Gemini 4 Argon 最擅长什么？

长文阅读与写作。Google 公布的领先项集中在知识工作，例如 Harvey's Legal Agent Benchmark 和 Vals Finance Agent v2；长上下文检索体现在 GraphWalks；长视频理解则是 LVBench 的 91.7%。它的编程成绩在 DeepSWE v1.1 上有竞争力，但在从零搭建项目上偏弱。

Gemini 4 Argon 的价格是多少？

Google 的 API 首发价是每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入享 95% 折扣。首发期结束后会上涨到每百万输入 4 美元、输出 20 美元。Google 没有说明涨价何时生效。

Gemini 4 Argon 和 Gemini 4.0 Pro 有什么区别？

Argon 是采用新命名体系的独立发布，不是 Gemini 4.0 系列的更新。它最关键的改变是输出上限从 64K 提升到 1M token，而且它是 Gemini 3 之后的首款 Gemini 旗舰，而不是一次常规迭代。

Gemini 4 Argon 比 GPT-6 Astra 和 Claude Opus 5.5 更好吗？

取决于具体任务，Google 自己的数字也是这么说的。Argon 在 DeepSWE v1.1 上领先 GPT-6 Astra 和 Claude Opus 5.5，在知识工作评测上也领先。它落后 GPT-6 Astra 的两项是 FrontierSWE v2（从零搭建项目）和 Terminal-Bench 4.0（运行 Linux shell）。没有哪款模型能在所有任务上都占优。

Gemini 4 Argon 的幻觉比其他模型更少吗？

Artificial Analysis 测得的 Argon 幻觉率为 15%，是它在前沿模型中记录到的最低值。落到实际使用中，这意味着它更愿意承认自己不知道，而不是给出没有依据的答案；在错误很难被发现的长篇研究产出里，这一点尤其重要。

2026 年 9 月 30 日发布 · 分阶段开放中

Gemini 4 Argon长篇研究，一次成稿

Google 自 Gemini 3 以来的首款前沿模型，面向跨越长流程的深度推理。输出上限从 64K token 提升到 1M，而 Google 公布的数字里，它领先的是知识工作，不是编程。

在 Felo 上试用 Gemini 4 Argon 通过 Felo API 调用

Felo API 目前处于内测阶段，Gemini 4 Argon 的接入即将开放。

Gemini 4 Argon 主视觉：蓝色渐变背景上，模型名称与巨大的数字 4 并列 — Google 的发布主视觉。Argon 采用全新的命名体系发布，并不是 Gemini 4.0 系列的更新，所以名字里不带版本号。

1M: 最大输出 token; 从 64K 提升而来，一条生成轨迹就能写完一份完整报告。
2 / 10 美元: API 首发价格; 每百万输入 / 输出 token。缓存输入可享 95% 折扣。
77.9%: DeepSWE v1.1; Google 公布的成绩，领先 Claude Opus 5.5 和 GPT-6 Astra。
15%: 幻觉率; Artificial Analysis 测得的当前前沿模型最低值。

本页的图片与图表均来自各自的发布机构——Google、Arena.ai 和 Artificial Analysis，并原样呈现，未作任何改动。

开放进度

Argon 尚未全面开放，以下是它的开放顺序。

Google 正分阶段发布 Argon，而第一阶段并不面向公众。Felo 内的接入也在同步准备中。

现已开放

受信任的网络安全防御方

Google Fairwind 计划中的选定合作伙伴可优先获得 Argon，且不附带网络安全防护限制。

接下来公布

付费 API 客户与 Google AI Ultra

Google 称更大范围的开放从这里开始。日期尚未公布，目前仅凭订阅也还无法使用。

尚未排期

开发者、企业与普通用户

排在付费层级之后。Google 尚未承诺全面开放的时间表。

Argon 在 Felo 搜索中的接入正在推进，开放后本页会同步更新。

擅长什么

为写完长任务而生，不是为快速作答

Argon 公布的强项集中在阅读、推理和长文写作上。这跟它常被拿来比较的编程优先型前沿模型，是两条不同的路线。

长任务里不会跑偏的推理

Google 把 Argon 定位在动辄数小时的多步任务上，此前的模型在这类任务中容易偏离目标或提前收尾。

一次输出 1M token

Google 对这次提升的解释是：有足够空间展开思考的模型，可以一条轨迹解决一个难题，而不必来回多轮。

强在知识工作，不是编程

公布差距最大的项目是 Harvey's Legal Agent Benchmark 和 Vals Finance Agent v2，属于真实的法务与财务分析，而不是合成任务。

撑得住的长上下文检索

GraphWalks 测试的是模型能否真正用上 256K 到 1M 的上下文，Google 报告其领先其他旗舰模型 10 个百分点以上。

长视频理解

衡量长视频理解能力的 LVBench 报告成绩为 91.7%，是 Google 为 Argon 列出的最高分。

Harvey's Legal Agent Benchmark 柱状图：Gemini 4 Argon 19.6%，Claude Fable 5.1 6.7%，GPT-6 Astra 5.4%，Claude Opus 5.5 3.8% — 长周期法律工作。Argon 的 19.6% 约为第二名模型的三倍，是 Google 公布数据中差距最大的一项。

Vals Finance Agent v2 柱状图：Gemini 4 Argon 65.4%，Claude Fable 5.1 58.9%，Claude Opus 5.5 58.6%，GPT-6 Astra 53.5% — 财务研究与分析，65.4% 对 53.5%–58.9% 的群体。领先幅度不及法律工作，但排序一致。

