谷歌发布旗舰模型Gemini 4 Argon：单次输出上限拉至100万token，18项基准拿下13项第一，初期优先向网络安全伙伴受控开放
发布时间：2026年10月02日 08:30:00沉默约半年后谷歌在国庆假期亮牌：DeepMind新旗舰Gemini 4 Argon正式发布，单次输出上限从上一代6.4万token直接拉到100万token，官方称模型有空间在单次推理轨迹中生成数十万个词元，可独立完成数十万行代码迁移等长周期工程任务。官方公布的18项基准中Argon拿下13项领先，DeepSWE v1.1得分77.9%、领先GPT-6 Astra与Claude Opus 5.5约4个百分点；第三方AAII指数榜单上其位列Claude Opus 5.5、Sonnet 5.5之后排第三。新模型初期受控开放、优先提供给可信网络安全合作伙伴并配合美国政府做发布前安全评估，谷歌同时披露其已用于数据中心内存优化，未新增硬件即释放数百TB存储。
沉默半年后的亮牌
国庆假期第二天，谷歌正式发布DeepMind新旗舰模型Gemini 4 Argon。这是谷歌沉寂约半年后首次更新旗舰——过去几个月Anthropic六周内连放Fable 5.1、Opus 5.5、Sonnet 5.5，OpenAI DevDay刚发布GPT-6.1系列，谷歌一度被调侃为「海外版豆包」。Argon被视为新负责人科雷·卡武库乔卢上任后的第一张反击牌。
最大参数级突破在输出侧：
| 指标 | 上一代 | Gemini 4 Argon |
|---|---|---|
| 单次输出上限 | 6.4万token | 100万token |
| 官方定位 | 通用旗舰 | 长周期推理与工程任务 |
| 开放策略 | 常规开放 | 受控分阶段，先安全伙伴 |
| 18项官方基准 | — | 13项第一 |
谷歌官方解释：当模型拥有足够空间进行深入思考、在单次推理轨迹中生成数十万个词元时，推理将获得全新深度。外界讨论最多的场景，是让AI独立完成数十万行规模的代码迁移——此前这类任务需要工程团队一整个迭代周期。
基准成绩：13项领先，AAII总榜第三
官方公布的18项基准测试中，Gemini 4 Argon拿下13项领先：
- DeepSWE v1.1（软件工程）77.9%，领先GPT-6 Astra和Claude Opus 5.5约4个百分点；
- 真实金融分析、律师工作评测中，官方称领先幅度达到「两档」；
- 网络安全防御类任务是重点强化方向。
第三方综合评测**Artificial Analysis Intelligence Index（AAII）**榜单上，Argon排名第三，仅次于Claude Opus 5.5与Claude Sonnet 5.5。IDC研究总监蒂姆·劳评价：基准测试表明Argon在法律推理、金融及其他企业知识类工作、长周期任务场景具备高级推理能力；Omdia首席分析师连杰·苏则指出，谷歌入局网络安全与代码领域虽偏晚，但Argon把谷歌重新带回了AI前沿。
「高调亮牌，谨慎开门」
与参数跃进形成反差的是极其克制的发布方式：
- 初期受控开放，优先面向可信网络安全合作伙伴，普通用户暂不可用；
- 同步配合美国政府开展发布前安全评估；
- 尚未给出全面开放时间表。
Gemini产品负责人图尔西·多希表示，以这种方式启动上线，能增强信心，也可尽快把擅长网络防御的模型交到安全防护人员手中。分析人士认为，OpenAI与Anthropic的模型此前都出现过失控风险事件，谷歌借此争取「可信模型供应商」定位。
谷歌同时披露了一个内部落地案例：Argon已用于优化谷歌数据中心的内存资源调度，在无需额外采购硬件的情况下释放出数百TB存储空间；量子计算研究人员也已开始使用该模型。
编辑点评
Argon的看点不在「又一个旗舰」，而在两个产业信号。第一，竞争焦点从输入上下文转向输出长度：当模型能一次吐出100万token，软件工程、尽调、法律文书这类长周期任务的组织形态会被重写——但100万输出也是错误的100万倍放大器，模型中段质量如何、成本如何控制，才是企业试用的真正考题，AAII总榜第三也说明谷歌在综合体验上尚未反超。第二，「能力越强、开门越窄」正在成为头部实验室的共同姿态：先安全研究员、再政府评估、最后普通用户，网络安全成为前沿模型的第一个受控落地场景，而非开放给所有人的玩具。对国内厂商，谷歌用自家数据中心省出数百TB内存的故事值得注意——旗舰模型最有说服力的广告，正在从跑分变成「我自己每天在用」。
来源参考：