前沿模型争霸，Gemini 4 Argon全面开放，谷歌用模型“操练”机器人

美国时间10月13日，谷歌正式向全球开发者与企业开放Gemini 4 Argon。

用户可通过Gemini API、Google AI Studio、Google Antigravity等平台使用该模型。符合条件的Gemini Pro与Ultra订阅用户，也能在Gemini应用及搜索的AI模式中体验其功能。

相较于10月1日的有限度开放，此次发布更引人注目的是谷歌公布的一系列实际用例：Argon不仅能重构大型软件项目、优化模型推理，还可基于真实机器人操作视频构建仿真环境，并参与网络安全与科学研究。

谷歌试图证明，前沿模型的价值不仅限于回答问题或生成代码，更在于能否接手复杂任务，将多个环节串联起来，最终交付可供使用的结果。

从600万行遗留代码入手

谷歌首先用自己的工程项目对Argon进行测试。

据谷歌披露，已有超过10万名员工通过Antigravity内部版本使用该模型。过去四周，工程团队中智能体的代码提交量增加了35%，提交后的代码回滚减少了近三分之一。

Chrome团队的重构项目更能体现其能力。

Chromium代码库约有4000万行，其中约600万行的遗留代码目录长期混杂多种浏览器功能，与核心网页处理逻辑交织在一起。Argon协助团队将核心功能从遗留代码中分离出来，完成了涉及数百个文件的架构重构，将原本需要数月的工作压缩到几周。

谷歌开源的Agent Development Kit（ADK）团队也进行了类似尝试。团队向Argon提供规则手册与优化目标，要求它在不破坏现有应用的前提下减少框架开销。经过一夜运行，模型提出的改动使长会话的内存准备时间减少了40%，冷导入速度提升了21%，相关代码已合并至公开的ADK Python代码库。

在底层模型优化方面，Argon将Gemma 4 E2B在单张英伟达A100上的推理吞吐量从每秒约3.79万个token提升至超过10.8万个，增幅约2.85倍。谷歌表示，优化后的输出保持一致，整个过程仅耗时几天，涉及注意力调优与推测解码等环节。

这些来自谷歌自身的案例，共同指向一个趋势：模型开始参与从代码理解、架构调整到性能优化与问题排查的完整工程流程，而不再只是按指令生成代码。

Argon的视觉理解与生成能力也扩展到了三维建模。

谷歌展示的案例中，Gemini 4 Argon通过Antigravity中的多代理视觉批判循环，在Blender中自主构建了一组高度精细的寺庙建筑群，包括多座建筑、植被与复杂光照，呈现出接近照片的视觉效果。

X用户@mweinbach分享的《心灵杀手2》移植案例，则展示了Argon在跨平台工程中的应用。他称，模型协助将游戏从x86 Windows环境移植到原生macOS Arm64环境，涉及指令转换、Rust绑定与Metal着色器转换，项目在M3 Ultra上达到了每秒140多帧。

从真实机器人到科学研究

大型代码库检验的是Argon处理复杂软件系统的能力，而机器人项目则考验模型能否理解真实世界中的空间关系与物理交互，并将这种理解转化为可执行的程序。

谷歌展示的Real2Sim项目，正是围绕这一问题展开。

Argon可以观看真实机器人遥操作视频，构建对应的数字孪生环境，并获取或生成仿真资产，使物体不仅外观接近真实对象，在与灵巧机械手接触时也能呈现相似的物理行为。随后，模型通过反复视觉推理调整物体属性与场景设置，让仿真中的视觉效果与接触过程尽可能贴近真实记录。

