9月30日，Google DeepMind把Gemini 4 Argon只发给了一小批网络安全人员，官方博客写明它通过Fairwind计划灰测。之后半个月，我几乎每天雷打不动去Gemini官网刷有没有向普通用户开放，还提前充好了Pro会员。今天（10月15日），它终于全面上线：API、AI Studio、Gemini app、Antigravity都能用了。推特上对它的评价两极得厉害，一边说谷歌杀回来了，一边已经给它起了“美国豆包”的外号。这两种说法我都认真核对了一遍。
谷歌这大半年确实没什么拿得出手的东西：3.5 flash、3.6 flash、3.8 flash一路发下来，对比年初被称为“地表最强”的3.1 pro，不进反退。上半年我一直怀疑谷歌是不是真的大模型竞争不过OpenAI和Anthropic了。所以当The Decoder在10月14日的报道里给出结论，说Argon定价激进，但在独立基准上落后于Claude Opus 5.5和Meta的Muse Wonder，这个“美国豆包”的说法就有了出处。
Google自己表格里也有对它不利的数字。FrontierSWE v2这项agentic coding测试，Argon只拿到55.0%，在四家对比模型里垫底。官方材料对agentic coding的描述也是"mixed"，不是全面领先。如果你主要拿模型写代码，这些数字比任何发布会PPT都实在。
GraphWalks这项超长上下文测试，Argon拿到84.2%，领先GPT-6 12.4个百分点，领先Claude Opus 17.4个百分点。这个测试考察的是模型能不能从几十万甚至上百万token的上下文里找到并整合分散的信息完成多步推理，比如给它一本几十万字的书，让它把散在不同章节的信息拼起来回答复杂问题。长上下文从3.1 pro惊艳亮相起就是谷歌的传统强项，这次守住了。
Harvey法律智能体基准Argon跑出19.6%，Vals金融智能体v2跑出65.4%，而Claude Fable 5.1、GPT-6 Astra、Claude Opus 5.5在这两项上只有个位数，差距在3到5倍。LVBench长视频理解和AutomationBench自动化也大幅领先。综合下来，官方称18项评测里领先12项，并在覆盖金融、编程、法律、税务的Vals Index总榜上排第一。这些不是谷歌自造的测试，Vals Index是独立机构做的，在AI Engineer NYC大会上Vals的CEO还专门讲了他们的基准设计原则。
现在的$2/$10（每百万输入/输出token）是限时价，Artificial Analysis确认12月1日起翻倍到$4/$20，cached input和Batch、Flex、Priority各档位也各有折扣。The Verge算过账：即便翻倍后，Argon的每token价格仍显著低于GPT-6 Astra和Fable 5，大约是它们的五分之一。不过The Verge也提醒了一句实在话：每token便宜不等于总账单便宜，不同模型完成同一任务消耗的token数不一样。
| 项目 | 11月30日前 | 12月1日起 |
|---|---|---|
| 标准输入/输出 | $2 / $10 | $4 / $20 |
| Batch/Flex | $1 / $5 | 未公布 |
| Priority | $3.60 / $18 | 未公布 |
技术上，Argon用sparse MoE架构、TPU训练，参数量未公开，无开源权重，只跑在Google云上。1M token（1,048,576）是输入输出共享的统一窗口，同步调用默认输出只有6万多token，开long decode才能到1M，所以长prompt会挤占输出空间，满1M输出一次要花$10。它不支持音频生成、图像生成和Live API，别当实时语音或文生图模型用。
Google自己举的内部案例是Argon帮工程师从600万行的legacy Chromium目录里分离出核心网页处理逻辑，把几个月的工作压缩到几周。这正好落在它的强项区间：超长代码库分析、长文档处理、多步骤专业任务。写代码这件事，Claude Opus 5.5目前仍是更稳的选择。
具体建议就两条：接入生产环境用Stable模型ID gemini-4-argon，别用Preview别名；预算表把11月30日前的促销价和12月后的正式价拆成两列，别把五折当长期价格。另外谷歌在给1万名科学家提供六个月Antigravity最高档免费额度，符合条件可以申请。
Argon只是Gemini 4系列的第一款模型，后面还有。它这次在长上下文和专业领域拉开差距、却在agentic coding上掉队，这个偏科格局会不会在后续模型里被修正，是接下来几个月最值得盯的事。
参考来源
- sspai.com：https://sspai.com/post/116192
- blog.google：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/
- deepmind.google：https://deepmind.google/models/gemini/