Gemini 4 Argon 正式上线，彻底杀疯了。。

点击上方蓝字关注我，加个🌟标不迷路。

各位小伙伴们大家好，我是 cxuan。

刚刚，Google CEO Sundar Pichai 宣布，Gemini 4 Argon 正式开放了！

Sundar Pichai 宣布 Gemini 4 Argon 正式开放

9 月 30 日官宣的时候，我已经写过一次（见文末）。当时跑分很强，但普通用户还用不上，只内测了一批安全团队。

今天，10 月 13 日，终于轮到开发者和付费用户了。

这也是我看到 Google 做得最上心的一次模型发布页了。几乎全是具体案例和视频 demo。

Google 的 Gemini 4 Argon 官方发布页

解决复杂工程类任务

Google 说，过去几周，Argon 在 Antigravity 里帮助团队把 Agent 代码提交量提高了 超过 35%，代码回滚减少了 接近三分之一。

Chrome 团队的案例也挺离谱，Chromium 有约 4000 万行代码，其中一个历史目录就有约 600 万行。Argon 帮团队把网页处理的核心代码拆出来，重构涉及数百个文件，把原本几个月的工作压到了几周。。。。

这项重构将支持网页在标签页、侧边栏和悬浮窗口之间移动，保持页面状态，不用重新加载。

但我更想展开说的是 Google 的开源 Agent 框架 ADK。

一个约 20.5 万行 Python 代码的仓库，近 800 个源文件。团队把维护规范放进了 .agents/skills 中，然后给了 Argon 一个目标：减少框架开销，保持公共 API 和模型收到的内容不变。

然后开 /goal，让它自己跑了一晚上。任务连续执行了 11 个小时，最后跑完了 16,892 个单元测试。然后把长会话里的内存会话准备耗时降低了约 40%，冷启动导入包的耗时降低了 21%。

Argon 优化 ADK 前后的官方测试结果

图源：Google Developers Blog，ADK 工程复盘。

下面这些视频截图，则能够直接看到 Argon 把代码、视觉和空间理解用到一起是什么效果。

Demo 1：直接做出一整座寺庙

第一个先看画面。

寺庙 demo：塔楼外部与屋檐细节，视频约 00:10

我一时间竟然分不出来这是用 AI 做的还是真的，真实场景的细节也不过如此了吧。

寺庙 demo：殿内雕像、梁柱与金属装饰，视频约 00:34

再看殿内，梁柱、雕像、吊饰和光照，整个场景保持了比较统一的质感。这张放在发布页里，我第一眼真会把它当成专门的 3D 美术作品。

根据官方说明，Argon 在 Antigravity 里通过多个 Agent 反复检查渲染效果，再用 Blender 建模，才做出了这组建筑。

说白了，就是生成一轮，review 一轮，发现哪里不对继续改，才达到了这个效果。

Demo 2：把真实桌面变成赛车游戏

这个更有代入感。

Argon 根据真实桌面的照片，做了一个可以玩的迷你赛车游戏。键盘、鼠标和显示器这些桌面物件，都变成了赛道的环境。

桌面赛车 demo：键盘旁的起跑线，视频约 00:05

这样看的话，赛车已经有一套具体的游戏界面了。

从远距离来看，能看到赛道绕着显示器支架转，桌面变成了一个上下分层的微缩世界。

桌面赛车 demo：围绕显示器支架的立体赛道，视频约 00:56

按官方介绍，建模和碰撞检查用了 Blender MCP，贴图用了 Nano Banana，最后在 Three.js 里实现物理、着色器和交互，汽车引擎音效则来自 Gemini Omni Flash。

我突然意外 Google 的全模态竟然能做到如此之效果。

这个作品在 Google AI Studio 里有试玩入口。我光看截图已经有点手痒了哈哈哈。

Demo 3：把人体资料做成 3D 解剖工具

第三个是专业资料场景。

官方说，Argon 把 3 个开源仓库的数据整合成了一个医学学习工具，支持分层查看人体结构、检查相关医学信息和展示生物力学。

视频里先能看到器官在身体里的位置。

人体解剖 demo：泌尿系统与周围器官的位置关系，视频约 00:03

切换到侧面之后，显示的是从脑部一直延伸到四肢的神经结构。

人体解剖 demo：神经系统的全身结构，视频约 00:17

医学科普真的太需要这种场景了，因为我从身边的医学朋友不止一次的问到我有没有可以追溯动态解释的 3D 案例。

这种把专业资料做成能操作的学习工具，我觉得比一篇医学科普长文更易懂、更有吸引力。

Demo 4：看人投沙包，再让机器人投进去

最后这个，我感觉冲击力最大。

Google DeepMind 给 Argon 看了一段人玩 cornhole 的视频。你可以把它理解成把沙包扔进一块斜板上的洞。

Argon 根据视频理解场景，计算空间位置和全身关节动作，再写出 MuJoCo 仿真代码。下面这张，就能看到真人动作和机器人仿真的对照。

机器人 demo：真人动作与 MuJoCo 仿真逐帧对照，视频约 01:12

这一步要处理的东西已经很多了。目标板在哪，机器人站哪，手臂放哪，沙包的走线是怎样的，同时还得保证身体平衡。

然后，把仿真中得到的动作转到 Apptronik 的 Apollo 机器人上。

机器人 demo：Apollo 在真实场地投掷沙包，视频约 01:22

官方披露，这次真实场地试验里，机器人 连续投进了 7 次。视频还展示了根据落点调整出手的过程。

Google 把这条路线叫 Video-to-Sim-to-Real：看视频，建仿真，再到真实机器上执行。原本需要几周的人工仿真建模工作，在这次案例里压到了几个小时。

现在谁能用？

说回到大家能不能上手的问题。按今天的开放公告，几个入口的权益不一样：

• Gemini App、Google 搜索 AI Mode：Google AI Pro 和 Ultra 订阅用户可以用。

• Antigravity：个人用户需要 Google AI Ultra 订阅。

• 开发者 API：通过 AI Studio 的 Gemini API 付费层或 Gemini platform 使用；Ultra 用户也可以在 AI Studio 体验。

• 科研人员：Google 开放申请，计划给 10,000 名科学家提供 6 个月免费的 Antigravity 最高使用档位，需要符合资格并通过筛选。

所以，Pro 用户可以先在 Gemini App 里试。想用 Argon 在 Antigravity 里长时间写代码，需要看 Ultra 的权益。API 也没有免费层。

价格

说回到大家都关心的价格问题，目前是引入价，有效期到 2026 年 11 月 30 日。

Gemini 4 Argon、GPT-6.1 Sol 与 Claude Opus 5.5 的标准 API 价格对比

Argon 引入价的输入、输出、缓存命中这三项，都和 GPT-6.1 Sol 一样，都是 Opus 5.5 的一半。

不过，等到 12 月 1 日，Argon 的这三项价格，就会和 Opus 5.5 目前的标准价一致。

上一次官宣，我说希望 Gemini 4 Argon 的效果能直接惊到我。

这次看完这些案例，期待确实更高了。

这次，龙王回归了。

震撼，Gemini 4 发布，连 Opus 5.5 都被干掉了！

如果这篇文章你觉得还不错，谢谢你的三连，也希望可以转发给同样关注 AI / 科技 / 开发效率的朋友。 我是 cxuan，我们下期再见。