过去大家看大模型，爱问会不会写诗、能不能聊天、图片画得像不像。

Gemini 4 Argon 的画风有点偏。

它一上来就被丢进 Chromium 4000 万行代码里，处理一个约 600 万行的遗留文件夹。

几个月的工作，几周干完。

它还能把一段普通视频变成物理仿真，让 Apptronik Apollo 机器人连续投进 7 个球。

老实讲，这已经不太像聊天玩具的路数了。

它盯上的，是没人想碰的硬骨头

Google DeepMind 给 Argon 的安排很直白：研究人员、工程师、安全专家一起上，推动科学、数学、机器人和网络防御。

它主打 frontier problems。

不是写一段文案，也不是生成一张海报。

它要处理长任务、复杂系统、跨文件依赖和真实世界约束。

素材提到，Argon 支持 100 万输出 tokens，能跑完 10 万+ token 的推理轨迹。

这意味着它可以一口气输出完整数学证明、量子纠错解码器、计算物理解法。

也能整库生成、重构多文件应用、迁移遗留系统。

个人觉得，这里真正关键的，是 把活干完。

600 万行老代码，终于有人接了

Chrome 团队的案例很典型。

Chromium 有 4000 万行代码，其中浏览器功能遗留文件夹约 600 万行。

这种项目，谁碰谁知道。

Argon 帮团队把核心网页处理从遗留功能里拆出来。

它能一次处理多个干净代码变更，跨数百个文件完成架构重构。

原本要几个月，现在几周。

对 Chrome 数十亿用户来说，收益也很具体：网页可以在标签页、侧边栏和浮动窗口之间流动，无需重新加载，还能消除一类浏览器崩溃。

类似的脏活还有不少。

Argon 帮 Google 开源 Agent Development Kit 团队做性能优化，长会话内存准备时间减少 40%，冷导入提速 21%。

它也让 Gemma 4 E2B 在 A100 上通过 vLLM 实现 2.85 倍端到端推理加速，吞吐量从约 37900 tokens/s 提到 108000 tokens/s 以上，且零质量下降。

它还迁移了 700 多个 Google Skills 训练实验室，节省 955 个工程小时，把每年约 540 小时的清理工作压到 3 小时一次。

说实话，这种成绩不性感，但很值钱。

实验室里，它开始抢时间

Argon 也被塞进了科学研究。

xTB 是常被引用的开源量子化学包，用来预测分子 3D 形状、筛选药物和材料候选。

Argon 在 Antigravity 中帮研究人员把分子结构预测提速最高 2.3 倍，构象搜索提速 1.8 倍。

改动已经贡献到官方 GitHub 仓库。

在 Isomorphic Labs，Argon 被用来加速药物发现流程。

它可以快速合成复杂 PDF 和专利，提取关键信息，把原本几周的工作压到几小时。

“Gemini 4 represents a step change in what AI can accomplish in real-world science.”

这是 Axiom Bio 创始工程师 Alex Cabrera 的评价。

素材里还提到，Gemini 4 能推理细胞成像、质谱等复杂实验数据，发现传统上需要专家识别的细微结果。

在他们的 Scientific Agent Benchmark 上，最难任务之一，是比较两种药物之间的临床风险。

这可不是普通问答。

它需要证据串联、长上下文和领域推理。

Gamow Labs 用 Argon 分析去标识化的新生儿罕见发育肺病基因组。

一个案例里，Argon 找到了常规软件多年没发现的染色体重排，并解释为什么它一直没被检测到。

在 Gamow Labs 私有评测中，Argon 在 RareBench 罕见病诊断辅助拿到 57%，在 LabBench 湿实验推理拿到 52.2%。

对罕见病家庭来说，快一步，可能就是全部。

它还会看视频，写仿真，顺手做安全

机器人这块，素材给了一个很有画面的测试。

Argon 看一段人类玩 cornhole 的原始视频，映射环境空间坐标，计算全身关节动作，然后自主写出仿真代码。

把策略迁移到 Apptronik 的 Apollo 人形机器人后，机器人在真实试验中快速投进 7 连球。

这里的关键，不只是看懂视频。

它要把视觉变成物理边界、深度估计和可执行仿真代码。

Cartwheel 联合创始人 Andrew Carr 提到，把 Gemini 4 接入 3D 空间重建引擎后，普通视频能在几秒内变成可物理使用的 3D 场景，过去要几小时。

