Google 发布 Gemini 4 Argon，面向复杂编码、科研与专业任务

Oct 13, 2026

我们正向开发者、企业、科学家和消费者开放我们最新的前沿模型。

本文内容

Gemini 4 Argon 今日起在全球范围内正式开放：开发者和企业可通过 AI Studio 和 Gemini platform 中的 API 使用；Google AI Ultra 订阅用户可在 Google Antigravity 中使用；Google AI Ultra 和 Pro 订阅用户可在 Gemini 应用和搜索中的 AI 模式中使用。

Argon 擅长深入处理编程、金融、法律、网络安全和科学等领域中复杂的现实任务。凭借在多步骤任务中的深度和精确性，Argon 在跨领域基准测试中超越了其他前沿模型，并在 Vals Index 中排名第 1；该指数衡量模型在金融、编程、法律和税务工作等关键经济领域的表现。

该模型今日以首发优惠价 ¹ 推出：每百万输入 token $2，每百万输出 token $10（缓存输入 token 可享受 95% 的折扣）。

Google、各企业以及研究界的团队已经在使用 Argon，在多个领域取得显著成效：

解决大型代码库重构和优化等重大工程问题
优化法律、金融和科学等领域的业务工作流程
发现并修补关键网络安全漏洞
推动量子计算、核聚变和生命科学领域取得全新突破

解决复杂的工程任务

在 Google，我们一直在使用 Argon 解决最棘手的工程问题。过去几周，软件工程师交付高质量代码的速度创下新高。Antigravity 中的 Argon 帮助团队将智能体代码提交量提高了超过 35%，同时将代码回滚次数减少了近三分之一。

理清 Chrome 中的浏览器功能代码：Argon 帮助 Chrome 团队将核心网页处理逻辑从一个约 600 万行的旧版浏览器功能文件夹中分离出来，该文件夹位于 Chromium 的 4000 万行代码库中。通过一次推进多项干净的代码变更，Argon 帮助团队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缩短至数周。对于 Chrome 在全球的数十亿用户而言，这将使正在运行的网页能够在标签页、侧边面板和浮动窗口之间流畅移动，无需重新加载，并彻底消除一整类浏览器崩溃问题。

在数小时内优化生产环境中的 Python 代码库：Antigravity 中的 Argon 正在帮助 Google 开源 Agent Development Kit（ADK）的开发团队进一步提升性能工程水平，ADK 是一个为企业级智能体提供支持的框架。团队向 Argon 提供了他们的 .agents/skills 规则手册，以及一段目标说明，要求在不影响现有应用的前提下消除框架开销。Argon 在夜间自主工作，找出了多项优化方案，现已在 google/adk-python 中上线，使长会话中的内存会话准备时间缩短了 40%，冷导入速度提升了 21%。阅读工程技术深度解析，了解更多信息。
优化开源量子化学软件包：xTB（半经验扩展紧束缚）是分子研究领域被引用次数最多的开源量子化学软件包之一。科学家使用它来预测分子的 3D 形状，并筛选大量药物和材料候选物。借助 Antigravity 中的 Argon，我们的研究人员将 xTB 预测分子结构的速度提升至最高 2.3 倍，将构象搜索速度提升至 1.8 倍。这些更改已贡献至官方 GitHub 上的 xTB 代码仓库。
让我们的开放 Gemma 模型速度提升至近三倍：借助 Argon，我们仅用几天时间，就通过 vLLM 在 A100 上实现了端到端推理速度提升至 2.85 倍（Gemma 4 E2B 的吞吐量从每秒约 37,900 个 token 提升至超过 108,000 个 token），同时保持 100% 的 token 一致性，质量毫无下降，而这一过程通常需要数月。查看上游拉取请求（优化范围涵盖从注意力调优到推测解码的各个方面），了解具体更改。
实现复杂的 3D 可视化：与以往的 Gemini 模型相比，Argon 在空间推理、数学精度和可视化编程方面都有显著提升。Google 员工正在 Antigravity 中使用 /goal 等斜杠命令，并通过提示词结合自定义技能来驱动多智能体循环，借助 Argon，以原生代码构建复杂 3D 可视化、高保真游戏和交互式动画的原型，这些代码可直接在浏览器中渲染。

变革关键业务与专业工作流程

Argon 融合前沿推理、深度视觉感知、更广泛的领域知识，以及在法律、金融、科学和编程领域更强的写作能力，为高风险专业工作流程提供帮助。它表达清晰，让你随时了解进展，在遵循风格指令方面也优于我们以往的所有 Gemini 模型。Argon 回答问题更加直接，减少含糊其词，不做不必要的重复，并在整个回答中避免陈词滥调。

