Google 发布 Gemini 4 Argon：面向复杂多步任务的前沿模型，API 全球上线并定价每百万输入 4 美元

我们正面向开发者、企业、科学家和消费者开放我们的最新前沿模型。

---

[Koray Kavukcuoglu

Google DeepMind 高级副总裁兼 Google 首席 AI 架构师](https://blog.google/authors/koray-kavukcuoglu/)

---

本文内容

---

Gemini 4 Argon 今日正式在全球范围内向开发者和企业开放，可通过 AI Studio 和 Gemini 平台 的 API 访问；Google AI Ultra 订阅用户可在 Google Antigravity 中使用；Google AI Ultra 和 Pro 订阅用户则可在 Gemini 应用 以及搜索中的 AI Mode 中体验。

Argon 在编码、金融、法律、网络安全和科学等领域的复杂现实任务中表现出色，尤其擅长深度工作。凭借在多步任务中的深度与精准度，Argon 在跨领域基准测试中超越其他前沿模型，并在衡量模型在金融、编码、法律和税务等关键经济领域表现的 Vals Index 上排名第一。

该模型今日以入门价格 1 发布：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）。

Google 内部团队、各企业以及研究社区的成员已经在使用 Argon，并在多个领域取得了显著影响：

• 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
• 发现并修补关键的网络安全漏洞
• 推动量子计算、核聚变和生命科学领域的突破性进展

解决复杂的工程任务

在 Google，我们一直在用 Argon 解决最棘手的工程难题。过去几周里，软件工程师们正以空前的速度交付高质量代码。Antigravity 中的 Argon 帮助团队将智能体（agentic）代码提交量提升了超过 35%，同时将代码回滚次数减少了近三分之一。

• 梳理 Chrome 浏览器功能代码： Argon 协助 Chrome 团队从 Chromium 4000 万行代码库中，将一个约 600 万行的遗留浏览器功能文件夹与核心网页处理逻辑分离开来。通过同时推送多个干净的代码变更，Argon 帮助团队完成了横跨数百个文件的架构重构，将原本需要数月的工作压缩至数周内完成。对于全球数十亿 Chrome 用户而言，这将使实时网页能够在标签页、侧边栏和浮动窗口之间流畅切换而无需重新加载，从而彻底消除一类浏览器崩溃问题。

• 数小时内优化生产级 Python 代码库： Antigravity 中的 Argon 正在助力 Google 开源 Agent Development Kit (ADK) 背后的团队——该框架为企业智能体提供动力——进一步提升其性能工程水平。团队向 Argon 提供了 .agents/skills 规则手册以及一段简短的目标描述：在消除框架开销的同时不破坏现有应用。Argon 在夜间自主工作，发现了多项优化方案，现已合并至 google/adk-python，使长会话中的内存内会话准备时间减少了 40%，冷启动导入速度提升了 21%。阅读这篇工程技术深度解析以了解更多细节。

• 量子化学开源包优化： xTB（半经验扩展紧束缚方法）是引用率最高的分子量子化学开源软件包之一。科学家利用它来预测分子的三维结构，并筛选大量的药物和材料候选物。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原来的 2.3 倍，构象搜索速度提升至原来的 1.8 倍。相关改动已贡献给官方 GitHub 上的 xTB 仓库。

• 让开源 Gemma 模型速度提升近三倍： 使用 Argon，我们在 A100 GPU 上通过 vLLM 实现了 2.85 倍的端到端推理加速（Gemma 4 E2B 的吞吐量从约 37,900 tokens/s 提升至超过 108,000 tokens/s），同时保持 100% 的 token 一致性且零质量损失。这一过程仅耗时几天，而通常这需要数月之久。查看这些上游 Pull Request（涵盖从注意力调优到推测解码的各项优化）以了解具体变更。

• 交付复杂的 3D 可视化： 与之前的 Gemini 模型相比，Argon 在空间推理、数学精度和视觉编码方面均有显著提升。借助 Antigravity 中的斜杠命令（如 /goal）以及结合自定义技能的多智能体循环提示，Google 员工正利用 Argon 快速原型开发复杂的 3D 可视化、高保真游戏和交互式动画，这些内容均使用原生代码编写，并可直接在浏览器中渲染。

Argon 在 Antigravity 中利用多智能体视觉批评循环，构建了一个高度精细的宝塔模型。该模型自主雕刻出一个包含多座建筑的寺庙建筑群，并在 Blender 中实现了照片级真实的建筑、植被和光照效果。

