谷歌发布 Gemini 4 Argon：输出上限达百万 Token，重点布局长流程工程与网络安全

一句话结论

谷歌推出 Gemini 4 Argon，输出上限升至 100 万 Token 并优先向受信任安全团队开放，旨在攻克长流程工程与安全防御任务。

关键要点

• 输出 Token 上限从 64K 提升至 100 万，支持单条轨迹下数十万 Token 的深度推理与复杂任务执行。
• 定价初期每百万输入 Token 2 美元、输出 Token 10 美元，缓存输入价格较普通输入低 95%。
• 在 DeepSWE v1.1 软件工程评测中以 77.9% 创下新纪录，在 Zapier AutomationBench 中以 51.3% 排名第一。
• 该模型正参与 Fuchsia 操作系统内核等 80 多万行 C/C++ 代码向 Rust 的迁移项目，但尚未全部投入生产。
• 发布采取分阶段策略，目前仅通过 Fairwind 计划向受信任网络安全防御团队开放，未对普通开发者上线 API。

背景与事实

谷歌首席执行官 Sundar Pichai 近期宣布推出新一代模型 Gemini 4 Argon，明确其核心定位面向长流程软件工程、法律与金融等企业知识工作，以及网络安全防御。此次发布采取分阶段开放方式，当前仅通过 Fairwind 计划向一批受信任的网络安全防御团队提供访问权限。谷歌表示，将根据早期测试反馈调整安全防护措施，后续开放将从付费 API 客户和 Google AI Ultra 订阅用户开始，但未公布具体时间。在价格方面，Argon 上线初期每百万输入 Token 为 2 美元，每百万输出 Token 为 10 美元，缓存输入 Token 的价格较普通输入低 95%。

技术层面，Argon 的一项主要变化是输出 Token 上限从 64K 提升至 100 万。谷歌认为，更大的输出空间能够让模型在单条执行轨迹中进行更深入的推理，从而支持更长、更复杂的任务。对于软件迁移、金融研究和企业流程执行，这一设计试图解决的是任务持续性问题，即模型需要在多轮分析、验证与修改中推进工作。不过，输出上限本身并不等于任务完成能力，实际效果仍取决于模型能否保持目标一致、正确调用工具，并发现和纠正执行过程中的错误。

在基准测试方面，按照谷歌公布的结果，Argon 在衡量真实、长流程软件工程能力的 DeepSWE v1.1 中取得 77.9%，创下该评测的新纪录。在企业任务方面，Argon 在覆盖金融、编码、法律和税务工作的 Vals Index 中处于领先位置，在多步骤金融研究评测 Vals Finance Agent v2 和 Harvey 法律智能体评测中，也取得领先表现。此外，Argon 在 Zapier 的 AutomationBench 中以 51.3% 排名第一，该基准测试衡量核心业务功能的端到端执行力。Argon 在需要视觉理解的知识型工作中也展现出优势，例如在衡量长视频理解能力的 LVBench 测试中，Argon 的得分高达 91.7%。

影响分析

对于中文开发者与企业从业者而言，Argon 在长流程工程与安全领域的突破具有双重影响。一方面，输出上限的大幅提升及在软件工程基准测试中的领先表现，意味着未来在处理大规模代码迁移、金融研究及自动化办公流程时，模型具备更强的持续工作能力。对于涉及 C/C++ 向 Rust 迁移等底层系统重构的企业团队，这种能进入分析、修改、测试和优化连续工程流程的模型能力，将显著降低人力成本并提高工程效率。另一方面，当前分阶段开放的策略意味着普通开发者短期内无法通过公开 API 调用该模型，技术能力的获取存在门槛。企业需关注后续开放时间表，并评估在等待期内的技术替代方案。同时，模型在网络安全防御上的强化也提示，随着模型具备自主发现与修复漏洞的能力，企业安全策略需从单纯防护转向与 AI 协同的防御体系。

适用边界

上述关于工程效率与安全能力的结论，基于当前 Argon 仅向受信任网络安全防御团队开放的事实。若模型尚未对特定企业开放，或该企业数据不符合受信任团队标准，则无法直接应用其安全防御功能。此外，输出上限 100 万 Token 的优势仅适用于长流程、多步骤任务，对于短文本生成或简单问答场景，该特性不构成实际优势。谷歌明确指出，大规模代码重写仍需经过严格的自动化和人工审计、仿真测试与评审，因此不能直接将模型输出视为可立即投入生产的最终代码。

孤本观察

发布策略凸显能力与风控平衡。谷歌选择“先信任后开放”的路径，表明前沿模型能力已触及安全敏感区，开放节奏成为竞争新维度。

来源：InfoQ 中文 AI