Google(GOOGL-US) 正式向全球用戶推出旗艦人工智慧（AI）模型Gemini 4 Argon。經過約半年研發、超過10萬名內部用戶測試後，新模型將應用重心放在複雜推理、程式開發、科學研究與多步驟任務執行，並以最高100萬Token的統一輸入輸出上限及相對低廉的API定價，搶攻企業與開發者市場。
Google AI產品負責人Logan Kilpatrick在社群平台表示，Gemini 4 Argon只是Gemini 4時代的開端，模型設計目標是協助使用者處理過去難以解決的複雜問題。
對於近期持續更新Gemini Flash系列、但旗艦Pro版本遲未推出的Google而言，Argon的正式亮相，也肩負穩定市場對其頂尖模型發展預期的任務。
Gemini 4 Argon主打長程推理 多項AI評測名列前茅
Gemini 4 Argon的定位並非單純提升聊天品質，而是鎖定需要長時間推理、多步驟規劃及跨工具協作的工作，應用範圍涵蓋程式設計、金融、法律、網路安全與尖端科學。
在衡量關鍵經濟領域AI表現的Vals Index榜單中，Argon排名第一；在Artificial Analysis智慧指數榜單中，Argon的High模式獲得53分，與Claude Fable 5.1及GPT-6 Astra的Max模式同分。
在Agent Arena總榜中，Argon則排名第五，位於GPT-6 Astra Max之後、Claude Sonnet 5.5 Max之前。
為支援長時間、高複雜度的工作流程，Google在API中提供最高100萬Token的統一輸入與輸出上限，並推出新的續寫協議，讓模型能夠更有效處理長篇任務。
價格方面，Argon在首發優惠期間，每百萬輸入Token收費2美元、每百萬輸出Token收費10美元；使用快取輸入Token，折扣最高達95%。
目前，開發者可透過AI Studio、Android Studio及Gemini API使用Argon；Google AI Pro與Ultra訂閱用戶，也能在Gemini應用程式、Google搜尋的AI模式，以及代理開發平台Google Antigravity中使用。
Google內部實測展現效益 程式開發與模型優化成亮點
事實上，在正式向市場推出之前，Google已將Argon導入內部工程工作流程。
過去幾週，工程師透過Antigravity平台使用Argon後，代理程式碼提交量增加超過35%，程式碼回滾率則下降近三分之一。
在大型程式碼庫維護方面，Argon協助Chrome團隊重構約4,000萬行程式碼庫中的600萬行舊程式碼，並排除一類瀏覽器崩潰問題。
Google表示，Argon也能在僅收到簡短目標與規則的情況下，自主執行最佳化工作。該模型曾在夜間調整Google代理框架ADK，將長會話的記憶體準備時間縮短40%；此外，也在數天內將開源模型Gemma 4 E2B的端到端推理速度提高2.85倍，同時維持原有品質。
橫跨金融、法律與科學研究 拓展企業應用場景
除了程式開發，Argon也在商業分析與科學研究領域展現應用潛力。
早期測試中，德勤測得Argon執行長週期、跨工具任務的完成率達100%；金融分析方面，Kepler表示，模型生成的多年期財務報告與人類分析師模型的吻合度超過99%。法律科技公司MinutaIA則指出，Argon找出了人類專家先前忽略的案件細節。
科研應用方面，Argon可加速量子化學計算與量子糾錯解碼，也曾在數小時內完成五種新型酶的設計，並協助找出核融合領域「格拉德猜想」的新反例。
在具身智慧測試中，模型僅透過觀看人類玩沙包的影片，就能在數小時內推算關節運動軌跡並編寫模擬程式，之後部署至Apollo人形機器人，實際完成連續七次投擲命中。
Google另宣布，將向全球1萬名科學家免費提供為期半年的Antigravity最高使用權限。
隨著模型能力提升，安全性也成為部署重點。Google表示，透過導入即時監測推理步驟的機制，Argon在程式設計測試中採取未授權捷徑的比例降至2%，間接提示詞注入攻擊的成功率則降至0.7%。
