上，Argon 与 GPT-6 Astra 并列第一，均为 68%，Opus 5.5 为 67%，Fable 5.1 为 58%。
此处平手是个合理结果，而 Google 的论据更多来自发现侧。
相较于 3.8 Flash Cyber，Google 报告称 Argon 在其内部漏洞基准上发现了覆盖 20 种编程语言的代码库暴露，并在 Wiz 的黑盒渗透测试基准中，于攻击面映射、缺陷发现与概念验证证据产出方面胜过 3.8 Flash Cyber。
黑盒意味着无法访问源代码，更接近外部攻击者看到的在线系统。
Argon 的短板
Google 公布了失利项，这一点值得肯定。
其中四项我认为值得强调：
Argon 在其他科学与数学基准上仍有优势：LABBench 2 为 88.8%（Astra 为 85.4%、Fable 5.1 为 68.6%），RiemannBench 为 76.0%（Astra 为 72.0%）。
能看到的模式是：Argon 更擅长规划与阅读，而 Astra 与 Opus 5.5 仍更擅长驱动终端。
以下是完整发布清单，便于您按自身工作负载对照。
广泛发布前，Google 在安全方面的举措
Google 正在将 Argon 暂缓面向大众发布，以强化四个防护领域，并在公告中点名了这四项。对于计划部署具备工具访问能力的智能体的任何团队，这些都很重要。
Gemini 4 Argon 定价
Argon 首发价为每百万输入 tokens $2、每百万输出 tokens $10，缓存输入 tokens 享受输入价的 95% 折扣。首发期结束后，价格升至每百万输入 $4、每百万输出 $20。Google 尚未公布推理 tokens 是否按输出费率计费。
横向对比来看，首发价激进，标准价则不然。以 $2/$10，Argon 与 GPT-6.1 Sol 完全同价，同时将 GPT-6 Astra 的 $10/$50 压到五分之一。促销后 $4/$20 的价位，与我们在 Opus 5.5 API 教程中记录的 Claude Opus 5.5 相同。
还有一个成本视角：按 token 的标价会掩盖单个任务的真实成本。在我们的 GPT-6.1 Sol 报道中，记录到 GPT-6 Astra 在 Terminal-Bench Science 0.1 上每个任务 $23.80，而 Sol 为 $5.47，因此赢得基准的模型仍可能在账单上输掉。Google 尚未公布 Argon 的单任务成本，这是我在承诺部署智能体集群前最想看到的数字。
Google 尚未公布首发期的长度，因此对超出试点周期的项目，请按 $4/$20 进行预算。
账单大致等于（每 token 价格）×（使用的 tokens 数），模型在第一项便宜、第二项昂贵也是常见的。因此，较长的推理或思考链路与冗长回答会很贵。而在智能体工作流中存在多步使用，这意味着每一步都会重发不断增长的上下文，输入成本会不断堆叠。这也是为什么有人对成本更为审慎：
竞争面还需关注：Anthropic 在 2026 年 9 月对 Claude Opus 5.5 的定位是，在性能可比 Fable 5.1 的同时，运行成本较 Opus 5 下降约 40%，因此在 $4/$20 的标准价位上，Argon 面临的压力更可能来自更便宜的模型，而非表现更强的模型。
Gemini 4 Argon 的可用性
真正的约束在于可用性。Argon 正通过 Fairwind Program 推送给一组可信网络防御者，Google 表示在逐步扩展的同时，也参与了美国政府的自愿性预发布模型访问流程。面向大众的开放会稍后开启，优先面向付费 API 客户与 Google AI Ultra 订阅用户。公告中未提到免费层、候补名单链接或公开的速率限制。
需要注意的一点是：Google 的公开 AI 定价页面最后更新于 2026 年 9 月 24 日，其中显示的费率（每百万输入 $0.75、输出 $3.75，促销至 2026 年 12 月 31 日，2027 年 1 月 1 日起升至 $1.50/$7.50）属于 Gemini 3.8 Flash 级别，而非 Argon。
如何获取 Gemini 4 Argon 的访问权限？
目前大多还不行。Google 尚未公布 Gemini 4 Argon 的 API 模型 ID，我也不建议根据营销名去猜。当前访问渠道是 Fairwind Program 的可信网络防御者群体与 Google 内部团队。
截至 2026 年 9 月 30 日，Argon 未出现在 OpenRouter 或 models.dev 目录中，也未出现在 Google Vertex AI、Gemini CLI、Cursor 或 GitHub Copilot 的模型文档中。Azure AI Foundry 与 AWS Bedrock 的模型页也无法确认。一旦面向付费 API 客户上线，调用形式将是标准的 Gemini 模式：
如果您想先把底层管道准备好，我们的 Claude Opus 5.5 API 教程 演示了如何用只读工具与编程式工具调用来构建调查型智能体；相同的模式只需替换模型 ID 即可在不同厂商中迁移。
业内对 Gemini 4 Argon 的看法
Fairwind 群体之外几乎没人用过 Argon，因此多数反应都是对公告的第一印象，而非上手测试。下面从宏观到具体，看看讨论如何展开。
整体观感／第一印象：大家印象深刻。
第一印象离不开基准结果。Vals 指数以及法律与金融方面的表现获得了最多关注，但需要加注：这些都是 Google 自家的评测。
但有一种反应抓住了这次发布的实质。Argon 为运行数小时的工作而生，比如用 Rust 重写一个内核，这可能会对工作的未来产生真实影响。
结语
Google 押注下一轮前沿竞争将由企业知识型工作与网络防御决定，而非聊天质量；Argon 在 Vals 指数、AutomationBench 与 GraphWalks 上的成绩为这一押注背书。
话虽如此，Fairwind 群体之外目前尚无人复现任何一个分数。
当对普通用户开放时，我会在长上下文文档与代码库任务中优先选择 Argon；而对于终端驱动的智能体循环，鉴于 Argon 落后 9–10 分，我仍会使用 Claude Opus 5.5 或 GPT-6 Astra。
如果您想构建这些模型所指向的智能体工作流，可从我们的 AI Fundamentals 学习路径 开始。