Google DeepMind发布Gemini 4 Argon，API定价每百万输入token 2美元
Google DeepMind称Gemini 4 Argon在Vals Index上排名第一，并给出内部工程与科研使用数据；模型即日起通过API、Gemini应用和搜索引擎AI Mode向不同订阅层级开放。
AI解读：访问渠道按用户类型区分：开发者与企业通过API、AI Studio和Gemini平台；Google AI Ultra订阅者可在Antigravity使用；Google AI Ultra与Pro订阅者可在Gemini应用和搜索引擎AI Mode使用。
Google称Argon在衡量金融、编程、法律和税务等经济部门表现的Vals Index上排名第一，并称其在多步任务上的深度和精度超过其他前沿模型。
Google列举了内部使用数据：在Antigravity中代理式代码提交增加逾 35%、代码回滚减少近三分之一；Chrome团队借此完成涉及数百个文件的架构重构，把数月工作压缩到数周；ADK生产Python代码库的内存会话准备时间减少 40%、冷导入提速 21%。
安全方面，Google称在Frontier Safety Framework下评估了Argon增强能力，外部生物红队仅能解锁不到 1% 的受测生物子任务；在编码基准上捷径尝试降至 2%；在Gray Swan间接提示注入基准 15 次自适应尝试中攻击成功率降至 0.7%。
Google DeepMind发布Gemini 4 Argon，称其为最新前沿模型，即日起向开发者、企业、科研人员和普通用户开放。
定价方面，Google给出的介绍期价格为每百万输入token 2美元、每百万输出token 10美元，缓存输入token享受 95% 折扣。
模型通过Gemini API提供 100 万统一输入输出token上限。Google建议开发者查阅新的续接协议文档以完成相应配置。
开放范围与订阅层级
开发者与企业可通过Gemini API付费层、AI Studio和Gemini平台使用Argon；Google AI Ultra订阅者可在Antigravity、AI Studio和Android Studio中试用；普通用户需为Google AI Ultra或Pro订阅者，才能在Gemini应用和搜索引擎AI Mode中使用。企业用户还可通过Gemini for business和Google Antigravity使用。
Google表示将向 1 万名科学家免费提供Google Antigravity最高使用层级 6 个月，采用滚动方式接入，需符合资格、容量和筛选条件，申请已开放。网络安全防御者可通过Fairwind Program申请在无网络护栏限制下使用Argon，同样为滚动接入。
Google称这只是Gemini 4家族的开始，后续还将推出该家族其他模型。
Google报告的内部使用数据
Google称，过去数周内部软件工程师交付高质量代码的速度加快；在Antigravity中，Argon帮助团队将代理式代码提交增加逾 35%，同时将代码回滚减少近三分之一。
在Chrome项目中，Argon帮助团队将核心网页处理逻辑与Chromium约 4000 万行代码库中一个约 600 万行的遗留功能文件夹分离。Google称Argon一次接入多个干净的代码变更，帮助团队完成横跨数百个文件的架构重构，把数月工作压缩到数周。对Chrome用户而言，这将支持实时网页在标签页、侧边栏和浮动窗口之间移动而无需重新加载，并消除一整类浏览器崩溃。
在Google开源Agent Development Kit（ADK）的生产Python代码库优化中，团队向Argon提供 .agents/skills规则手册和一段目标描述，要求在不破坏现有应用的前提下消除框架开销。Google称Argon自主工作一整夜后提出优化，相关改动已在google/adk-python上线，使长会话中的内存会话准备时间减少 40%，冷导入提速 21%。
Google研究人员使用Antigravity中的Argon优化了开源量子化学软件包xTB，称其预测分子结构速度最高提升 2.3 倍，构象搜索提速 1.8 倍，改动已贡献至GitHub官方xTB仓库。
在Gemma模型上，Google称借助Argon通过vLLM在A100上实现端到端推理加速 2.85 倍，吞吐量从约每秒 3.79 万token提升至超过每秒 10.8 万token（Gemma 4 E2B），token完全一致且质量无损，耗时数天而非通常的数月。
科研与机器人领域的使用案例
Google称Argon在量子计算方面帮助研究人员加速量子纠错与算法设计：将内部版AlphaQubit量子纠错解码器翻译为单一高度优化的硬件内核，推理吞吐量接近翻倍；对于量子模拟算法中的arcsin，Argon编写并在Lean中形式验证的实现，与已发表的量子CORDIC基线相比，时空成本降低超过 100 倍。
在核聚变方面，Google团队与马里兰大学教授Matt Landreman合作，发现了Grad猜想的一类更广泛的反正例，为聚变界测试仿星器模拟代码提供基准。Grad猜想自 1967 年以来认为不存在这类磁场的精确数学解，近期才有反正例出现。
在罕见病研究中，Gamow Labs的研究人员使用Argon分析患有罕见发育性肺病新生儿的去标识基因组。Google称Argon在一例中定位到常规软件多年未发现的染色体重排，并解释了漏检原因；在Gamow Labs基于真实临床与实验室数据的私有评测中，Argon在RareBench上得分 57%（罕见病诊断辅助），在LabBench上得分 52.2%（湿实验推理）。
在酶设计方面，Google科学家与Argon合作设计丝氨酸酯酶，靶向在紫外光下会发光的基准分子 4MU-acetate。Google称Argon在数小时内汇集相关数据、完成模型调优并确定多个生化过滤器，最终得到 5 个新设计，后续实验室测试确认这些设计均具有稳健催化活性。
在机器人方面，Google称Argon在测试模型理解并解决 3D物理空间问题的Embodied Reasoning（ERQA）基准上得分为 87%，超过所有其他前沿模型。在内部测试中，Argon观看人类投掷沙包袋的原始视频，映射环境空间坐标并计算全身关节运动，自主构建仿真代码；转移到Apptronik的Apollo人形机器人后，机器人在真实试验中连续命中 7 次。Google称这一“视频到仿真到现实”流程将数周的手动仿真建模压缩到数小时。
Google公布的安全评估结果
Google称在Frontier Safety Framework下评估了Argon的增强能力，并部署了结合越狱防御、监控与执行的多层防御体系。Google表示，外部生物红队仅能解锁不到 1% 的受测生物子任务；在旨在压力测试模型的对抗集上，违规行为减少近 2 倍，优于此前Gemini模型。
在代理对齐方面，Google训练Argon尊重系统边界、如实报告负面发现，并在采取不可逆步骤前暂停等待人工确认。Google称在模型没有理由保留的编码基准上，Gemini 4 Argon的捷径尝试降至 2%，为此前Gemini模型中的最佳表现。Google还构建了自动化错位监控器，实时读取代理的逐步推理与行动以拦截意外变通做法，并在内部部署、能力评估和强化学习训练中使用，同时在训练中严格避免惩罚模型思考以保持推理透明可监控。
在提示注入防御方面，Google称通过对抗训练和自动化红队测试，Argon在Gray Swan间接提示注入基准上领先，在 15 次自适应尝试中将攻击成功率降至 0.7%。