type
Post
status
Published
date
Oct 14, 2026
slug
20261014-gemini-4-argon-deep-work
summary
Google 推出新旗舰模型 Gemini 4 Argon，主打把又长又难的任务完整做完：重构 Chrome 老代码、看视频教机器人扔沙包。官方跑分亮眼，独立测评有好有坏，普通人更该拿自己的活去试。
tags
人工智能
AI
思考
新闻
category
思考
icon
password
北京时间 10 月 14 日零点刚过，Google CEO 桑达尔·皮查伊在 X 上发了一句很短的话：“Gemini 4 Argon is here.” 这是 Google 最新一代的旗舰模型。这次它没怎么强调“更会聊天”，而是反复说一件事：把一件很难、很长的活，从头干到尾。
发生了什么
按 Google 官方博客的说法，Gemini 4 Argon 当天起全球开放：开发者和企业可以通过 Gemini API 付费调用，Google AI Pro 和 Ultra 订阅用户能在 Gemini App 和搜索的 AI 模式里直接用，Ultra 用户还能在 Google 的编程工具 Antigravity 里用。
价格是“限时优惠价”：每百万输入 token 2 美元、输出 10 美元；11 月 30 日之后涨到 4 美元和 20 美元。它支持最多 100 万 token 的输入加输出，大概相当于一次塞进去几十万字的资料，还能让它写很长的结果。
Google 拿出的几个例子，比跑分更说明问题：
- 重构 Chrome 的老代码。 Chromium 一共约 4000 万行代码，Argon 帮团队把网页处理的核心部分，从一个约 600 万行的“老旧功能文件夹”里拆出来，几个月的活几周做完，消除了一整类浏览器崩溃。官方演示视频
- 看一段视频，教会机器人扔沙包。 它看了一段人玩 cornhole（往斜板洞里扔沙包的游戏）的视频，自己算出动作、写好模拟训练程序，再交给 Apptronik 的 Apollo 人形机器人，现场连进 7 个。Google 说，这把原本几周的仿真建模压缩到了几个小时。DeepMind 演示视频
- Google 内部写代码。 工程师用 Argon 后，AI 代理提交的代码多了 35% 以上，需要回滚的少了将近三分之一。
为什么重要
第一，比拼的重点从“答得好”变成了“做得完”。 过去一年，大模型最常见的毛病不是不会，而是做到一半停下、偷懒、或者绕开难点。Box 的 CEO Aaron Levie 在 X 上说，他们内部的复杂办公任务测试里，Argon 比上一代 Gemini 3.1 Pro 高了 14 个百分点。他举的一个医疗例子很典型：两个模型都发现了危险的血钾水平和药物冲突，但只有 Argon 回头把有问题的药从最终方案里删掉，让方案和自己的诊断对得上。“能发现问题”和“把问题真正处理完”，差的就是这一步。
第二，安全设计开始针对“太想完成任务”。 官方博客专门写了一段：训练 Argon 尊重系统边界、如实报告失败，在做不可逆的操作前停下来等人确认；在测试中，它“走捷径”的比例降到 2%。我们前几天写过 Claude 替人填表时给警方热线递了假线索的事，那类问题的根子正是“太想把事办完”。Google 把这一点写进发布稿，说明各家都意识到：AI 越能干活，越要管住它的手。
第三，Google 在用低价拉人上手。 优惠期内 2 美元/10 美元的定价，明显是想让开发者先用起来。不过有人提醒，这个价格只到 11 月 30 日，之后会翻倍，现在看到的“性价比”评测，很多都是按优惠价算的。
我的看法
先泼一点冷水：官方说的“Vals Index 第一”“具身推理测试 87 分”，都是 Google 自己公布的。独立测评的结果有好有坏。X 用户 Zaddyzaddy 在 VulnPR-100 测试里给它 100 个藏有已知漏洞的代码提交，Argon 找出 57 个，排第二，还发现了一个之前所有模型都漏掉的漏洞，但花费是便宜模型的 13 到 20 倍；写作测评 ToneBench 的结果是，它是测评方测过写作最好的 Gemini，但在 80 个模型里只排第 32。所以比较公道的说法是：它擅长写代码、查漏洞、做复杂分析这类“硬活”，写文章并不是它的强项。
对普通人来说，我觉得有三点值得记住：
- 别只看跑分，拿自己的活试。 如果你已经是 Google AI Pro 用户，今天就能在 Gemini App 里用。挑一件你平时觉得麻烦、步骤多的事交给它，比如整理一堆杂乱的表格、读一份很长的合同，看它能不能真的做完。
- 国内用户先解决访问问题。 Gemini 目前不对中国大陆开放，想用得先有稳定的网络环境，这一点和用 ChatGPT、Claude 一样。
- “能干活的 AI”需要你更会派活。 模型越能连续干几小时，你越需要把目标、边界、“做完的标准”说清楚。以后最值钱的能力，可能不是自己动手做，而是把一件事讲明白、再验收好。
一句话总结：Gemini 4 Argon 不是那种让人惊呼“AI 会聊天了”的发布，而是一个更安静的信号：AI 正在从“回答问题的工具”，变成“可以交代一整件事的同事”。