Google 已在全球推出其最新旗艦 AI 模型 Gemini 4 Argon，將其定位為專為複雜專業工作流程中的長篇多步驟推理而打造的系統。

開發人員與企業可透過 AI Studio 的 Gemini API 與 Gemini 平台使用該模型。Google AI Ultra 訂閱者還能在 Antigravity 代理環境中使用，以及在 Gemini 應用程式和 Search 的 AI 模式中使用。

據 Google 表示，Argon 在 Vals Index 基準測試中排名第一，該基準衡量模型在金融、程式設計、法律與稅務等經濟關鍵領域的表現。此類跨領域排名已成為 AI 實驗室證明其模型足以應對受監管、文件繁重的專業工作流程的標準方式。

上市定價為每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，快取輸入 token 享有 95% 折扣——這對需要反覆處理相同長篇文件的團隊來說是一項重要細節。優惠期於 2026 年 11 月 30 日結束後，價格將調漲一倍至每百萬 token 4 美元與 20 美元，讓團隊在成本上調前，能以上市價格擁有固定的評估期。透過 API，該模型支援業界領先的 100 萬 token 統一輸入輸出上下文視窗，足以在一次處理中容納龐大的程式碼庫或文件集，而無需將工作拆分為較小區塊。

Google 也公布了早期內部結果，指出模型帶來顯著的生產力提升。在 Antigravity 中執行 Argon 使代理程式碼提交數增加超過 35%，程式碼回退減少近三分之一。Chrome 團隊利用該模型梳理 Chromium 4,000 萬行程式碼庫中約 600 萬行的舊版資料夾，加速了原本需要數月的架構重構。對開源 ADK 框架貢獻的最佳化將記憶體內工作階段準備時間縮短 40%，冷啟動匯入速度提升 21%，而 Google 的 Gemma 模型在 A100 硬體上實現 2.85 倍的推理加速，且完全保持 token 一致性。由於這些數據來自 Google 自家工程團隊而非獨立測量，它們反映的是在公司自控條件下模型在大型程式碼庫上的表現。

— Google AI Studio (@GoogleAIStudio) October 13, 2026

科學與網路安全領域的實際部署

在軟體工程之外，Argon 正被應用於高風險的科學與安全領域，這一系列部署將模型的實績延伸至基準測試分數之外。在量子運算方面，該模型將 Google 的 AlphaQubit 糾錯解碼器轉換為單一最佳化的硬體核心，使推理吞吐量近乎翻倍。它還產出了 arcsin 副常式的形式驗證實作，相比已公開的基準，將時空成本降低超過 100 倍。

Google 與馬里蘭大學研究人員合作，利用 Argon 為 Grad 猜想找出新的反例。Grad 猜想是 1967 年提出的有關仿星器磁場最佳化的假說，是核融合能源研究的核心。

在生命科學領域，Gamow Labs 的研究人員利用 Argon 偵測出一名患有罕見肺部疾病新生兒的染色體重排，而標準軟體多年來皆未能發現。與此同時，Google 自家團隊在數小時內設計出五種全新的絲胺酸酯酶，全部在實驗室測試中證實具有催化活性。

在安全方面，資安公司 Wiz 運用 Argon 修補政府與醫療基礎設施中的漏洞，包括一個會暴露病患紀錄管理員權限的檔案下載繞過漏洞。Google 也在將 Fairwind 計畫擴展至數百家網路安全合作夥伴，並為 10,000 名研究人員提供六個月免費使用 Antigravity 最高用量層級的機會，讓外部組織能對模型進行長期的實際評估。

在安全性方面，Google 表示，外部生物紅隊測試僅成功解鎖不到 1% 的受測生物子任務，程式設計基準測試中的捷徑嘗試降至 2%，且 Argon 在 Gray Swan 間接提示注入基準測試中領先，在 15 次自適應嘗試中攻擊成功率僅 0.7%——這類攻擊是指隱藏在處理內容中的惡意指令企圖劫持模型行為。

本報導最初由 Metaverse Post 發布。