Google DeepMind 推出 Gemini 4 Argon，面向复杂编程、科学与企业任务

Google DeepMind 宣布 Gemini 4 Argon 在全球范围内正式可用，这是一款面向编程、金融、法律服务、网络安全和科学领域复杂多步骤工作的前沿模型。

该模型自2026年10月13日起向开发者和企业开放，可通过 AI Studio 和 Gemini 平台中的 API 访问。Google AI Ultra 订阅用户可在 Google Antigravity 中使用，Google AI Ultra 和 Pro 订阅用户可在 Gemini 应用和搜索中的 AI Mode 中使用。

Google DeepMind 高级副总裁兼 Google 首席 AI 架构师 Koray Kavukcuoglu 表示，此次发布让开发者、企业、科学家和消费者得以使用该公司最新的前沿模型。

Google 表示，Argon 专为跨现实领域的“深度工作”而设计。该公司表示，该模型在多个领域的基准测试中优于其他前沿模型，并在 Vals Index 上排名第一，该指数衡量模型在金融、编程、法律和税务等关键经济领域的表现。

introductory 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 享受95%折扣。在 introductory 期于2026年11月30日结束后，价格将为每100万输入 token 4美元、每100万输出 token 20美元。该定价适用于面向公众开放的 Argon 模型。

Google 表示，各团队已在使用 Argon 重构和优化大型代码库、改进法律、金融和科学领域的工作流程、发现并修复网络安全漏洞，以及支持量子计算、核聚变和生命科学研究。

工程与软件开发

Google 表示，Argon 已在公司内部用于处理困难的工程项目。在 Antigravity 中，该模型帮助团队将智能体代码提交量提高了35%以上，同时将代码回滚减少了近三分之一。

在 Chrome 项目中，Argon 帮助工程师将核心网页处理逻辑与 Chromium 4000万行代码库中一个包含约600万行浏览器功能的遗留文件夹分离开来。通过一次性产出多个干净的代码更改，该模型帮助团队在数周内（而非数月）完成了横跨数百个文件的架构重构。

Google 表示，这项工作旨在让网页能够在标签页、侧边栏和浮动窗口之间流畅移动而无需重新加载，为 Chrome 的数十亿用户消除一类浏览器崩溃问题。

Google 开源的 Agent Development Kit（ADK）团队也使用了 Argon，这是一个面向企业智能体的框架。工程师向模型提供了他们的 .agents/skills 规则手册和一段话的目标：在不破坏现有应用的前提下消除框架开销。

Argon 通宵自主工作，找出了现已上线 google/adk-python 代码库的优化。Google 表示，这些更改将长会话中的内存内会话准备时间缩短了40%，并将冷导入速度提高了21%。该公司发布了一篇工程深度解析文章介绍这项工作。

研究人员还在 Antigravity 中使用 Argon 优化了 xTB（Semiempirical Extended Tight-Binding），这是一个开源量子化学软件包，用于预测分子3D结构以及筛选药物和材料候选物。Google 表示，xTB 预测分子结构的速度提升至多2.3倍，构象搜索速度提升至1.8倍。这些更改已提交至 xTB 的官方 GitHub 代码库。

Google 还报告称，其开源 Gemma 模型在 A100 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 token/秒提升至超过108,000 token/秒，同时保持100%的 token 一致性且质量零下降。Google 表示，这项包括注意力调优和投机解码在内的工作在几天内完成，而通常需要数月。相关更改包含在 vLLM 上游 pull request 中。

3D 可视化与交互式应用

Google 表示，与之前的 Gemini 模型相比，Argon 在空间推理、数学精度和视觉编程方面均有显著提升。通过在 Antigravity 中使用 /goal 等斜杠命令、多智能体循环和自定义技能，Google 员工已使用该模型以原生代码原型化 3D 可视化、高保真游戏和可在浏览器中直接渲染的交互动画。

在一项演示中，Argon 通过多智能体视觉评审循环在 Blender 中创建了一座细节丰富的宝塔。该模型自主雕刻了一个包含多座建筑的寺庙建筑群，具有照片级真实的建筑、植被和光照。

在另一个示例中，Argon 将真实书桌的照片转换为一款可玩的微型赛车游戏。Blender MCP 用于对书桌、房间和赛道进行建模与碰撞检测；Nano Banana 提供纹理；Three.js 处理物理、自定义着色器以及来自 Gemini Omni Flash 的汽车引擎音频。Google 已通过 Google AI Studio 提供该应用。

Argon 还编写了 Python 脚本，以程序化方式雕刻、绑定、动画化并进行基于物理的渲染，制作出一款复杂的 3D 游戏。随后它将该游戏通过 Three.js 连接到网页，包含 GLSL 着色器、破碎物理和单人 AI。该应用现已在 Google AI Studio 中提供。

在不使用任何外部库、100%纯 Python 的条件下，Argon 创建了一个 3D 光线追踪引擎，并配备了自定义视频工具和音频混音器。该系统从零开始构建并记录了一座阳光洒落的图书馆，使用 Gemini 3.8 TTS 配音和 Lyria 3.5 制作的音乐，制作、旁白并剪辑了一段视频。Google 已发布源代码。

