震撼，Gemini 4 发布，连 Opus 5.5 都被干掉了！

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。

昨天我还在某知名社交平台说有一些朋友用 Antigravity 中的 Gemini-3.8 Flash 大概率被路由到 Gemini 4 的消息，果不其然今天就来了。

也是让我给赶上了。

image-20260930152036970

而我，刚刚在群里跟大家说要囤 Gemini 和把 Antigravity 下回来。

image-20260930153444891

就在刚刚， Google DeepMind 宣布了 Gemini 4 Argon 来了。

image-20260930153600098

几个重点的数据：单次输出上限从 64K 拉到 1M tokens，推理能力大大增强，适合解决长任务、多步骤问题。这里的 1M，官方说的是输出上线。

而且看测评数据，Gemini 4 Argon 基本上是把所有模型都干掉了。

下面来看一下详细的测评数据。

Gemini 4 Argon 与 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5 的官方测评对比

图源：Google DeepMind 官方测评表。

在知识性工作这块。Vals Index 把金融、编程、法律和税务任务按经济权重汇总，Argon 拿到 68.9%，Opus 5.5 是 67.0%，GPT-6 Astra 是 63.1%。Argon 排在第一。

金融任务的差距更明显。Vals Finance Agent v2 测的是多步骤金融研究，Argon 65.4%，Astra 53.5%，Opus 5.5 是 58.6%。法律任务里，Harvey 的测试分别是 19.6%、5.4% 和 3.8%。这两项，Argon 都把两家旗舰超过了。

长上下文这一项，我感觉更有冲击力。 GraphWalks 在 256K 到 1M tokens 这一档，Argon 是 84.2%，Astra 是 71.8%，Opus 5.5 是 66.8%。分别高了 12.4 和 17.4 个百分点。

写代码也有亮点。DeepSWE v1.1 测的是长任务的软件工程能力，Argon 77.9%，Astra 74.1%，Opus 5.5 是 74.2%。Vibe Code Bench 则拿到了 91.9%，也超过了表里另外三个模型。多模态里的长视频理解 LVBench，Argon 同样领先，91.7%，Astra 87.5%，Opus 5.5 是 83.7%。

同样是编程，FrontierSWE v2 里，Argon 55.0%，Astra 65.5%，Opus 5.5 是 62.3%；Terminal-Bench 4.0 里，Opus 5.5 拿到 66.4%，Argon 是 57.4%。电脑操作的 OSWorld-2.0 离线子集，Astra 72.6%，也高于 Argon 的 69.2%。

再来看一下这张图，这张图是面向代码安全与漏洞修复能力的 CWE-bench v1 榜单：

image-20260930160811188

在这个榜单里，Gemini 4 Argon 直接拿到了 68% 的 Pass@1 成绩，与 Grok 4.7、GPT-6 Astra 并列榜首，小幅领先 Claude Opus 5.5（67%），并且大幅甩开 Claude Fable 5.1（58%）和 GPT-6 Sol（52%）。

注意看这里 Gemini 4 跑测试用的 harness 正是 Antigravity。配合专属 Agent 架构，Argon 在复杂软件工程与代码漏洞修补上的综合能力稳居第一梯队。

除了代码评测，还有一张关于安全防御能力的图——Gray Swan IPI（间接提示词注入攻击防御测试，得分越低代表越安全、越难被攻破）：

image-20260930160832877

在经历 15 轮攻防尝试（k=15）下，Gemini 4 Argon 的攻击被攻破率仅为 0.7%，全场最低，稳居第一！

作为对比，Claude Opus 5.5 和 Fable 5.1 是 1.0%，上一代 Gemini 3.8 Flash 是 5.5%，而 GPT-6 Astra 和 GPT-6 Sol 的被攻破率分别达到了 8.5% 和 10.1%，开源和其它模型甚至到了 30% ~ 50% 以上。面对复杂的间接注入攻击，Gemini 4 Argon 这个防御表现可以说是断层领先。

而且昨天 GPT-6.1 Sol 才刚刚发布，GPT-6 Astra 也就才发布不到一个月，Opus 5.5 是 9 月 22 日发布的，这也才过去一周。

太离谱了。

Gemini 4 Argon 这是憋了一波核弹级别的模型吗？？

而且官方这次披露了 Gemini 4 Argon 在 Google 内部的真实落地案例。目前它已经深入到数千名 Googler 的日常内部工作流中，而且官方直接列举了三个相当硬核的实际工程场景：

image-20260930160918812

1. 量子算法优化： Argon 帮助 Google 的量子计算研究人员优化子程序的时空开销（qubits × gates，量子比特 × 量子门操作），直接攻坚关键瓶颈。在其中一个案例里，仅用了几分钟就将已发表的学术 baseline 性能提升了 40%。

2. 数据中心集群内存优化：由 Argon 组成的智能体团队，自主分析了 Google 全机房范围的 Profiling 遥测数据，自动识别出内存优化点并实施。一经推行就直接为数据中心释放了 超过 300 TiB 的内存，预计最终能省下 500 TiB 到 1 PiB 的内存资源。

3. 超大规模代码库向 Rust 迁移与优化： Argon 智能体正在挑起把 Google 内部海量 C/C++ 代码迁移到 Rust 的重任。

• 迁移规模从小到数万行的核心基础库，一直拓展到 Fuchsia 操作系统的 Zircon 微内核（整整 80 万+ 行代码）！为了确保极端严苛的系统可靠性，这些迁移方案都经过了自动化审计、人工审核与仿真模拟测试。

• 官方特别提到了开源视频解码库 libgav1 的例子：Argon agents 接手了原有的 Rust 移植版，通过多轮基于 Profile 的实验与编译输出分析，成功替换了 3.2 万行手写的 SIMD 向量化汇编，重写出能被编译器自动向量化的高效 Safe Rust 代码。最终让内存安全的 Rust 解码器运行速度提升了 2.7 倍，输出画面像素级一致，性能极大逼近了极致优化的 C++。

不再是只在排行榜上刷个跑分，而是能直接下场去帮机房省上百 TiB 内存、迁移 80 万行的操作系统微内核，这种工业级的 Agent 落地能力才是真正的核弹。

突然联想到之前看到的一个图。