Argon 利用 Antigravity 中的多智能体循环，将真实桌面的照片转化为可玩的微型赛车游戏。桌面物体、房间和赛道通过 Blender MCP 进行建模和碰撞检测，使用 Nano Banana 进行纹理处理，并通过 Three.js 接入物理引擎、自定义着色器以及来自 Gemini Omni Flash 的汽车引擎音效。立即体验 Google AI Studio。

Argon 在 Antigravity 中编写 Python 脚本，利用多智能体视觉批评循环对复杂的 3D 游戏进行程序化雕刻、绑定、动画制作和 PBR 烘焙，随后通过 Three.js 将其部署到 Web 端，集成 GLSL 着色器、破碎物理效果和单人 AI。立即体验 Google AI Studio。

在不依赖任何外部库且 100% 纯 Python 的情况下，Argon 编写了自己的 3D 光线追踪引擎，并配备自定义视频工具和音频混合器，从零开始构建并记录了一个阳光充足的图书馆场景。它利用 Gemini 3.8 TTS 配音和 Lyria 3.5 音乐，完成了视频的生成、旁白录制和剪辑组装。查看 源代码。

从 Antigravity 中的一张 Nano Banana 图像开始，Argon 在自主循环中驱动 Blender MCP，对齐相机网格、雕刻哥特式建筑并布置音频响应式灯光，从而创建出最终的 3D 场景。

变革关键业务和专业工作流

Argon 融合了前沿推理能力、深度视觉感知、扩展的领域知识以及在法律、金融、科学和编码方面更强的写作能力，以协助高风险的专业工作流。它沟通清晰，让你保持知情状态，并且比我们要之前的任何 Gemini 模型都更好地遵循风格指令。Argon 回答问题更加直接，减少模棱两可的表述，避免不必要的重复，并在回复中摒弃陈词滥调。

我们早期访问计划中的企业客户和初创公司已经见证了 Argon 带来的显著成效。

凭借先进的推理能力和多模态特性，同时保持严格的依据性（grounding），Argon 在深度多模态文档理解、纵向数据分析以及交互式分析沙箱方面表现出色。

查看 Argon 如何整合约 50 GB 的机载 LiDAR 扫描数据、GIS 房间矢量图、美国国会图书馆 CAD 图纸以及国家公园管理局（NPS）档案，重建查科峡谷（Chaco Canyon）的 3D 模型，将碎片化的考古记录转化为可探索的数字遗产站点。立即尝试 Google AI Studio。

在 Gemini App 中，Argon 接收一个包含项目上下文的非结构化文件夹，并利用自定义技能将其整理为面向客户的清晰提案演示文稿。随后，Gemini 起草该演示文稿并通过电子邮件发送给客户，同时创建一个自动化工作流，以处理未来所有传入的客户请求。

观看 Argon 从 3 个开源代码库中综合数据，构建一款医学学习工具。在该工具中，你可以剥离解剖学层级、检查临床元数据，并在人体 3D 探索中触发生物力学模拟。

在 macOS 版 Gemini 应用中，Argon 利用 Antigravity 为沙发生成新支腿的设计迭代方案，使用 Nano Banana 进行渲染，并生成其中一种方案的 3D 打印文件。从尺寸草图和沙发照片出发，Argon 构建出尺寸精准、完美适配沙发的模型。

在 Isomorphic Labs，团队正将 Argon 作为合作伙伴，以加速其药物发现与设计研究工作流。Argon 能够快速综合复杂的 PDF 文件和专利文档，提取关键信息，将通常耗时数周的过程缩短至数小时。

携手研究人员与领域专家，加速现实世界影响

研究人员、工程师和安全专家已经在使用 Argon 突破网络防御、科学、数学和机器人技术的边界。它帮助网络防御人员和研究人员验证假设、自主审计关键代码库和形式化证明，并捕捉细微的零日漏洞和逻辑缺陷。

将最先进的网络能力赋予更多受信任的防御者

从今天开始，我们启动扩展计划，纳入数百名额外的 Fairwind Program 合作伙伴。

Wiz 已在其 "Scan for Good"（公益扫描）倡议中使用 Argon，该倡议旨在免费保护关键基础设施以造福公众。通过早期访问该模型，Wiz 已在多个高风险领域展示了 Argon 的实际影响力：

