谷歌Gemini 4 Argon发布,12项基准第一,输出上限升至百万token
沉寂大半年,谷歌终于掏出了新一代旗舰模型 Gemini 4 Argon。它在 18 项基准测试中拿了 12 个第一、1 个并列第一,Artificial Analysis 智能指数拿到 53 分,直接追平 GPT-6 Astra,反超 Claude Opus 5.5。更夸张的是,单次输出上限从 6.4 万 token 直接拉到 100 万,写长代码、做深度研究终于不用被“截胡”了。
跑分确实猛,但主打“硬核打工”
这次 Argon 的实力跃升,主要集中在软件工程、企业知识工作和网络安全防御这三个硬核场景。在 DeepSWE v1.1 真实软件工程测试里,它以 77.9% 拿下当前最高水平;在 AutomationBench 智能体测试里也登顶了。最亮眼的改变是幻觉率压到了 15%,是同级模型里最低的,面对不懂的问题宁愿承认也不瞎编。不过,这些成绩目前主要来自官方和受限测试,正如部分分析师所言,各家模型都在针对评测做优化,榜单分数的参考价值正在下降,真好不好用,还得等大范围外部实测说话。
这次 Argon 的实力跃升,主要集中在软件工程、企业知识工作和网络安全防御这三个硬核场景。在 DeepSWE v1.1 真实软件工程测试里,它以 77.9% 拿下当前最高水平;在 AutomationBench 智能体测试里也登顶了。最亮眼的改变是幻觉率压到了 15%,是同级模型里最低的,面对不懂的问题宁愿承认也不瞎编。不过,这些成绩目前主要来自官方和受限测试,正如部分分析师所言,各家模型都在针对评测做优化,榜单分数的参考价值正在下降,真好不好用,还得等大范围外部实测说话。
价格打骨折,可惜现在还用不上
谷歌这次打价格战毫不手软。首发期间 API 定价每百万输入 token 2 美元、输出 10 美元,只有 Opus 5.5 的一半、GPT-6 Astra 的五分之一。如果用缓存,每百万 token 更是低至 0.1 美元。但别急着掏钱,谷歌这次没直接全面开放。首批只通过“顺风计划”给受信任的网络安全合作方用,普通人连公测时间表都没拿到。后续会优先给付费 API 客户和 Google AI Ultra 订阅用户,想白嫖还得再等等。
谷歌这次打价格战毫不手软。首发期间 API 定价每百万输入 token 2 美元、输出 10 美元,只有 Opus 5.5 的一半、GPT-6 Astra 的五分之一。如果用缓存,每百万 token 更是低至 0.1 美元。但别急着掏钱,谷歌这次没直接全面开放。首批只通过“顺风计划”给受信任的网络安全合作方用,普通人连公测时间表都没拿到。后续会优先给付费 API 客户和 Google AI Ultra 订阅用户,想白嫖还得再等等。
谷歌的“必须赢”之战
过去大半年,谷歌在顶尖模型竞赛里掉队明显,Gemini 3.5 Pro 几经延期最终被砍,核心研究员出走,管理层换帅,外界都在看 DeepMind 的笑话。这次 Argon 发布,被华尔街视为谷歌“必须赢”的一战。用低价圈开发者,用百万级长输出拉拢企业长链路任务,再配合自家的 TPU 算力生态打反击,思路很清晰。但真正的考验不在跑分榜单上,而是等它全面开放后,普通人第一次打开对话框时的真实体感——什么时候大家愿意为它特意切换工具,才算真的赢回来了。
过去大半年,谷歌在顶尖模型竞赛里掉队明显,Gemini 3.5 Pro 几经延期最终被砍,核心研究员出走,管理层换帅,外界都在看 DeepMind 的笑话。这次 Argon 发布,被华尔街视为谷歌“必须赢”的一战。用低价圈开发者,用百万级长输出拉拢企业长链路任务,再配合自家的 TPU 算力生态打反击,思路很清晰。但真正的考验不在跑分榜单上,而是等它全面开放后,普通人第一次打开对话框时的真实体感——什么时候大家愿意为它特意切换工具,才算真的赢回来了。
多方观点
历史事件回溯
当前事件
谷歌发布新一代模型Gemini 2.0
- 核心性能:速度较1.5提升两倍,支持多模态与Agent
- 技术创新:原生支持图像音频输出及工具调用
- 行业地位:对标OpenAI o1模型,重塑竞争格局
2024年2月
发布Gemini 1.5,主打超长上下文
- 核心性能:上下文窗口突破100万至200万token
- 技术创新:采用MoE架构,推理效率大幅提升
- 行业地位:长文本与视频处理能力暂时领先行业
2023年12月
首发Gemini 1.0,打响多模态之战
- 核心性能:Ultra版在MMLU等跑分首次超越GPT-4V
- 技术创新:原生多模态架构,非后期拼接模型
- 行业地位:谷歌在核心基准测试中反超OpenAI


当前文章无评论,是时候发表评论了