Google 全球发布 Gemini 4 Argon
Google 推出了 Gemini 4 Argon。这是一款全新的前沿 AI 模型，据该公司介绍，旨在处理软件工程、金融、法律、网络安全和科学等领域中的复杂多步骤工作。Google 表示，该模型自 10 月 13 日起通过其 API 产品、AI Studio、Gemini 平台、Gemini 应用、搜索中的 AI Mode 以及面向符合条件订阅用户的 Google Antigravity 在全球范围内提供。
此次发布的亮点，与其说是某一项面向消费者的单一功能，不如说是 Google 希望该模型处理的工作范围之广。Argon 被定位为一种“深度工作”系统：能够保留上下文、逐步推理，并在错误代价高昂或需要耗费大量时间修正的场景中产出有用结果。
Google 表示，Argon 在 Vals Index 上排名第一。该公司称，这项基准测试衡量模型在金融、编程、法律工作和税务等具有重要经济意义的领域中的表现。与任何基准测试声明一样，这一结果更适合作为模型能力的一个指标，而不是对其在特定组织的数据、工作流程或风险要求下表现的保证。
向更大规模工程任务推进
Google 给出的核心案例之一，是大规模软件维护。该公司表示，其工程师已将 Argon 用于多个艰难的内部项目，包括 Chromium 相关工作。Chromium 是支撑 Chrome 及其他浏览器的开源浏览器代码库。
Google 称，Argon 帮助 Chrome 团队将网页处理核心功能与一个传统浏览器功能文件夹分离。该文件夹包含约 600 万行代码，而 Chromium 的代码库总量约为 4000 万行。相关工作涉及数百个文件的架构重构。Google 表示，该模型帮助团队在数周内完成了原本需要数月的工作。
该公司表示，这项重构旨在支持网页在标签页、侧边栏和浮动窗口之间移动，而无需重新加载。这一案例体现了 Google 所强调的 AI 辅助工程类型：并非只是生成一个独立代码片段，而是帮助团队在大型、相互依赖的代码库中梳理、修改并验证变更。
Google 还报告称，在 Antigravity 中使用 Argon 的工程师将代理式代码提交量提高了 35% 以上，同时代码回滚减少了近三分之一。这些数据属于公司内部声明，并不能证明每个开发团队都会取得相同结果。不过，它们确实表明，大型科技公司正越来越多地根据 AI 工具对交付速度以及需要撤销的变更比例所产生的影响来衡量其价值。
可用性与定价
开发者和企业可以通过 Google 的 API 及平台产品访问 Gemini 4 Argon。Google 表示，Google AI Ultra 订阅用户也可以在 Antigravity 中使用该模型，而 Google AI Ultra 和 Pro 订阅用户可以在 Gemini 应用及搜索中的 AI Mode 中使用它。
该模型上线时的优惠价格为：每百万输入令牌 2 美元，每百万输出令牌 10 美元。Google 表示，缓存输入令牌可享受 95% 的折扣。令牌定价十分重要，因为复杂的代理式工作负载可能会反复向模型发送长文档、代码库或其他上下文；缓存可以降低在同一工作流程中重复使用信息的成本。
对组织而言，在开发者产品和消费者产品中均可使用 Argon，意味着它有可能出现在同一技术栈的多个环节：通过 API 集成到定制应用中，应用于面向工作场景的平台，也可用于通用型助手。这种覆盖范围可能降低采用门槛，但也会带来熟悉的治理问题，例如敏感信息在哪里处理、哪些任务可以自动化，以及哪些环节仍需要人工审核。
科学与商业领域的相关声明
Google 表示，公司内部团队、企业用户和研究人员已经将 Argon 用于代码重构、工作流程优化、网络安全漏洞工作、量子计算、核聚变和生命科学研究。该公司并未将这些用途描述为领域专业知识的替代品，而是将模型定位为帮助专业人士处理复杂信息和技术流程的加速器。
在前沿模型开发商之间的竞争中，这种定位正变得越来越重要。竞争焦点正在从聊天机器人能否给出流畅答案，转向其能否可靠地参与更长的工作链条。实际应用中，这可能意味着读取大型代码库，为法律或金融工作流程准备初步方案，识别潜在安全问题，或帮助研究人员整理并测试想法。
Google 的公告还特别强调了安全性和可靠性。该公司表示，Argon 的开发遵循负责任和安全的原则，同时其案例强调了高风险领域中的精确性。真正的考验在于客户如何在自己的环境中评估模型输出，尤其是在答案必须与现行规则、源材料、代码或实验依据进行核对的情况下。
此次发布带来的变化
Gemini 4 Argon 扩大了 Google 的努力，即让先进 AI 成为开发者、企业和研究人员的工作工具，而不仅仅是消费者助手。该模型的广泛发布和按使用量计费的定价，为组织直接测试这一主张提供了途径。
眼下的问题并不是模型能否尝试复杂的专业工作，而是它能否稳定地完成这些工作，并融入真实团队的审核流程。Google 关于 Chromium 的案例表明，该公司将大规模代码维护视为早期试验场。如果相关成果能够在 Google 自身工程组织之外得到验证，Argon 可能成为更广泛趋势的一部分：AI 系统开始协助处理规模更大、步骤更多的技术工作。
本文根据 Google AI Blog 的报道编写。 阅读原文。
Originally published on blog.google