• 保障敏感政府数据安全： 作为长期网络韧性计划的一部分，并与某联邦机构合作，Argon 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安全缺口。此举有助于防止关键安全领域的开发细节泄露以及针对专用模型的未授权访问。
• 保护关键医疗基础设施： Wiz 还利用 Argon 来保护至关重要的医疗基础设施。通过串联复杂的漏洞链，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，该漏洞曾暴露主密钥并授予管理员权限。Argon 不仅限于发现漏洞，更主动保障了数十万份私人患者记录的安全。

推动新的科学突破

Argon 已在科学界产生实际影响——赋能科学家和专家在多个领域实现新颖的发现。

• 量子计算： Argon 正在帮助我们的研究人员加速推进量子纠错和算法设计方面的进展。为了让错误解码器能够实时跟上量子硬件的步伐，Argon 将我们基于机器学习的量子错误纠正解码器 AlphaQubit 的内部版本转换为单个高度优化的硬件内核——使其推理吞吐量几乎翻倍，从而让我们能够部署更大、更强大的模型并扩展到更大的量子设备，同时继续满足严格的实时阈值要求。Argon 还在降低量子子程序的时间空间成本。对于 arcsin（近期量子模拟算法中的一个构建模块），由 Argon 编写并在 Lean 中经过形式化验证的实现，相比已发表的量子 CORDIC 基线，将时间空间成本降低了超过 100 倍，这是迈向优化量子电路标准库的一步。

• 核聚变： 仿星器是极其复杂的机器，代表了无限清洁聚变能源的主要候选方案，但优化其三维磁场以众所周知的困难著称。自 1967 年以来，一个长期存在的假设被称为“Grad 猜想”，认为寻找这些磁场的精确数学解是不可能的，直到最近发现了反例，其中包括马里兰大学 Matt Landreman 教授的工作。现在，谷歌团队与 Landreman 教授合作发现了更广泛的 Grad 猜想反例类别。这些新解决方案为聚变社区提供了可靠的基准，用于测试他们的仿星器模拟代码，这些代码是未来设计的宝贵工具。

• 罕见病研究： Gamow Labs 的研究人员利用 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。在一个案例中，Argon 精准定位了一处常规软件多年来一直未能发现的染色体易位，并解释了其未被检测到的原因。在基于真实临床和实验室数据构建的 Gamow Labs 私有评估集上，Argon 在 RareBench（罕见病诊断辅助任务得分 57%）和 LabBench（湿实验推理任务得分 52.2%）中均表现最佳。这些进展预示着面临罕见病的家庭有望获得更快的诊断。更多详情见博客 2。

• 酶设计： 具有精确反应活性的工程酶研发过程通常极其缓慢，往往需要数月的定制化模型调优和候选物筛选。丝氨酸酯酶是一类能够切割目标分子酯键的酶，广泛应用于回收、制药、生物燃料和洗涤剂制造等领域。我们的科学家与 Argon 合作设计丝氨酸酯酶，以基准分子 4MU-acetate 为靶点——该分子的酯键断裂后在紫外光下会发光。Argon 在几小时内完成了相关数据的整合、模型调优，并识别出多个受生物化学启发的过滤条件，最终得到一组五个全新设计方案。随后的实验室测试证实，这些设计方案均表现出稳健的催化活性。成功生成酶的速度之快、难度之低，展示了在生物制造、绿色化学和药物开发等领域加速酶工程研发的潜力。

为了进一步加快研究步伐，我们向 10,000 名科学家免费提供 Google Antigravity 的最高使用层级，为期 6 个月（滚动式接入），具体取决于资格、容量和筛选结果。申请现已开放。

加速机器人开发

通过整合先进的视觉语义推理、深层物理理解和自主代码生成，Argon 解锁了机器人技术栈中的全新工作流，并加速了迈向物理 AGI 的进程。这一能力飞跃体现在 Argon 于 Embodied Reasoning (ERQA) benchmark 上的表现中，该基准测试模型在 3D 环境中理解和解决物理及空间问题的能力。仅依靠纯推理，Argon 超越了所有其他前沿模型，取得了 87% 的分数。

为了在实际场景中展示这些能力，我们测试了 Argon 仅通过观看视频学习分布外（out-of-distribution）物理技能的能力。在一次内部测试中，Argon 观看了一段人类玩玉米洞游戏（cornhole）的原始视频，映射了环境的空间坐标，并计算了所需的全身关节运动。随后，它自主构建了仿真代码。当迁移到 Apptronik 的 Apollo 人形机器人上时，该机器人在真实世界试验中迅速连续投中了七个球。

