谷歌刚刚正式发布Gemini 4 Argon，单次输出上限直接拉升至100万Token，可以在几分钟内优化量子算法，还在谷歌内部直接重写了80万行底层系统代码。基准测试直接屠榜，多项数据一举超越opus5.5，fable5.1，GPT-6 Astra，但在最新的编程基准测试Terminal-bench4.0还是落后。

新模型面向真实软件工程、法律与金融等企业级知识工作，以及网络安全防御场景。

目前，Argon正通过Fairwind计划向部分受信任的网络安全人员开放，并参与美国政府的发布前审查。后续将逐步推送给付费API开发者和Google AI Ultra订阅用户。

价格方面，Argon百万输入Token收费2美元，百万输出Token收费10美元，缓存输入享受0.5折优惠。详细信息如下

谷歌员工已全面接入实战

在谷歌内部，数千名员工已经将Argon深度用于日常研发。

量子计算领域，Argon帮助研究人员优化子例程的时空资源，仅用几分钟就把公开基线优化了40%。

数据中心运维方面，由Argon组成的智能体团队分析全网遥测数据，自主完成内存优化，直接释放了超过300 TiB内存，预计后续总节省量可达500 TiB到1 PiB。

代码重构方面，Argon正在将谷歌内部的大规模C/C++代码库迁移至Rust。这包括re2、libgav1等核心库的数万行代码，以及Fuchsia Zircon内核的80多万行代码。所有重写均经过了严格的自动化审计、模拟测试和人工审查。

在开源视频解码项目libgav1中，Argon通过多轮编译实验，将32000行SIMD代码替换为安全的Rust代码，运行速度比原Rust移植版本提升了2.7倍，性能持平高度优化的C++版本。

单次输出拉升至100万Token

为了应对长周期、多步骤的复杂任务，谷歌将Argon的单次输出Token上限从过去的64K提升到了100万。

模型可以在单次推理轨迹中生成数十万Token，连续完成深度推理。

各项业务与代码基准全线登顶

在衡量真实长程软件工程能力的DeepSWE v1.1测试中，Argon取得了77.9%的SOTA成绩。

在按美国GDP权重评估金融、编程、法律和税务综合价值的Vals Index测试中，Argon位列第一。在Vals Finance Agent v2金融研究测试和Harvey法律测试中同样表现领先。

在Zapier评估企业核心业务端到端执行能力的AutomationBench上，Argon以51.3%的分数拿下头名。

多模态长视频理解测试LVBench中，Argon拿到了91.7%的高分。

开放无护栏安全版本

在网络安全领域，Argon具备自主发现、验证和修复软件高危漏洞的能力。谷歌将向受信任的防御机构和内部团队提供没有安全护栏的Argon版本，以发挥完整的防御能力。

云安全机构Wiz已经在Scan for Good项目中接入了Argon。测试期间，该模型成功挖出了全球多家医院正在使用的医疗软件重大漏洞，避免了敏感医疗数据泄露。

在评估漏洞修复能力的CWE-bench v1上，Argon以68%的得分并列行业第一。

在包含20种编程语言的谷歌内部测试，以及Wiz的黑盒渗透测试中，Argon在寻找攻击面、发现漏洞和生成概念验证代码（PoC）方面，均明显超过了此前的3.8 Flash Cyber。

上线前加固四重安全防线

在全面开放之前，谷歌正在重点加固四个维度的安全防护：

防范恶意滥用：严格拦截网络攻击以及化学、生物、放射性与核危害请求，同时通过监测模型内部激活状态来捕捉滥用迹象。

防范间接提示词注入：通过自动化红队测试和对抗训练，Argon在Gray Swan间接提示词注入基准测试中保持领先的抗攻击表现。

监控对齐漂移：实时监控Argon的思维链和实际动作，一旦模型偏离用户意图便立刻终止执行，并向应急响应团队发出警报。这些监控数据不会反哺到训练集中，防止模型学会伪装思维链来逃避监管。

系统环境加固：在高风险训练和评估展开前，对沙箱环境进行严格隔离与密封，确保运行环境的安全可控。