3D生成與互動開發受關注 實測凸顯速度及成本優勢
Argon開放使用後，開發者與科技內容創作者迅速展開測試，重點集中在3D場景建構、物理模擬、互動介面與複雜程式開發。
Google官方展示，Argon能以純Python從零建立3D光線追蹤引擎，也能將辦公桌照片轉換成微縮賽車遊戲。部分第三方測試則顯示，即使不依賴外部3D素材或遊戲引擎，模型仍能透過數學運算與程式碼建構具有光影反射效果的3D場景。
在「3D鯨魚躍出水面」的四方盲測中，測試者認為Argon的畫面寫實程度優於Claude Opus 5.5、GPT-6 Astra與Kimi K3。
其他測試也顯示，Argon能透過少量提示詞生成具備水面波紋、物理操控效果的帆船遊戲，以及包含焦散、波浪與果凍物理效果的互動式微縮海島場景。
在需要整合大量資料的任務中，投資人Justine Moore要求Argon製作互動式蘋果電腦博物館，並未提供任何圖像或數據。
模型自行搜尋檔案中的Mac照片、編寫圖像清理工具，並整理橫跨50年的硬體規格，最後完成一個可隨年代滑動而改變外觀的3D網頁介面。
中文創作與遊戲開發測試也呈現類似結果。測試者要求Argon使用Three.js及TypeScript製作東方紙本風格的古代戰場動作遊戲原型，涵蓋分層邏輯、連招判定與完整遊戲介面，最終成果在互動效果與整體完成度方面表現不錯。
中文寫作測試則顯示，模型在描寫暴雨前的菜市場氛圍、以書店橘貓為視角等題材時，維持穩定表現，文風也較少出現過度堆砌宏大詞彙的情況。
API成本大幅降低 部分任務表現仍有改善空間
與其他尖端模型的比較，更凸顯Argon在部分程式生成任務中的成本優勢。
AIHubmix團隊使用相同提示詞，透過API比較Argon與GPT-6 Astra生成像素風古建築夜景的表現。測試結果顯示，GPT-6 Astra耗時25分鐘、成本11美元；Argon則在3分鐘內完成，費用僅0.50美元，測試者認為其色彩層次與光影細節仍具競爭力。
在製作解釋特斯拉式電動機原理的電影級3D動畫時，Argon單次生成成本為3.83美元，低於Claude Opus 5.5的16.36美元。另一項使用Three.js製作3D人形機器人格鬥及動作模擬的測試，也顯示Argon在互動介面完整度與關節動作流暢度等指標上具有優勢。
不過，Argon並非在所有任務中都能維持相同水準。AI/ML API在比較「哥斯拉大戰金剛」3D場景生成時指出，Argon的調用成本為4.22美元，遠低於GPT-6 Astra的23.82美元，但在特定複雜生物模型的畫質與形態還原上，仍有改善空間。
整體而言，第三方測試反映Argon在部分3D生成與複雜程式開發任務中，具備兼顧速度、成本及成果品質的潛力，但不同任務的表現仍存在差異，不能僅憑少數測試便認定其全面勝過其他旗艦模型。
免費用戶模型選擇受限 高階推理仍有使用門檻
儘管Gemini 4 Argon正式推出，使用者能否充分發揮其能力，仍受到訂閱方案及運算額度限制。
依照Google最新生效的存取規則，未付費用戶的模型選擇主要由系統自動分配，多數請求會交由較輕量的Flash-Lite處理；若關閉自動選擇，則只能固定使用Flash-Lite。
此外，Gemini應用程式採用每5小時更新一次、並與每週使用上限連動的動態運算額度制度。提高思考等級、使用Deep Research或調用旗艦模型，都會加快額度消耗，意味著想長時間使用完整的高階推理能力，仍須面對不同訂閱層級的限制。
從這次發布來看，Google正逐步調整Gemini的競爭策略，不再只強調對話能力，而是將長上下文、程式設計、空間推理與多步驟任務執行列為發展重點，同時透過相對低廉的API價格吸引企業及開發者。
Gemini 4 Argon能否長期維持競爭優勢，仍有待更多實際應用驗證；但在AI模型競爭日益激烈的情況下，Google已藉由這款新模型，進一步擴大在軟體工程、科學研究及企業級AI應用市場的布局。
