谷歌最前沿 AI 模型：Gemini 4 Argon 登场，长周期代码工程 DeepSWE 测试超 Claude Opus 5.5

发布者: IT007编辑01| 2026-10-1 07:27| 查看: 74| 评论: 0|原作者: 故渊|来自: IT之家

摘要: 谷歌昨日（9 月 30 日）发布 Gemini 4 Argon，称其为公司迄今最先进的 AI 模型，但目前并未面向公众全面开放。

10 月 1 日消息，谷歌昨日（9 月 30 日）发布 Gemini 4 Argon，称其为公司迄今最先进的 AI 模型，但目前并未面向公众全面开放。

定位方面，Gemini 4 Argon 是谷歌当前“最先进”模型，重点是长流程软件工程、企业知识工作和网络安全防御。官方称其在真实世界软件工程测试创纪录，网络安全基准并列第一，并在金融、法律等专业任务基准领先。

模型特性方面，Gemini 4 Argon 单次输出上限达到约 100 万 tokens，高于此前的 64,000 tokens，适合处理大型代码库、长文档和多阶段任务。

谷歌最前沿 AI 模型：Gemini 4 Argon 登场，长周期代码工程 DeepSWE 测试超 Claude Opus 5.5

谷歌 DeepMind Gemini 产品负责人 Tulsee Doshi 表示：“Argon 是一个功能全面的模型，在多个领域都具备前沿能力。”

在新模型在某些编码和知识工作基准测试中处于最先进水平，在多个方面都优于竞争对手 OpenAI 的前沿模型 GPT-6 Astra。

性能方面，谷歌宣称其 DeepSWE v1.1 得分为 77.9%。Claude Opus 5.5 的得分为 74.2%，GPT-6 Astra 的得分为 74.1%。

安全防御性能方面，谷歌对 Gemini 4 Argon 进行了训练，使其“在网络安全防御方面能力超群”，比 3.8 Flash Cyber 有了显著提升。在评估模型修复安全漏洞能力的 CWE-bench v1 测试中，Argon 以 68% 的最高分并列第一。

评测项目	Gemini 4 Argon	对比 / 排名	主要考察能力
DeepSWE v1.1	77.9%	第 1；Claude Opus 5.5 为 74.2%，GPT-6 Astra 为 74.1%	长周期、真实软件工程任务
Vibe Code Bench	91.9%	领先竞争模型	自然语言到代码、应用构建
CWE-bench v1	68%	并列第 1	自动发现并修复软件安全漏洞
AutomationBench	51.3%	第 1	跨业务软件的端到端自动执行
LVBench	91.7%	当前最佳 / State of the art	长视频理解
GraphWalks，0–128K	99.7%	极高水平	长上下文图结构推理
GraphWalks，256K–1M	84.2%	明显领先	超长上下文推理
Agent’s Last Exam	39.5%	高于 GPT-6 Astra 的 34.2%	综合代理与知识推理
Vals Index	68.9%	高于 GPT-6 Astra 的 63.1%、Claude Opus 5.5 的 67.0%	金融、编程、法律、税务等经济任务
Artificial Analysis Intelligence Index	53	与 GPT-6 Astra 持平	多项综合智能与代理能力

谷歌最前沿 AI 模型：Gemini 4 Argon 登场，长周期代码工程 DeepSWE 测试超 Claude Opus 5.5

分发方面，谷歌表示会分阶段发布，第一阶段通过名为 Fairwind Program 的计划，提供给受信任的网络安全防御者，并参与美国政府的自愿预发布模型访问流程。

谷歌最前沿 AI 模型：Gemini 4 Argon 登场，长周期代码工程 DeepSWE 测试超 Claude Opus 5.5

费用方面，谷歌计划先向付费 API 客户和 Google AI Ultra 用户开放，之后再扩大到企业和普通消费者：

AI 解读

长上下文才是这代重点

先看参数。输出上限从 6.4 万 tokens 跳到约 100 万，这个提升比榜单上那几个百分点更值得注意。它意味着模型可以一次性吐出大型代码库、长文档或多阶段任务的完整结果，而不用反复拼接。

GraphWalks 在 256K 到 1M 区间拿到 84.2%，也说明超长上下文不是纸面数字，是有对应测试支撑的。

再看代价。价格表写得很清楚：输入每百万 2 美元、输出每百万 10 美元只是初始价，后续会翻倍到 4 美元和 20 美元。缓存输入有约 95% 折扣，这对反复调用同一份长文档或代码库的场景是实打实的省钱项。但输出价格本身不低，长输出又正是它的卖点，实际用起来成本要按翻倍后的价格算。

对普通用户来说，短期内买不到。第一阶段只给受信任的网络安全防御者，之后才轮到付费 API 客户和 Google AI Ultra 用户，企业和消费者排在最后。所以现在能判断的是能力方向，不是能不能用上。

关注长输出和缓存折扣的实际成本，别只看榜单第一名。

以上内容由 AI 依据原文补充生成，不代表本站观点，仅供参考。