Gemini 4 Argon rolls out globally: scores, cost and internal doubts

fox hsiao @pirrerOriginally posted 2026.10.14

Open original on X

Google 10 月 13 日把 Gemini 4 Argon 全球擴大推出，Google AI Pro 和 Ultra 訂閱者可以在 Gemini App 和搜尋的 AI 模式使用，開發者也能從 API 付費取用。這是 Gemini 4 家族第一個公開的模型，9 月 30 日先開放給少數資安合作夥伴。Google DeepMind 共同創辦人哈薩比斯（@demishassabis）在 X 上貼了一段影片，是請 Argon 做出來的 3D 巫師西洋棋，他說讓他懷念起 1988 年 Amiga 電腦上的 Battle Chess。 在這之前，Google 5 月在開發者大會宣布的 Gemini 3.5 Pro，原本說 6 月推出，Bloomberg 報導期限過後這個模型被放棄了。6 月，2024 年諾貝爾化學獎得主之一 John Jumper 宣布離開 DeepMind、加入 Anthropic。8 月，哈薩比斯改任 Google DeepMind 董事長，日常營運交給原本的技術長 Koray Kavukcuoglu。 Google 引用第三方榜單 Vals Index，說 Argon 排第一，這個榜考的是金融、法律、稅務和寫程式這類工作。獨立評測機構 Artificial Analysis 把 10 項測驗合成一個總分，Argon 拿 53 分，跟 OpenAI 的 GPT-6 Astra 同分，這家機構 9 月 30 日的標題寫的是 Google 在模型能力上回到前三大實驗室。分數比 Argon 高的有 Anthropic 的 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分），以及 Meta 10 月 12 日發表的 Muse Wonder Full（56 分）。 同一機構的單項測試中，Argon 在測自動操作商務軟體、完成工作流程的 AutomationBench-AA 拿 78% 排第一，在終端機寫程式的 Terminal Bench 4 拿 57%，落後 Claude Sonnet 5.5 的 64%。成本方面，用推廣價跑完這套測驗平均每題 1.99 美元，GPT-6 Astra 要 3.26 美元；推廣價到 11 月 30 日，恢復每 100 萬個 token（模型計價用的文字單位）輸入 4 美元、輸出 20 美元的原價後，每題變成 3.98 美元。沒有完全答對的題目裡，Argon 直接答錯的比例是 15%，GPT-6 Astra 是 51%。 Bloomberg 9 月 30 日另報導 Google 內部有不同看法，有知情人士說員工實際拿它做開發，特別是網站介面，表現不如跑分；另有兩位知情人士懷疑模型是為了考試特別調校的。Google 回應，說它在寫程式等領域表現不佳並不正確。 Google 這次也列出自家用例，Chrome 團隊用 Argon，在 4,000 萬行的 Chromium 程式碼裡，把核心網頁處理從約 600 萬行的舊功能資料夾分拆出來；開源模型 Gemma 4 E2B 在 A100 上透過 vLLM 的端到端推論速度提升到 2.85 倍。安全方面，Google 說外部生物紅隊在受測生物子任務中只解開不到 1%；藏在網頁或文件裡、想騙過模型的惡意指令（間接提示注入），在 Gray Swan 基準、15 次自適應嘗試下，攻擊成功率是 0.7%。 Google 發表文章的最後一句寫著，Argon 只是開始，Gemini 4 家族的其他成員還在後面。