10 月 13 日，Google 把 Gemini 4 系列的第一款旗舰模型 Gemini 4 Argon 正式推向全球。两周前，它还只面向少量网络安全团队开放；现在，Gemini App、Antigravity、AI Studio 和 API 的入口都已经打开。
国内网友常把 Gemini 叫作“国外豆包”。这个称呼多少带点调侃，因为它过去经常是参数很漂亮，真正干活和豆包差不多。Argon 这次拿出的成绩不错：在长程软件工程、经济价值加权知识工作、超长上下文和企业自动化等项目上，它直接压过了 Claude Opus 5.5。
看来，Gemini 又行了。
Argon 的目标：长时间把复杂任务做完Gemini 4 Argon 的定位很明确：处理复杂、真实、持续时间长的任务。
Google 给它的重点场景包括大型代码库改造、金融与法律研究、网络安全、科学计算，以及需要多轮工具调用的 Agent 工作流。
Google 内部已经拿它处理生产代码。
Chrome 团队用 Argon 把网页核心处理逻辑，从 Chromium 一个约 600 万行的遗留目录中拆出；Google 的 Agent Development Kit 团队让它夜间自主优化 Python 代码，长会话的内存准备时间下降 40%，冷启动导入速度提升 21%。这些案例比一道算法题更接近开发者真正头疼的工程现场。
模型提供 low、medium、high 三档思考强度，默认是 medium。
简单任务可以压低推理成本，难题再把思考深度调高。复杂请求可能运行数分钟，超过 64K 的长输出应使用后台执行。
和 Opus 5.5 硬碰硬，六项关键数据领先Google DeepMind 的模型卡把 Argon、GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5 放在同一张表中。下面是几组真实评测数据。

评测
Argon
Opus 5.5
DeepSWE v1.1
77.9%
74.2%
Vals Index
68.9%
67.0%
GraphWalks 256K–1M
84.2%
66.8%
AutomationBench
51.3%
42.5%
Vals Finance Agent v2
65.4%
58.6%
Harvey Legal Agent
19.6%
3.8%
DeepSWE v1.1 测的是长程软件工程任务。Argon 领先 3.7 个百分点，已经进入一线编码 Agent 的核心竞争区。
Vals Index 按经济价值给知识工作加权，覆盖金融、法律、税务与编码等任务。Argon 拿到 68.9%，并位列这张对比表第一。
企业工作流上的差距更明显。AutomationBench、金融 Agent 和 Harvey 法律 Agent 都由 Argon 领先。这些数字对应自动化流程、金融分析、法律研究与起草，不是纯知识问答。
最抢眼的一项来自超长上下文。
GraphWalks 在 256K 到 1M token 区间测试模型跨长文档追踪关系的能力，Argon 拉开 17.4 个百分点。需要同时吃进大量合同、财报、代码和历史记录的任务，有了更能打的选择。
反超 Opus 5.5，得仍有短板Argon 在这张官方表里没有包揽全部第一。
Terminal-bench 4.0 上，Opus 5.5 是 66.4%，Argon 为 57.4%；FrontierSWE v2 上，Opus 5.5 也以 62.3% 领先 Argon 的 55.0%；PostTrainBench 则是 49.3% 对 45.3%。
所以，在长程编码、知识工作、企业自动化和超长上下文这些方面确实比 Opus 5.5 更强。
但是 Agent 能力、部分软件工程题和模型训练工程，Opus 5.5 仍然更强。团队选模型时，最好把自己的任务类型与评测对象对齐。
毕竟数据是数据，实际就没有哪款模型和发布时数据真是一样的。
1M token：输入、思考和输出都跟上标准水平Argon 支持 1,048,576 token 的统一窗口，输入、思考和输出共享这块空间。官方的 long decode 能让单次响应突破 64K，并以最长 64K 一段的方式自动续写，理论上可以一直生成到统一窗口的剩余上限。
“最高 1M 输出”有明确使用条件。输入越长、思考消耗越多，可用于最终输出的空间就越少；开发者还要开启 background 模式，并拼接多个 model_output 步骤。
它真正解决的是大型代码迁移、长报告、完整文档集转换和多阶段研究。应用层不必频繁切断任务、手动续写。生成得越长，等待时间与输出费用也越高，应用还要处理状态保存和超时。
首发价便宜一半，12 月恢复标准价，国内不可用模型
输入 / 1M
输出 / 1M
Argon 首发价
$2 / 约 ¥13.46
$10 / 约 ¥67.30
Argon 12 月起
$4 / 约 ¥26.92
$20 / 约 ¥134.60
Opus 5.5
$4 / 约 ¥26.92
$20 / 约 ¥134.60
人民币价格按 2026 年 10 月 13 日美元兑人民币中间价 6.7298 粗略折算，实际账单以支付渠道为准。
命中隐式缓存后，Argon 的输入价降至每百万 token 0.10 美元，降幅 95%。首发价格持续到 2026 年 11 月 30 日；12 月 1 日起恢复到输入 4 美元、输出 20 美元，与 Opus 5.5 的标准价相同。
开放范围：Gemini App 的 Google AI Pro 与 Ultra 用户可以使用 Argon；Antigravity 目前只向 Ultra 用户开放；开发者和企业可通过 Gemini API、AI Studio 与 Gemini 平台接入付费版本。Gemini API 免费层和 Google AI Pro 套餐不能调用 Argon API。
Google 大模型确实掉队了Gemini 以前的模型最不行的地方，就是长任务里的稳定性。Argon 把资源集中到长程工程、跨文档推理和企业知识工作上，又给出了统一 1M token 窗口、后台长输出与可调思考强度，产品方向是清楚的。
但是像 Google 这样的国际型大公司，有人才有能力，模型能力确还是三线水平，很说不过去。