摘要：
9月30日，Google DeepMind推出Gemini 4 Argon，定位为面向长周期任务的前沿旗舰模型。最直观的变化是输出上限：从此前的64K tokens提升到约100万... 9月30日，Google DeepMind推出Gemini 4 Argon，定位为面向长周期任务的前沿旗舰模型。最直观的变化是输出上限：从此前的64K tokens提升到约100万tokens。这意味着模型不必把复杂问题拆成多轮短回复，可以在一次轨迹里完成数百行级别的推导与生成，多阶段任务少了反复交接造成的上下文损失。
软件工程：C/C++到Rust，80万行内核迁移
谷歌工程师已在日常任务中使用该模型。官方公布的能力之一是跨语言重写：把C/C++代码库迁移到Rust，覆盖范围从re2、libgav1等核心库的数万行，扩展到Fuchsia Zircon内核的80万行以上。以开源视频解码库libgav1为例，模型替换了3.2万行SIMD代码，产出的安全Rust解码器运行速度达到原Rust移植版的2.7倍。这种级别的代码库迁移，过去需要人工接力数天甚至数周，现在可以放进单次任务轨迹里完成。
企业知识工作：业务自动化与法律研究领先
知识工作任务上，谷歌称其为Vals Index的领先模型，该指数按各行业对美国GDP的贡献加权，覆盖金融、编程、法律与税务。在Zapier的AutomationBench上，模型以51.3%排名第一，衡量核心业务职能的端到端执行能力；Harvey法律智能体基准上，它以19.6%领先GPT-6 Astra的5.4%。金融多步研究、法律检索与文书起草这些原本需要专业助理逐项核对的流程，正在被压缩到模型侧前置处理。
网络安全：漏洞修复并列第一，面向防御者开放
针对新型攻击，谷歌对模型做了专门的网络安全防御训练，使其能自主发现、验证并修补关键软件漏洞。在CWE-bench v1上，Gemini 4 Argon以68%的最高分并列第一。在谷歌内部覆盖20种编程语言的漏洞基准与Wiz的黑盒渗透测试基准上，漏洞发现能力均优于上一代。面向受信任的防御者与谷歌内部团队，该模型将以不带网络安全护栏的形式提供，但经内外部红队针对滥用与间接提示注入场景测试后才分阶段开放。
多模态与长视频：LVBench 91.7%
当知识工作需要视觉理解时，模型可驱动专业图表分析、从长视频中定位细节，并依据一组文档连续执行操作。在LVBench上，它以91.7%处于当前最佳水平。
与同类旗舰的对比
谷歌官方对比表显示，Gemini 4 Argon在软件工程（77.9%）、经济任务（68.9%）、业务自动化（51.3%）、法律研究（19.6%）、长视频理解（91.7%）与超长上下文（84.2%）六项领先；漏洞修复与GPT-6 Astra并列68%；终端操作57.4%，低于Claude Opus 5.5的66.4%，是表中明确落后的一项。对于关注AI模型库的开发者，这份对比表提供了一个清晰的选型参考：长周期软件工程与企业知识工作选Argon，终端操作密集的任务可以再权衡。
价格与获取
介绍期定价为每百万tokens输入2美元、输出10美元，缓存输入按输入价格95%折扣计费。介绍期结束后调整为输入4美元、输出20美元。模型闭源，仅通过付费API与Google订阅渠道提供，自托管不在可选范围内。首批面向Fairwind Program计划内的网络安全防御者，随后开放给付费API客户与Google AI Ultra订阅用户。接入时建议先用中等规模代码库任务验证稳定性，涉及补丁写入与代码合并的任务保留人工确认环节。
编辑判断
Gemini 4 Argon的发布说明了一件事：旗舰模型的竞争正在从“谁更聪明”转向“谁能一次把长流程跑完”。100万tokens的输出上限配合缓存折扣，直接降低了长周期任务的单位成本；而网络安全能力的专项训练与分阶段开放策略，则反映了谷歌对高风险能力的谨慎态度。对于正在做AI工具导航选型的团队，Argon适合放进“长周期任务”这一档，与终端操作更强的Claude Opus 5.5形成互补。