美东时间10月13日，谷歌把旗舰模型 Gemini 4 Argon 从“定向内测”推到了“全球可用”：开发者走 AI Studio 和 Gemini 平台的 API 调用，Pro 与 Ultra 订阅用户在 Gemini 应用和搜索 AI 模式里能用，Antigravity 则只向 Ultra 用户开放。多家实测与第三方评测交叉核对后，结论相当清楚：金融、法律、税务这类专业知识工作上，Argon 的分数和价格都已站进第一梯队，但“百万 Token 输出”靠续写协议拼接，操作电脑和长程 Agent 仍是明显短板，这一代还谈不上撼动 Opus 5.5 与 Astra 的格局。智东西
这个模型 9 月 30 日就已官宣，最初只开放给 Fairwind 计划筛选出的网络安全防御人员，又憋了近两周才对普通用户、开发者与企业放开。叠加的背景是谷歌近半年的低谷：3.5 Pro 被砍、技术负责人杰夫·迪恩离职、靠 Flash 系列续命，多位实测作者都把它称为一次背水一战。知乎
跑分确实回来了，但强弱项得拆开看
官方成绩单足够亮眼：长程软件工程基准 DeepSWE v1.1 拿到 77.9% 刷新纪录，AutomationBench 以 51.3% 排第一。第三方行业能力评测公司 Vals 把 Argon 跑了 26 项测试，金融、法律、税务等综合的 Vals Index 上它站上帕累托前沿顶端，68.9 分综合第一。Vals 还测算了单次运行成本：Argon 约 15.68 美元，不到 Opus 5.5（32.14 美元）的一半。新智元卡兹克
短板同样刺眼。Vals 测操作电脑的 CUA-bench，Argon 只有 4.83%，8 个参评模型里排倒数第二。发布初期的第三方智能体 Arena 数据里，它排第 8 位，略高于 Sonnet 5.6，但仍在 GPT-6.1 Sol 和 Opus 5.5 之下。卡兹克微博
一份相对公允的能力画像，来自实测者的概括：知识工作 > 科研 > 写代码 > Agent 能力。卡兹克
“100万Token输出”，是一段段接出来的
发布时最响的卖点是单次输出上限从 6.4 万 Token 飙到 100 万、为前代的 15 倍。但全面开放后官方口径变成了“输入输出合计 100 万”：Argon 一次请求实际最多吐 6.4 万 Token 左右，写到上限不会断掉，而是返回一个加密续写令牌，开发者拿着它把原请求原封不动再发一遍，它接着往下写，一段段拼到 100 万。对比之下，GPT-6 Astra 原生单次输出上限 128K，比 Argon 的单段更高。对大代码库迁移、长文档改写这类任务，实际省不省钱取决于任务形态，而不是标题里的总数字。微博卡兹克
价格是真卖点，但窗口只到11月30日
促销价每百万 Token 输入 2 美元、输出 10 美元，只有 GPT-6 Astra 的五分之一，首发期后翻倍到 4/20。缓存输入 Token 另有 95% 折扣，这轮优惠将持续至 11 月 30 日。对批量任务、预算敏感的开发者来说，这两个月才是真正的窗口。但单价不等于总账：AA 综合测试里，Argon 平均每个任务花费约 1.99 美元，同单价的 GPT-6.1 Sol Max 只有 0.72 美元——问题出在它太能思考、太能输出。新智元智东西卡兹克
实测体验：多模态亮眼，额度和中文写作拖后腿
强项有真东西。实测中，鹈鹕骑车、复合弓射箭这类高难度 SVG 动画被它做得几乎以假乱真，连弓身形变和出箭弧度都对了。谷歌官方展示的案例里，Argon 能从二维草图出发设计定制硬件，把原本数天的人工 CAD 工作压缩到数分钟。 官方演示还包括参与 Chromium 代码库重构、发现严重漏洞、优化 Gemma 推理性能，以及让 Apollo 人形机器人连续投中 7 次沙包。哔哩哔哩智东西哔哩哔哩
产品侧的吐槽同样具体。有测评者花 100 美元升级 Ultra 实测，不到 10 个普通任务就跑空了 5 小时额度，周额度直接烧掉 27%。前端任务输出的则只有一个裸 HTML 文件，连一句配套说明都没有。卡兹克
英文内容写作在 Arena 盲测里拿到第一，但中文写作的“AI 味”依旧偏重，雷霆比喻、滥用双引号等 Gemini 3 时代的怪癖还在。知识截止 2026 年 3 月，也比 Astra 和 Opus 5.5 旧一截。卡兹克
谁该现在上车
判断取决于用途。做批量调用的开发者和金融、法律、税务等专业知识工作用户，在促销价窗口内上车有明确价值；需要模型代操作电脑、跑长程 Agent 任务的用户，CUA-bench 成绩和额度消耗的表现说明这代别押注。只想尝鲜的话，实测社区的建议相当一致：订 20 刀的 Pro 就够，不必为了 Antigravity 直接上 100 刀 Ultra。还有一个值得盯住的变量：谷歌员工已在内部平台 Jetski 测试 Argon 的下一版检查点 Carbon，有员工评价其编程体验“接近 Claude Opus 5.5”。Argon 这一代坐实的，是把第一梯队的专业工作能力卖到了五分之一的价格；至于改写格局，还得看下一个窗口期。卡兹克知乎
