Google 发布 Gemini 4 Argon：100 万 token 输出、主打网络安全防御
来源Google DeepMind查看原文
速览
- Gemini 4 Argon 发布，输出 token 上限达 100 万，为上一代 64K 的约 15 倍。
- 主打长周期复杂任务：软件工程、法律金融知识工作、网络安全防御。
- 目前仅通过 Fairwind Program 向受信任的网络安全防御方开放，未公开发布。
- 入门定价：输入 2 美元/百万 token，输出 10 美元/百万 token，缓存输入 95% 折扣。
- DeepSWE v1.1 得分 77.9%，AutomationBench 51.3% 排名第一，LVBench 91.7%。
- CWE-bench v1 得分 68% 并列第一，可自主发现、验证并修补漏洞。
- 内部已用于量子算法优化、数据中心内存优化和 C/C++ 到 Rust 的大规模迁移。
- Google 强调四类前沿防护：防滥用、防提示注入、错位监控、系统加固。
- Argon 在 Gray Swan 的间接提示注入基准上领先，并部署思维链监控。
- 后续将先向付费 API 客户和 Google AI Ultra 订阅用户开放。
Google DeepMind 于 2026 年 9 月 30 日发布新一代前沿模型 Gemini 4 Argon，主打长周期复杂任务推理，输出 token 上限从上一代的 64K 提升至 100 万，为业界最高。该模型在真实软件工程、法律与金融等企业知识工作、以及网络安全防御三类场景中达到前沿水平，目前通过 Fairwind Program 向受信任的网络安全防御方逐步开放，尚未面向开发者、企业和消费者公开发布。定价方面，Argon 的入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 按输入价格的 95% 折扣计费。Google 表示正在参与美国政府的前置模型访问自愿流程，并将在护栏迭代完成后尽快向开发者、企业和消费者开放，首批包括付费 API 客户和 Google AI Ultra 订阅用户。
关键事实
- Gemini 4 Argon 于 2026 年 9 月 30 日发布，由 Google DeepMind 高级副总裁兼 Google 首席 AI 架构师 Koray Kavukcuoglu 署名。
- 输出 token 上限从上一代的 64K 提升至 100 万，Google 称其为业界领先。
- 入门定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
- 在 DeepSWE v1.1 上取得 77.9%，Google 称其刷新了该真实长周期软件工程任务基准的最优成绩。
- 在 Zapier 的 AutomationBench 上以 51.3% 排名第一；在长视频理解基准 LVBench 上以 91.7% 达到最优。
- 在漏洞修复基准 CWE-bench v1 上以 68% 并列第一，延续 3.8 Flash Cyber 在 CWE-bench v0 上的表现。
本站视角
这次发布对国内做 Agent 和代码工具的团队有直接影响。100 万 token 输出上限如果属实，意味着单次调用可以完成过去需要多次编排才能做完的长任务，比如整库代码迁移、长篇法律尽调报告、跨文档的财务分析。这会削弱一部分「靠工程编排弥补模型输出长度」的中间层价值，做 Agent 框架的团队需要重新想清楚自己的护城河在哪里——是编排、是领域数据、还是评测与验证。 对用 API 的中小企业和开发者来说，2 美元/百万输入、10 美元/百万输出的价格不算便宜，但缓存输入 95% 折扣对固定系统提示、固定代码库上下文的场景很友好。真正需要观察的是：100 万 token 输出的实际可用比例有多高，以及长输出下的错误率。Google 给出的 DeepSWE v1.1 77.9%、AutomationBench 51.3% 都是自家或合作方基准，AutomationBench 51.3% 这个绝对分数其实说明端到端业务执行仍有近一半失败率，不宜被「排名第一」的表述盖过。 我们的判断是：Argon 的实质进步在「长周期执行」而非「单点能力」。量子优化 40% 提升、libgav1 替换 32K 行 SIMD 后快 2.7 倍、数据中心释放 300 TiB 内存，这些是 Google 内部案例，缺乏第三方复现，应当视为方向性证据而非定论。尤其是代码迁移类任务，Google 自己也承认需要「严格的自动化与人工审计、仿真测试和评审」才能上生产，这说明模型输出仍不能直接信任。 网络安全部分是这次最值得国内安全团队关注的点。不带网络护栏、只对受信任防御方开放，是一种按身份分层的能力释放；Wiz 发现的医疗软件漏洞案例如果属实，说明模型在漏洞发现上已经开始补上前沿模型的短板。但同样需要观察：CWE-bench v1 68% 的修复率意味着仍有约三分之一漏洞修不好，自主打补丁离「无人值守」还有距离。 最后，Google 呼吁行业「保持推理透明度」，这句话有明确的指向性——在监管压力和竞争压力下，部分厂商正在隐藏思维链。Google 此时强调透明，既是安全叙事，也是差异化定位。对国内厂商而言，是否跟进思维链监控与透明化，会成为一个需要权衡合规、成本与产品体验的选择。
背景与影响
Gemini 4 Argon 是 Google 在 Gemini 系列上的新一代前沿模型，距离上一代 3.8 Flash Cyber 的发布并不久。从官方描述看，Google 此次把重心放在「长周期、多步骤、专业领域」的任务上，而不是通用对话能力。100 万 token 的输出上限是一个值得注意的规格变化：过去模型的输出上限普遍在数万 token 量级，64K 已属较高，而 100 万意味着模型可以在一次推理中生成数十万 token 的中间推理与最终产物，这直接对应长代码迁移、深度研究报告、法律文书起草这类需要「一口气写完」的场景。 发布节奏上，Google 选择了分阶段开放：先通过 Fairwind Program 给受信任的网络安全防御方，同时参与美国政府的前置模型访问自愿流程。这与近年来前沿模型发布前先与政府沟通、先做红队测试的行业惯例一致。定价上，2 美元/百万输入、10 美元/百万输出属于前沿模型中的中档偏上水平，缓存输入 95% 折扣则明显是在鼓励高频、重复上下文的 Agent 类工作负载。 内部应用案例是这次发布中信息量最大的部分。量子算法优化、数据中心内存回收、C/C++ 到 Rust 的迁移，都是 Google 自身工程体系里的真实任务，且给出了具体数字（40% 提升、300 TiB 内存、80 万行代码、2.7 倍加速）。这些案例说明 Argon 的定位不只是「更强的聊天模型」，而是能直接嵌入工程流水线的执行体。 安全方面，Google 列出了四个方向：防滥用（网络与 CBRN）、防间接提示注入、错位监控、系统加固。其中「监控思维链并在必要时停止执行」以及「不把监控发现反馈进训练以免模型学会规避」是相对具体的机制描述，也呼应了 Google 近期在前沿安全框架上的表态。值得注意的是，Google 明确表示对受信任防御方和内部团队发布不带网络护栏的版本，这意味着能力开放与风险控制是按用户身份分层的。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。