这一流程的意义在于，机器人训练不必完全依赖人工从头搭建仿真环境。真实操作视频可以成为建模的起点，模型再根据仿真与现实之间的差异不断修正场景。

另一项演示则从一张草图开始。

Argon根据人形机器人向桌上的箱子堆扔球的示意图，自动生成GPU加速的仿真场景与全身动作轨迹，并在物理引擎中验证六个箱子全部倒下，最终输出渲染视频。

不过，仿真成功并不等于机器人已经具备稳定的现实操作能力。物理环境、传感器误差与执行器限制，都可能影响动作迁移效果。

谷歌还将Argon用于网络安全与科学研究。在网络安全领域，谷歌通过Fairwind计划向更多合作伙伴开放模型，用于经过授权的防御性安全工作。

在科学研究中，Argon参与了量子计算、核聚变与生命科学项目。谷歌称，模型将内部量子纠错解码器转换为优化的硬件内核，使推理吞吐量接近翻倍；在与马里兰大学研究人员的合作中，它帮助发现了更多Grad猜想的反例，为聚变堆磁场设计提供了新的研究依据。

生命科学方面，Gamow Labs的研究人员使用Argon分析罕见发育性肺部疾病新生儿的基因组，在一个病例中发现常规软件多年未能识别的染色体重排，并解释了此前漏检的原因。

这些项目的共同点是，模型需要理解专业资料、生成解决方案，再根据计算或实验结果进行调整。谷歌正在尝试将这种能力从软件工程延伸到具有不同规则与验证方式的专业领域。

模型之外，还需补齐工具链

Argon能否进入企业工作流程，不仅取决于模型表现，还取决于使用成本、工具配套与任务完成效率。

谷歌给出的限时API价格为每百万输入token 2美元、输出10美元，缓存输入为0.1美元。12月1日起，输入与输出价格将分别提高至4美元与20美元。

Argon还提供100万token的统一上下文窗口，输入、思考与输出共用这一额度。

API支持后台运行与检查点恢复，适用于多仓库迁移、复杂代码分析等需要长时间执行的任务。

基准测试显示，Argon在部分专业任务中具有竞争力。在Vals Index上，它获得68.9%的成绩，高于Claude Sonnet 5.5的67.04%与Opus 5.5的66.97%。

谷歌公布的测试中，Argon在Harvey法律代理基准上得分19.6%，在Zapier自动化基准上得分51.3%，在DeepSWE软件工程基准上得分77.9%。

但在Artificial Analysis综合智能指数中，Argon获得53分，与GPT-6 Astra和Claude Fable 5.1持平，低于Opus 5.5、Sonnet 5.5与Meta Muse Wonder Full。

沃顿商学院教授伊桑·莫利克（Ethan Mollick）认为，Gemini 4在创意与写作方面取得了显著进步，为现有前沿模型提供了不同的选择。不过，他指出，模型处理复杂多智能体任务时仍有不足，有时过于自信，而Antigravity的工具链也需要改进。

企业AI咨询公司Red Dragon AI的山姆·维特文（Sam Witteveen）认为，Argon是一个非常出色但并非最强的模型。他看好模型结合视觉理解、软件生成与创意媒体的能力，但认为Antigravity与Claude Code、Codex等开发工具相比仍有差距。

X用户@cheaty则认为，Argon早期测试中的运行速度与成本表现不够理想。尽管模型能够完成任务，部分任务的实际花费仍明显高于其他模型。这也说明，企业评估模型时，不能只比较每百万token的标价，还要看完成同一任务需要多少调用、耗时多久，以及最终结果是否可用。

Argon的全面开放，让更多开发者和企业有机会检验谷歌展示的能力。但从模型能够完成某项任务，到企业可以稳定、低成本地将其投入生产，中间仍有一段距离。

对谷歌而言，接下来要解决的不只是继续提升模型能力，还包括让模型更容易使用、让复杂任务运行得更稳定，并让实际成本与效率优势真正经得起检验。

据Business Insider于10月10日报道，谷歌员工正在测试Gemini 4的后续版本Barium与Carbon，部分测试者认为其编码能力有所提升。

Vercel首席执行官吉列尔莫·劳赫（Guillermo Rauch）认为，谷歌拥有Transformer技术积累、工程人才与计算资源，不应被低估。