在另一项 Antigravity 演示中，Argon 从单张 Nano Banana 图像开始，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光照，最终完成了一个 3D 场景。

商业与专业工作流程

Google 表示，Argon 结合了先进推理、视觉感知、更广泛的领域知识和更强的写作能力，服务于高风险的专业工作流程。该公司表示，该模型沟通清晰，比以往的 Gemini 模型更一致地遵循风格指令，回答更直接、更少模糊措辞，避免不必要的重复，并省略陈词滥调。

据 Google 介绍，参与其早期访问计划的企业客户和初创公司正在使用 Argon 进行多模态文档理解、纵向数据分析和交互式分析沙箱，同时保持严格的依据约束。

其中一项演示涉及约 50 GB 的机载 LiDAR 扫描数据、GIS 房间矢量、美国国会图书馆 CAD 图纸和美国国家公园管理局档案。Argon 综合这些材料重建了查科峡谷的 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。该项目已通过 Google AI Studio 提供。

在 Gemini 应用中，Argon 可以接收一个包含项目上下文的无结构文件夹，并通过自定义技能将其整理为面向客户的提案演示文稿。Gemini 随后可以起草并通过电子邮件发送该文稿，同时为未来的客户请求创建定时工作流程。

Google 还演示了 Argon 将三个开源代码库中的数据整合为一个医学学习工具。该工具允许用户在人体 3D 探索中逐层剥离解剖结构、查看临床元数据并触发生物力学模拟。

在 Gemini macOS 应用中，Argon 使用 Antigravity 和 Nano Banana 为新沙发腿生成设计迭代，然后生成 3D 打印文件。从一张尺寸草图和沙发照片出发，该模型构建了尺寸精确匹配的零件。

在 Isomorphic Labs，Argon 正被用于加速药物发现和设计研究。Google 表示，该模型能够快速综合复杂的 PDF 和专利以提取相关信息，将通常需要数周的流程缩短至数小时。

网络安全与科学研究

Google 表示，研究人员、工程师和安全专家正在网络防御、科学、数学和机器人领域使用 Argon。应用场景包括检验假设、审计关键代码库和形式化证明，以及发现零日漏洞和逻辑缺陷。

Fairwind 计划与 Wiz

Google 表示，正开始向 Fairwind 计划的数百个新合作伙伴扩展，该计划为受信任的防御者提供网络能力。

Wiz 正在其“Scan for Good”倡议中使用 Argon，该倡议免费保护关键基础设施以造福公众。据 Google 介绍，Wiz 在多个高风险领域使用了 Argon 的早期访问权限。

在一项与某联邦机构合作开展的长期网络韧性计划中，Argon 帮助主动识别并修复了一个可能泄露敏感政府数据和基础设施的漏洞。Google 表示，这项工作帮助防止了关键安全领域开发细节的暴露以及对专用模型的未经授权访问。

Wiz 还使用 Argon 保护关键医疗基础设施。通过串联复杂漏洞，该模型帮助团队发现并快速修复了一个暴露主密钥并授予管理员权限的公共文件下载绕过漏洞。Google 表示，Argon 不仅发现了该漏洞，还主动保护了数十万条私人患者记录。

量子计算

Google 研究人员使用 Argon 支持量子纠错和算法设计方面的工作。为帮助纠错解码器实时跟上量子硬件的步伐，Argon 将 Google 的机器学习量子纠错解码器 AlphaQubit 的内部版本转化为一个高度优化的单一硬件内核。

Google 表示，该内核将推理吞吐量几乎翻倍，使公司能够部署更大、能力更强的模型，并扩展至更大的量子设备，同时继续满足严格的实时阈值要求。

Argon 还被用于降低量子子例程的时空成本。对于近期量子模拟算法中的构建模块 arcsin，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 基准，将时空成本降低了100倍以上。Google 将这项工作描述为迈向优化量子电路标准库的一步。相关研究发表在一篇 arXiv 论文中。

核聚变

仿星器是极其复杂的机器，是实现无限清洁聚变能的主要候选方案之一，但优化其三维磁场是出了名的困难。自1967年以来，一个名为“Grad 猜想”的长期假设认为，为这些磁场找到精确的数学解是不可能的，直到近期出现了反例，其中包括马里兰大学 Matt Landreman 教授的工作。

Google 表示，一个与 Landreman 合作的研究团队现已发现了更广泛的一类 Grad 猜想反例。这些新解为聚变界提供了可靠的基准，用于测试其仿星器模拟代码，而这些代码对未来设计具有重要价值。

罕见病研究

Gamow Labs 的研究人员使用 Argon 分析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 定位出一处常规软件多年来一直遗漏的染色体重排，并解释了为何此前未被检测到。

在基于真实临床和实验室数据的 Gamow Labs 私有评估中，Argon 在 RareBench（罕见病诊断辅助）上得分57%，在 LabBench（湿实验室推理）上得分52.2%。Google 表示，这些进展有望为面临罕见疾病的家庭带来更快的诊断。更多信息可从 Gamow 及其基准测试页面获取。