在他们的基准里，Gemini 超过所有测试模型，运行时间缩短近 100 倍，token 使用减少 90%。

这对 3D 资产生成、机器人训练、仿真环境都很有用。

网络安全也没有缺席。

Argon 在 CWE-Bench 漏洞修复任务中以 68% 并列第一。

素材还提到，它是 Google 目前对间接提示注入最有韧性的模型，并扩展到数百家 Fairwind Program 合作伙伴。

Wiz 已经用 Argon 做 Scan for Good，保护关键公共基础设施，并在早期访问中用于保护医疗基础设施，主动守护数十万患者记录。

这点我挺在意。

AI 做安全，外界最怕的是攻防失衡。

素材里的方向，至少偏向防守、修复和保护。

它很强，但也不是全场第一

看基准，Argon 确实有一批亮眼数字。

Vals Index 68.9%，AutomationBench 51.3%，Vals Finance Agent v2 65.4%，DeepSWE v1.1 77.9%，LABBench 2 88.8%。

GraphWalks 长上下文上，128k 以内 BFS F1 达到 99.7%，256k 到 1M 达到 84.2%。

在 Harvey's Legal Agent Benchmark 上，它拿到 19.6%，明显高于 GPT-6 Astra 的 5.4%。

但反转也在这里。

Argon 没有通杀。

FrontierSWE v2 上，GPT-6 Astra 拿到 65.5%，Argon 是 55.0%。

Terminal-bench 4.0 上，Claude Opus 5.5 拿到 66.4%，Argon 是 57.4%。

Terminal-Bench Science 0.1 上，GPT-6 Astra 68.1%，Argon 57.6%。

PostTrainBench 上，Claude Opus 5.5 49.3%，Argon 45.3%。

所以，别急着喊游戏结束。

现在的局面更像几家头部实验室在不同赛道轮流冲刺。

有意思的是，Argon 的优势更像复杂工作流：法律、金融、实验、长上下文、代理自动化。

这也许才是 Google 想占的位置。

模型很猛，谷歌式体验又拖后腿

素材提到，Argon 已面向 Google AI Pro 和 Ultra 订阅用户开放。

学术和独立科学家可以申请 6 个月 Google Antigravity 高级使用额度，网络安全防御者可以申请 Fairwind Program。

听起来路子铺得很大。

但热门评论里，另一面很真实。

有人说，Argon 的回答直接、结构清楚，像一篇高质量小论文。

还能主动搭小模拟，让人调参数，观察经济场景变化。

也有人喜欢它的写作能力，说它语言清楚，风格鲜明。

这些评价不低。

但吐槽也一样猛。

有人为了试用新建 Google 账号，过程麻烦。

找不到应用，分不清 AI Studio，又装了 Antigravity。

想买小型 Gemini AI Ultra 套餐，信用卡和 PayPal 都不行。

还有人说，点击 Try in Gemini，页面默认 Gemini 3.6，想试 Gemini 4 还得升级。

价格也被吐槽：只说早期价格 2 美元/百万输入 tokens、10 美元/百万输出 tokens，缓存输入 95% 折扣，却不说过期后多少钱。

甚至有人抱怨移动端 Safari 上根本不好用。

个人觉得，这就是谷歌的老毛病。

技术很硬，产品入口像迷宫。

模型已经能啃 600 万行代码了，用户却找不到一个顺手的按钮。

AI 竞赛，正在从聊天框搬进工地

过去的大模型发布，大家爱看写诗、画图、写小游戏。

Argon 的素材里，反复出现的是另一组词：代码库、量子化学、罕见病、酶设计、量子纠错、核聚变、机器人、网络安全。

这些词不轻快。

甚至有点沉。

但它们更接近真实世界的生产力。

Google 这次想讲的，显然不止一个更会聊天的 Gemini。

它更想强调一个能长时间持续工作的 Argon。

能读长文档，能改老代码，能跑科学推理，能接机器人，也能做安全防御。

问题也随之而来。

当 AI 开始碰代码库、实验数据、患者记录和关键基础设施，我们真正准备好的是模型，还是流程、权限和监管？

或者更现实一点：谷歌什么时候能把自家入口做明白？

【锐评】：Gemini 4 Argon 真正扎人的地方，是它开始把长任务干完。

参考链接：
https://deepmind.google/models/gemini/