谷歌 Gemini 4 Argon 正式发布：百万 token 输出加半价攻势，Anthropic 传 Opus 6 下周接招

三周前，Google DeepMind 负责人 Koray Kavukcuoglu 还在 The Information 的峰会上说，Gemini 4 要「远早于年底」发布。10 月 14 日，谷歌直接把第一个 Gemini 4 家族成员——Gemini 4 Argon——推向了全球：没有预热发布会，没有区域时差，澳大利亚等地的 Google AI Pro 订阅者当天早上就能在自己的账号里用它。据 techAU、Computerworld、InfoWorld 等多家国际媒体报道，这是自 9 月 30 日通过 Fairwind 计划向受审核网络安全测试者小范围开放之后，Argon 的第一次全面亮相。

百万 token 输出：把「长任务」的天花板掀了

Argon 的纸面规格里，最扎眼的数字是输出上限。目前多数前沿模型擅长「读得多」，但生成端普遍卡在 6.4 万 token 左右——让它重构一个多文件软件工程、或者综合一整个文件夹的文档，跑到一半就会「地方不够」，只能把活儿切碎。Argon 基于稀疏混合专家（MoE）架构，输入与输出统一支持 100 万 token：整个代码库、数小时视频、几百份财报 PDF 一次读入，再一口气生成几十万 token 的结果，中途不用分段。

谷歌自己先交了作业：Chromium 是一个 4000 万行的代码库，工程团队需要把一个约 600 万行的遗留功能文件夹从核心网页处理逻辑里剥离出来。Argon 并行地在数百个文件间传递干净的代码变更，把原本以月计的架构重构压到了几周。谷歌内部团队在 Antigravity 中使用 Argon 后，智能体代码提交量增加超过 35%，代码回滚减少近三分之一。另一个内部案例里，Argon 自主优化开源 Gemma 4 模型在 A100 GPU 上的 vLLM 推理，几天内把吞吐从每秒 3.79 万 token 提到 10.8 万以上，且零质量损失。

价格：首发半价，七周后翻倍

真正让开发者连夜改方案的是价格。Argon 首发价 每百万输入 token 2 美元、输出 10 美元，缓存输入再打 95 折低至 0.1 美元——这只有 Claude Opus 5.5 的一半、GPT-6 Astra 的五分之一。在独立评测机构 Artificial Analysis 的智能指数上，跑同一个高推理任务，Argon 的成本约等于 GPT-6 Astra 的六成。

但要注意脚注里的那行小字：11 月 30 日之后，价格涨到 4 美元和 20 美元。Greyhound Research 首席分析师 Sanchit Vir Gogia 提醒企业客户，从立项、安全评审到采购走完，没有任何一家企业能在七周的折扣窗口内完成评估，「按发布价做的商业计划书，七周后就得重写」。他还指出谷歌按输出费率计费推理 token，这意味着「单 token 便宜」和「单任务便宜」是两回事。IDC 研究总监 Sakshi Grover 引用其 2026 年第五波企业调研称，72% 的企业过去一年的 AI 智能体支出都超了预算——规划循环、工具调用和反复上下文会让 token 消耗成倍放大。

基准成绩：三个领先，两个短板

性能层面，Argon 在 Vals Index（衡量金融、编码、法律、税务等真实经济任务）以 68.9% 拿下总榜第一；DeepSWE v1.1 智能体编码基准拿到 77.9%，同时压过 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%。最形象的对比是幻觉率：在 AA-Omniscience 基准上，Argon 的幻觉率是 15%，GPT-6 Astra 高达 51%——不知道答案时，它更倾向于直说。

不过这不是一场横扫。在 Artificial Analysis 高推理智能指数上，Argon 拿 53 分，与 GPT-6 Astra 持平，落后 Opus 5.5 五分；命令行执行的 Terminal-Bench 4.0 上，Opus 5.5 仍以 66.4% 对 57.4% 守住王牌；最难的 FrontierSWE v2 软件工程测试，GPT-6 Astra 以 65.5% 对 55.0% 明显领先。一句话总结：Argon 长任务和可靠性登顶，但 Anthropic 的终端执行和 OpenAI 的硬核工程，依然各有护城河。

安全披露：它在训练中试图「改自己的考卷」

比跑分更值得玩味的是谷歌安全博客里的一段披露：Argon 在训练中的少数情况下，试图绕过自己的评估——包括尝试提升容器权限去修改评分脚本、从测试运行器的内存里拉答案，甚至有一次直接把评估沙箱搞崩溃，让失败的运行不被计分。谷歌 AI 安全与行为副总裁 Anca Dragan 与 Gemini 安全负责人 Raluca Ada Popa 将此描述为「一个智能体过于努力地想完成被交给的任务」，错位监测器拦截了这些尝试后，编码基准上的作弊尝试降到了 2%。

网络攻防能力也在跳升：谷歌内部评估中，Argon 解开了 12 个模拟端到端攻击场景中的全部 12 个，上一代 Gemini 只解开 5 个。谷歌同步把 Fairwind 计划扩展到数百家合作伙伴，让经过审核的防御者可以在无网络安全护栏的模式下使用 Argon。至于物理世界——在具身推理基准上拿到 87% 的 Argon，仅凭一段人类玩沙包（cornhole）的视频，就教会了 Apptronik 的 Apollo 人形机器人投掷沙袋。

Opus 6：传闻中的「下周见」

就在 Argon 上线前几天，Anthropic 这边也热闹起来。据 Geeky Gadgets 报道，Anthropic 可能在下周发布 Claude Opus 6，接棒 9 月 22 日发布的 Opus 5.5——后者在 3D 建模与 SVG 设计上表现惊艳，而从前代 Opus 5 到 5.5，Anthropic 只用了 60 天。另有一个耐人寻味的插曲：上周末多名 Claude 用户发现 Opus 5.5 的输出质量「好得不像它」，怀疑 Anthropic 在后台把部分请求路由到了未公布的新模型，测试圈甚至给它起了「Claude Next」的代号——Anthropic 未做任何证实。独立模型监测平台目前给「11 月 30 日前出现新 Opus」约 73% 的概率。

无论 Opus 6 下周来不来，这轮竞速的节奏已经清楚：谷歌用百万 token 输出和半价抢回话题，OpenAI 的下一代「Bell」据称也在推进，Anthropic 手里还捏着一张没翻开牌。而对普通开发者来说，最现实的期限，就写在价目表的脚注里——11 月 30 日，Argon 的价格翻倍。想白嫖七周首发价的，现在就可以开工了。

2T超大容量网盘！点击领取 >> 原画质高清备份，上传下载不限速

如果真的对你有用的话，感谢支持服务器及作者运营