参与我们早期体验计划的企业客户和初创公司已经借助 Argon 取得了显著成效。

Argon 在严格确保内容有据可依的同时，利用其先进的推理和多模态能力，在深度多模态文档理解、纵向数据分析和交互式分析沙盒方面表现出色。

携手研究人员和领域专家，加速产生现实影响

研究人员、工程师和安全专家已经开始使用 Argon，拓展网络防御、科学、数学和机器人技术的边界。它正在帮助网络防御人员和研究人员检验假设，自主审计关键代码库和形式化证明，并发现隐蔽的零日漏洞和逻辑缺陷。

将最先进的网络安全能力带给更多值得信赖的防御人员

从今天起，我们将开始向数百家额外的 Fairwind Program 合作伙伴扩大开放。

Wiz 已在其“Scan for Good”倡议中使用 Argon，该倡议旨在为公共利益免费保护关键基础设施。通过提前获得该模型的使用权限，Wiz 已展示了 Argon 在多个高风险领域的实际影响：

保障敏感政府数据安全：作为一项长期网络韧性计划的一部分，Argon 与一家联邦机构合作，帮助主动识别并修复了一个可能导致敏感数据和政府基础设施暴露的漏洞。这项工作帮助防止了关键安全领域研发细节的泄露，以及对专用模型的未经授权访问。
保护关键医疗基础设施：Wiz 还使用 Argon 保护重要的医疗基础设施。通过将复杂漏洞串联起来，该模型帮助团队发现并迅速修复了一个公共文件下载绕过漏洞，该漏洞暴露了一把主密钥，并赋予了管理员访问权限。Argon 不仅发现了漏洞，还主动保护了数十万份患者隐私记录。

推动新的科学突破

Argon 已在科学界产生实际影响，帮助多个领域的科学家和专家取得新发现。

量子计算：Argon 正在帮助我们的研究人员加快量子纠错和算法设计两方面的进展。为了帮助纠错解码器实时跟上量子硬件的运行速度，Argon 将我们的机器学习量子纠错解码器 AlphaQubit 的一个内部版本转换为单个经过高度优化的硬件内核，使其推理吞吐量接近翻倍，让我们能够部署更大、能力更强的模型，并扩展到更大规模的量子设备，同时继续满足严格的实时性要求。Argon 也在降低量子子程序的时空开销。对于近期量子模拟算法中的一个基础组件 arcsin，由 Argon 编写并在 Lean 中完成形式化验证的实现，相比已发表的量子 CORDIC 基线，将时空开销降低了超过 100 倍，向构建优化量子电路标准库迈出了一步。
核聚变：仿星器是极其复杂的机器，被视为实现无限清洁聚变能源的主要候选方案之一，但其三维磁场的优化难度极高。自 1967 年以来，一个被称为“Grad 猜想”的长期假说一直认为，不可能为这些磁场找到精确的数学解，直到最近才出现了反例，其中包括 Matt Landreman 教授（马里兰大学）发现的反例。如今，Google 的一个团队与 Landreman 教授合作，发现了一类更广泛的 Grad 猜想反例。这些新解为聚变研究界提供了可靠的基准，用于测试仿星器仿真代码，而这些代码是未来设计的重要工具。
罕见病研究：Gamow Labs 的研究人员使用 Argon 分析了患有罕见发育性肺部疾病的新生儿的去标识化基因组。在一个病例中，Argon 精准识别出了一种常规软件多年来未能发现的染色体重排，并解释了它为何一直未被检出。在 Gamow Labs 基于真实临床和实验室数据构建的内部评测中，Argon 在 RareBench（罕见病辅助诊断得分为 57%）和 LabBench（湿实验推理得分为 52.2%）上均位居榜首。这些进展有望让面临罕见病的家庭更快获得诊断。更多详情请参阅博客 ² 。
酶设计：设计具有精确反应活性的酶向来十分耗时，往往需要花费数月进行定制化模型调优和候选筛选。丝氨酸酯酶是一类能够切断目标分子中酯键的酶，广泛用于回收利用以及药物、生物燃料和洗涤剂的制造。我们的科学家与 Argon 合作设计丝氨酸酯酶，目标是基准分子 4MU-acetate，该分子的酯键断裂后会在紫外光下发光。短短几小时内，Argon 就汇集了相关数据、完成了模型调优，并确定了多种受生物化学启发的筛选条件，最终得到五种全新设计。随后的实验室测试证实，这些设计均具有强劲的催化活性。成功生成酶的速度和便捷程度，展现了在生物制造、绿色化学和药物开发等领域大幅加快酶工程进程的潜力。

为进一步加快研究进程，我们将向 10,000 名科学家免费提供 Google Antigravity 最高使用额度档位，为期 6 个月（分批开放使用），具体取决于资格、容量和遴选结果。申请现已开放。