公布数据

在 Google 自家基准上，Argon 处在什么位置

以下均为厂商自报结果。Google 没有说明这些头部成绩对应的思考或 effort 设置，也还没有独立实验室复现。

基准

衡量内容

Argon

最接近的对比

DeepSWE v1.1

长周期软件工程

77.9%

Opus 5.5 为 74.2%，GPT-6 Astra 为 74.1%

CWE-bench v1

发现并修复漏洞

68%

并列第一

AutomationBench

端到端业务任务，来自 Zapier

51.3%

排名第一

LVBench

长视频理解

91.7%

Google 为 Argon 报告的最高分

这些数字只能当作方向参考。厂商基准很少能在生产负载中原样成立，Bloomberg 也报道称，部分 Google 员工自己就怀疑这种跑分领先能否迁移到真实工作。

DeepSWE v1.1 柱状图：Gemini 4 Argon 77.9%，Claude Opus 5.5 74.2%，GPT-6 Astra 74.1%，Claude Fable 5.1 67.4% — 长周期软件工程。头部成绩为 77.9%，两个最接近的对手都在 4 个百分点以内。

AutomationBench 柱状图：Gemini 4 Argon 51.3%，Claude Opus 5.5 42.5%，GPT-6 Astra 41.4%，Claude Fable 5.1 31.4% — 由 Zapier 打造的端到端业务任务。Argon 越过了 50%，而对比中的其他模型都停留在三十多或四十出头。

CWE-bench v1 排行榜：Gemini 4 Argon、Grok 与 GPT-6 Astra 以 68% 并列，Claude Opus 5.5 为 67%，一路递减至 Inkling 的 37% — Pass@1 下的漏洞发现。Argon 是在拥挤的榜首并列，而不是拉开了差距，上表因此称其为并列第一。

Google 公布的 Gemini 4 Argon 全量结果表，覆盖 16 项基准，分为知识工作、智能体编程、机器学习工程、科学与数学、长上下文、电脑操作、多模态理解、网络安全八组 — 发布资料中的完整表格，Argon 领先的格子为蓝色，竞争对手领先的格子为灰色。Argon 没有领先的行是 FrontierSWE v2、Terminal-Bench 4.0、PostTrainBench、Terminal-Bench Science 0.1 和 OSWorld-2.0。

Artificial Analysis 的 AA-Omniscience 幻觉率柱状图，覆盖 36 个模型，按从低到高排序：Gemini 4 Argon（High）为 15%，其后是 MiniMax-M3 的 18%、Kimi K2.5 的 26%，一路升到 DeepSeek-V4 Flash 的 96% — 这是 Artificial Analysis 的独立测量结果，也是本页唯一一个不由任何厂商提供的数字：它衡量的是每个模型有多常给出错误答案，而不是选择不作答。Argon 的 15% 是图中 36 个模型里最低的，量程上限为 96%。

Arena.ai 的 Text Arena 与 Code Arena: WebDev 排行榜并列展示：Gemini 4 Argon 在 Text Arena 以 1,625 排名第一，在 Code Arena: WebDev 以 1,679 排名第八 — 上面那段话所依据的两个排名，出自 Arena.ai 的公众投票榜。Argon 在 Text Arena 上榜的 25 个模型中位居榜首；在 Code Arena: WebDev 中排第八，落后于四个 Claude 模型和 OpenAI GPT-6 系列的三款模型。

在 Felo 上

有了能写 1M token 的模型，研究工作流会变成什么样

Felo 把搜索和文档理解放在一起，所以一个长输出模型会改变单次会话能产出多少东西。

以一份文档收尾的调研

先收集资料，再让模型一次写出综述，而不是拆成许多提示词、一段一段拼起来。

一整套文档，一个任务

长上下文检索是 Argon 最强的一项能力，也正是它让合同集、申报文件和长篇报告变得可处理。

需要语感的写作

Argon 公布的画像是文本强、编程中等，适合需要成稿感而不是拼接感的文字团队。

成本

Argon 的价格，以及之后会怎么变

Google 公布了首发价和更高的标价，但没有说明何时切换。做预算时请按高的那个数来。

Token 类型

首发价

之后

输入

2.00 美元 / 百万 token

4.00 美元 / 百万 token

缓存输入

95% 折扣

输出

10.00 美元 / 百万 token

20.00 美元 / 百万 token

作为参照，首发价大致与 GPT-6.1 Sol 和 Sonnet 5.5 持平，约为 GPT-6 Astra 的五分之一。这些都是标价，不是实测的单任务成本——Argon 回答的问题更难，单次运行仍可能更贵。

在 Felo 上用 Argon 做事的方法

把完整的问题带进来

把整套文档或整条长讨论交给 Felo，而不是它的摘要。上下文一旦装不进提示词，Argon 的优势才开始显现。

直接要成品

有了 1M token 的输出上限，你可以一条指令要一份完整报告或完整初稿，而不用分章节索取。

对着来源核一遍

Felo 会把引用留在答案旁边，一份由模型生成的长文档因此才可复核。

Argon 在 Felo 搜索中的接入正在推进。在开放之前，Felo 模型阵容里的其他模型现在都可以使用。

打开 Felo AI 搜索

Gemini 4 Argon 常见问题

还不能普遍使用。Google 先把 Argon 开放给 Fairwind 计划中的选定合作伙伴，并表示更大范围的开放将从付费 API 客户和 Google AI Ultra 订阅者开始。该阶段没有公布日期，目前仅凭付费订阅也无法获得访问权限。

在 Felo 上试用 Google 的前沿模型

按任务挑模型，用它来搜索、阅读和写作。当 Argon 的开放推进到 Felo 时，它也会加入阵容。

打开 Felo AI 搜索

使用 Felo AI 搜索无需信用卡。