Google 發布 Gemini 4 Argon：18 項基準中領先或並列 13 項，但尚未全面開放

Google 發布了新一代旗艦模型 Gemini 4 Argon，在 18 項公開基準測試中，Argon 在 12 項領先、1 項與 GPT-6 Astra 並列，總計在 13 項取得最高分；GPT-6 Astra 領先 3 項、Claude Opus 5.5 領先 2 項。這是 Google 自 2025 年 11 月 Gemini 3 系列之後，首次發布新旗艦模型。

具體數字最能說明 Argon 的定位。在法律代理基準 Harvey’s Legal Agent Benchmark，Argon 得分 19.6%，GPT-6 Astra 為 5.4%、Claude Opus 5.5 為 3.8%，領先幅度懸殊。在 Zapier 的端到端業務自動化基準 AutomationBench，Argon 得 51.3%，對手分別為 42.5% 與 41.4%。在長影片理解 LVBench，Argon 以 91.7% 對 GPT-6 Astra 的 87.5% 與 Claude Opus 5.5 的 83.7%。輸出長度也是亮點：Argon 支援最多 100 萬 output tokens，相較前代上限 6.4 萬 tokens，對於需要長時間維持工作鏈的代理任務（代碼審計、法律審閱、系統遷移）意義明顯。定價方面，上市初期每百萬 input tokens 定價 2 美元、output 10 美元，是 GPT-6 Astra（input $10、output $50）的五分之一，與 Claude Opus 5.5（$4 / $20）相比也便宜一半；優惠期結束後，Argon 將升至 $4 / $20，與 Claude Opus 5.5 持平，仍低於 GPT-6 Astra。

但這場勝利並不乾淨。GPT-6 Astra 在 FrontierSWE v2（65.5% vs 55.0%）與 Terminal-Bench Science 0.1（68.1% vs 57.6%）均領先超過 10 個百分點；Claude Opus 5.5 在 Terminal-bench 4.0（66.4% vs 57.4%）和 PostTrainBench（49.3% vs 45.3%）同樣保有優勢。換句話說，Argon 在廣度上贏，但 OpenAI 與 Anthropic 各自在特定任務類型（前沿程式工程、終端代理、科學運算）仍保有明顯實力。對企業買家來說，模型選擇還是得看工作負載，沒有一刀切的答案。

發布時機的背景同樣重要。過去數月，Google DeepMind 歷經高層大換血：Demis Hassabis 從執行長轉任 Alphabet 董事長兼首席科學家，Jeff Dean 離職創業，Koray Kavukcuoglu 接掌 DeepMind；外部報告指出人才流失、模型延遲與內部路線分歧同時發生。Google 拿 Argon 回答的，不只是技術問題，而是「旗艦產品節奏是否失控」這個更根本的市場質疑。現在這個問題至少在紙面上有了答案。

Argon 尚未公開上市，目前僅向 Fairwind Program 的受信任網路安全防禦者開放，並正在走美國政府自願性預上市審查流程，全面開放將從付費 API 客戶與 Google AI Ultra 訂閱者開始。這意味著大多數企業買家還需要等一段時間，才能實際驗證基準數字能否在真實生產環境中兌現——法律、財務、代碼、網路安全這四條賽道，才是 Argon 真正的考驗場。