这种“视频到仿真再到现实”（Video-to-Sim-to-Real）的流程将数周的手动仿真建模压缩至几小时，将普通视频转化为可扩展、无限的机器人训练场。欲了解更多关于这如何加速机器人开发步伐的信息，请阅读我们的开发者博客。

负责任且安全地开发 Argon

安全与保障是 Google 模型开发的基石。由于 Argon 是一个高能力的模型，我们与多家第三方合作伙伴协作，对某些模型能力和防护措施进行了评估。Gemini 4 Argon 代表了我们迄今最全面的安全与保障体系：

• 滥用与越狱防御： 同样的编程和科学能力既能帮助防御者修补医院软件或加速生物工程，也要求针对恶意行为者建立强有力的防护措施。根据我们的前沿安全框架（Frontier Safety Framework），我们在多个领域评估了 Argon 的增强能力，并部署了一个结合越狱抵抗、监控和执行的多层防御栈。这极大地提升了我们的鲁棒性——例如，外部生物红队测试仅能解锁不到 1% 的我们所测试的生物子任务。此外，面对危险请求——从编写漏洞利用代码到协助处理危险生物材料——Argon 拒绝执行有害请求的能力显著优于我们之前的模型。在一个旨在对模型进行压力测试的对抗性数据集上，违规次数减少了近一半——这也显著优于之前的 Gemini 模型。

• 智能体对齐与实时监控： 随着智能体成为更强大的问题解决者，我们必须确保它们在遇到障碍（如权限错误或测试失败）时，不会为了完成任务而过于急切地采取未经授权的捷径。

• 首先，我们训练 Argon 尊重系统边界，如实报告负面发现，并在采取不可逆步骤之前暂停以等待人工确认。在那些模型没有理由保留实力的编程基准测试中，Gemini 4 Argon 上的捷径尝试率降至仅 2%，这是我们相比之前 Gemini 模型取得的最佳表现。

• 其次，作为纵深防御层，我们构建了一个自动化的错位（misalignment）监控器，该监控器读取智能体的逐步推理和行动，以实时捕获并阻止意外的变通方案。我们在内部部署、能力评估和强化学习训练运行中使用了此监控器——同时在训练期间严格避免惩罚模型的思维过程，以保持其推理的透明性和可监控性。

• 提示注入抵抗： 当智能体浏览网页、阅读邮件或检查代码时，它们可能会遇到旨在劫持其任务的隐藏恶意指令。通过对抗性训练和自动化红队测试，Argon 在 Gray Swan 间接提示注入（IPI）基准测试中领先，将 15 次自适应攻击中的攻击成功率降低至 0.7%。

更多信息请参阅 Gemini 4 Argon 模型卡。

立即开始

Argon 能够投入更长时间、更多精力来解决高度复杂的科学、编程和智能体（agentic）问题。这得益于通过 Gemini API 提供的业界领先的 100 万统一输入输出 token 限制。请查阅我们的开发者和企业文档，了解新的续写协议并确保根据您的需求进行适当配置。Argon 今日在全球范围内推出：

• 对于开发者： 可在 AI Studio 和 Android Studio 中使用 Gemini API 付费层级进行开发；如果您是 Google AI Ultra 订阅用户，还可以在 Google Antigravity 和 AI Studio 中试用。
• 对于企业： 可在 Gemini for business、API 以及 Google Antigravity 中试用。
• 对于普通用户： 如果您是 Google AI Ultra 或 Pro 订阅用户，从今天起即可在 Gemini 应用和搜索中的 AI Mode 中试用。
• 对于科学家与研究人员： 申请有机会免费获得 Google Antigravity 最高使用层级的访问权限，为期 6 个月（滚动式接入），具体取决于资格、容量和筛选结果。申请现已开放。
• 对于网络安全防御者： 申请加入 Fairwind Program，以滚动方式获取无网络防护栏限制的 Argon 访问权限。

Gemini 4 Argon 仅仅是开始。我们期待为您带来 Gemini 4 系列的其余成员。

发布于: 1

在 2026 年 11 月 30 日介绍期结束后，将适用每 100 万输入 token 4 美元、每 100 万输出 token 20 美元的价格。仅适用于面向公众开放的 Argon 模型。 *本博客中的观点来自外部方，不代表 Google 的观点。