加快机器人开发

通过结合先进的视觉语义推理、深入的物理理解和自主代码生成能力，Argon 为机器人技术栈的各个层面开辟了新的工作流程，并加快迈向物理 AGI 的进程。这一能力飞跃体现在 Argon 在具身推理（ERQA）基准测试上的表现中，该测试考查模型理解和解决 3D 环境中物理与空间问题的能力。仅凭推理，Argon 就以 87% 的得分超越了所有其他前沿模型。

为展示这些能力在实际中的应用，我们测试了 Argon 仅通过观察来学习分布外物理技能的能力。在一次内部测试中，Argon 观看了一段人类玩沙包投掷游戏的原始视频，映射出环境的空间坐标，并计算出所需的全身关节运动。随后，它自主编写了仿真代码。将其迁移到 Apptronik 的 Apollo 人形机器人上后，该机器人在现实世界的试验中很快连续投中了七次。

这一“视频到仿真再到现实”的流程，将数周的手动仿真建模工作压缩至几小时，把普通视频转化为可扩展、无限的机器人训练场。有关这如何加快机器人开发进程的更多信息，请参阅我们的开发者博客。

以负责任且安全的方式开发 Argon

安全与安保是 Google 模型开发的基石。由于 Argon 是一款能力强大的模型，我们与多家第三方合作伙伴协作，对模型的某些能力和安全防护措施进行了评估。Gemini 4 Argon 拥有我们迄今最全面的安全与安保防护体系：

滥用与越狱防御：帮助防御方修补医院软件或加速生物工程研究的编程和科学能力，同样需要强有力的防护措施，以防范恶意行为者。根据我们的前沿安全框架，我们评估了 Argon 在多个领域中增强的能力，并部署了结合越狱抵抗、监控和强制执行措施的多层防御体系。这极大地提高了我们的稳健性——例如，外部生物领域红队测试仅能突破我们测试的生物子任务中不到 1% 的防护。此外，在面对危险请求时——从编写漏洞利用代码到协助处理危险生物材料——Argon 拒绝满足有害请求的表现明显优于我们之前的模型。在旨在对模型进行压力测试的对抗性测试集上，违规率降至原来的近一半——也明显优于此前的 Gemini 模型。
Agent alignment & real-time monitoring: As agents become more capable problem solvers, we have to ensure they don’t get overly eager to finish a task by taking unauthorized shortcuts when they hit a roadblock, like a permission error or a failing test.
- 首先，我们训练 Argon 遵守系统边界，如实报告负面发现，并在采取不可逆的步骤前暂停，以等待人工确认。在模型没有动机克制自身行为的编程基准测试中，Gemini 4 Argon 尝试走捷径的比例降至仅 2%，是我们历代 Gemini 模型中的最佳表现。
- 其次，作为纵深防御的一层，我们构建了一个自动化的失准监控器，通过读取智能体逐步展开的推理和操作，实时发现并阻止非预期的变通行为。我们在内部部署、能力评估和强化学习训练运行中使用了这一监控器，同时严格避免在训练期间惩罚模型的想法，以确保其推理保持透明且可监控。
提示注入抵抗能力：当智能体浏览网页、阅读电子邮件或检查代码时，可能会遇到旨在劫持其任务的隐藏恶意指令。通过对抗训练和自动化红队测试，Argon 在 Gray Swan 间接提示注入（IPI）基准测试中处于领先地位，将 15 次自适应尝试中的攻击成功率降至 0.7%。

如需了解更多信息，请参阅Gemini 4 Argon 模型卡。

即刻开始使用

Argon 能够更长时间、更深入地处理高度复杂的科学、编程和智能体任务。这得益于 Gemini API 提供的业界领先的 1M 输入输出统一 token 上限。请阅读我们面向开发者和企业的文档，了解新的续接协议，并确保根据您的需求进行适当配置。Argon 将于今天开始在全球推出：

面向开发者：在 AI Studio 和 Android Studio 中使用 Gemini API 付费层级进行构建；如果您是 Google AI Ultra 订阅用户，还可以在 Google Antigravity 和 AI Studio 中试用。
面向企业：在 Gemini for business、API 和 Google Antigravity 中试用。
面向日常用户：如果您是 Google AI Ultra 或 Pro 订阅用户，即日起即可在 Gemini 应用和搜索中的 AI 模式中试用。
面向科学家和研究人员：申请即有机会免费使用 Google Antigravity 的最高使用额度档位，为期 6 个月（分批开通），具体取决于申请资格、容量和遴选结果。申请现已开放。
面向网络安全防御人员：申请加入 Fairwind Program，即可分批获得不设网络安全防护限制的 Argon 访问权限。

Gemini 4 Argon 只是一个开始。我们期待为您带来 Gemini 4 系列的其余模型。