酶设计

设计具有精确反应性的酶通常十分缓慢，往往需要数月的定制模型调优和候选物筛选。丝氨酸酯酶是一类切割目标分子上酯键的酶，广泛用于回收以及制药、生物燃料和洗涤剂制造。

Google 科学家与 Argon 合作设计丝氨酸酯酶，针对基准分子 4MU-acetate——该分子在酯键断裂后会在紫外光下发光。在数小时内，Argon 汇总了相关数据、执行了模型调优，并确定了多种基于生物化学原理的过滤器，最终得出五种全新设计。

随后的实验室测试证实这些设计均具有稳健的催化活性。Google 表示，这项工作展示了在生物制造、绿色化学和药物开发等领域快速加速酶工程的潜力。

Google 正向10,000名科学家免费提供 Google Antigravity 最高用量等级为期6个月的访问权限。研究人员将按滚动方式接入，需符合资格、容量和遴选条件。申请现已开放。

机器人技术

Google 表示，Argon 结合了视觉语义推理、深度物理理解和自主代码生成，为机器人技术栈中的新工作流程提供支持，并加速迈向物理 AGI。在测试模型理解和解决 3D 环境中物理空间问题能力的具身推理（ERQA）基准上，Argon 取得了87%的分数。Google 表示，在依赖纯推理的情况下，这一成绩高于所有其他前沿模型。ERQA 基准已公开提供。

在一项内部测试中，Argon 仅通过观看一段真人玩沙包投掷（cornhole）游戏的原始视频，便学会了一项分布外的物理技能。该模型绘制了环境的空间坐标，计算了所需的全身关节运动，并自主构建了仿真代码。

当该系统迁移至 Apptronik 的 Apollo 人形机器人后，机器人在真实世界试验中连续七次投掷全部命中。Google 将这一流程称为“Video-to-Sim-to-Real”管道，并表示它将数周的人工仿真建模压缩至数小时，把普通视频转变为机器人技术可扩展的无限训练场。Apptronik 是 Apollo 人形机器人背后的公司。Google 在其开发者博客中提供了更多细节。

安全与防护

Google 表示，安全与防护是其模型开发流程的基础。由于 Argon 能力极强，公司与多家第三方合作伙伴合作，对某些模型能力和防护措施进行了评估。Google 称 Gemini 4 Argon 拥有迄今为止最全面的安全防护体系。

在 Google 的前沿安全框架下，公司评估了 Argon 在多个领域的能力，并部署了结合越狱抵抗、监控和执行的多层防御体系。Google 表示，外部生物红队仅能解锁其测试的生物子任务中不到1%的任务。

对于危险请求，包括编写漏洞利用代码和涉及危险生物材料的协助，Google 表示 Argon 比以往模型明显更倾向于拒绝执行。在一个用于压力测试模型的对抗性测试集上，违规行为相比以往的 Gemini 模型减少了近一半。

Google 还训练 Argon 尊重系统边界、诚实报告负面结果，并在采取不可逆操作前暂停等待人工确认。在模型没有理由有所保留的编程基准上，走捷径的尝试降至仅2%，Google 称这是 compared 以往 Gemini 模型中的最佳表现。\n作为额外的防御层，Google 构建了一个自动化失准监控器，读取智能体的逐步推理和操作，以实时识别并阻止意外的变通方案。该监控器被用于内部部署、能力评估和强化学习训练运行中。Google 表示，公司在训练过程中严格避免惩罚模型的想法，使其推理保持透明且可监控。

Argon 还接受了提示注入测试。浏览网页、读取电子邮件或检查代码的智能体可能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 间接提示注入基准中位居领先，在15次自适应攻击中将攻击成功率降至0.7%。

更多信息请参阅 Gemini 4 Argon 模型卡。

可用性与获取方式

Argon 通过 Gemini API 支持行业领先的100万 token 统一输入输出限制。Google 表示，开发者和企业应查阅有关新续传协议的文档并妥善配置系统。相关文档涵盖长解码以及Google 企业智能体平台上的 Gemini 4 Argon。

Google 的全球推出包括以下获取方式：

• 开发者： 在 AI Studio 和 Android Studio 中使用 Gemini API 付费层级进行构建。Google AI Ultra 订阅用户还可在 Google Antigravity 和 AI Studio 中试用 Argon。
• 企业： 在 Gemini 商业版、API 和 Google Antigravity 中使用 Argon。
• 普通用户： Google AI Ultra 和 Pro 订阅用户可在 Gemini 应用和搜索中的 AI Mode 使用 Argon。
• 科学家与研究人员： 申请免费使用 Google Antigravity 最高用量等级6个月，需符合资格、容量和遴选条件。
• 网络安全防御者： 申请加入 Fairwind 计划，以滚动方式获取不带网络安全防护栏的 Argon 访问权限。

Google 表示，Gemini 4 Argon 只是 Gemini 4 系列的首个发布，后续还将推出更多模型。

该公司指出，博客中的观点属于外部方，不代表 Google 的观点。原始公告由 Google DeepMind 发布。