Google 发布了 Gemini 4 Argon 前沿模型。

2026年10月13日

我们正在向开发者、企业、科学家和消费者提供我们最新的前沿模型。

本文内容

Gemini 4 Argon 现在通过 AI Studio 和 Gemini平台的API，为开发者和企业提供，为 Google AI Ultra订阅用户在 Google Antigravity 中提供，以及为 Gemini应用和搜索中的AI模式中的 Google AI Ultra 和 Pro 订阅用户提供。

Argon 在包括编码、金融、法律、网络安全和科学在内的复杂现实世界任务中表现出色。它在多步骤任务中的深度和精确性使其在跨领域的基准测试中优于其他前沿模型，并在衡量金融、编码、法律和税务工作等关键经济部门的模型性能的 Vals指数中排名第一。

该模型今天以入门价 ¹ 每百万输入令牌2美元，每百万输出令牌10美元（缓存输入令牌95%折扣）的价格推出。

Google 的团队、企业界和科研界已经使用 Argon 在各个领域取得了重大影响：

为解决大型代码库重构和优化等主要工程问题
优化法律、金融和科学等领域的业务工作流程
发现和修复关键网络安全漏洞
在量子计算、核聚变和生命科学中实现新的突破

解决复杂的工程任务

在 Google，我们一直在使用 Argon 解决最难的工程问题。在过去的几周里，软件工程师比以往任何时候都快地交付高质量的代码。Argon 在 Antigravity 中帮助团队将自主代码提交量提高了35%以上，同时将代码回滚率降低了近三分之一。

在 Chrome 中解开浏览器功能代码：Argon 帮助 Chrome 团队将核心网页处理与 Chromium 的 400 万行代码库中包含的约 600 万行遗留浏览器功能文件夹分离。一次传输多个干净的代码更改，Argon 帮助团队完成跨数百个文件的架构重构，将数月的工作缩短到几周。对于 Chrome 的数十亿全球用户来说，这将解锁实时网页在标签、侧边栏和浮动窗口之间流畅移动而无需重新加载的能力，从而消除了整个类别的浏览器崩溃。

在数小时内优化生产环境下的 Python 代码库：Argon 在 Antigravity 中帮助了 Google 开源代理开发工具包 (ADK) 的团队，这是一个为企业代理提供支持的框架，推动其性能工程进一步发展。团队向 Argon 提供了 .agents/skills 规则手册和一个段落目标，即在打破现有应用的情况下消除框架开销。Argon 在夜间自主工作，提出了优化方案，现已上线于 google/adk-python，这些优化将长时间会话的内存会话准备时间减少了 40%，并将冷启动导入速度提高了 21%。阅读工程深度解析了解更多。
量子化学开源软件包优化： xTB (半经验扩展紧束缚) 是最常被引用的开源量子化学软件包之一，用于分子。科学家们使用它来预测分子的 3D 形状，并筛选大量的药物和材料候选者。通过在 Antigravity 中使用 Argon，我们的研究人员使 xTB 在预测分子结构方面的速度提高了 2.3 倍，在构象搜索方面的速度提高了 1.8 倍。这些更改已贡献给官方的 GitHub 上的 xTB 存储库。
使我们的开源 Gemma 模型速度提升近三倍：使用 Argon，我们在 A100 上通过 vLLM 实现了 2.85 倍的端到端推理速度提升（将吞吐量从 ~37,900 提高到超过 108,000 个 token 每秒，在 Gemma 4 E2B 上），在几天内实现了 100% 的 token 一致性和零质量下降，而通常这个过程需要几个月。查看上游拉取请求（从注意力调整到推测解码优化了所有内容）以了解确切的变化。
提供复杂的 3D 可视化：与之前的 Gemini 模型相比，Argon 在空间推理、数学精度和视觉编码方面带来了重大改进。使用 Antigravity 中的斜杠命令（如 /goal）并提示使用自定义技能的多代理循环，Google 员工正在使用 Argon 原生代码原型复杂的 3D 可视化、高保真游戏和交互式动画，这些代码可以直接在浏览器中渲染。

将关键业务和专业工作流程转型

Argon 结合了前沿推理、深度视觉感知、扩展的领域知识和更强的写作能力，涵盖了法律、金融、科学和编码，以帮助处理高风险的专业工作流程。它沟通清晰，让您始终掌握最新动态，并且比我们之前的任何 Gemini 模型都更好地遵循风格指令。Argon 更直接地回答问题，减少犹豫，不会重复自己，并且在整个回答中避免陈词滥调。

我们的早期访问计划中的企业客户和初创公司已经开始看到 Argon 的显著成果。

在保持严格基础的同时，使用其先进的推理和多模态能力，Argon 在深度多模态文档理解、纵向数据分析以及交互式分析沙盒方面表现出色。

与研究人员和领域专家加速现实世界的影响

研究人员、工程师和安全专家已经开始使用 Argon 来推动网络防御、科学、数学和机器人技术的边界。它正在帮助网络防御者和研究人员测试假设，自主审计关键代码库和形式证明，并发现微妙的零日漏洞和逻辑错误。

将最先进的网络能力带给更多值得信赖的防御者

从今天起，我们将开始向数百名额外的Fairwind Program合作伙伴扩展。

Wiz已经使用Argon为其"Scan for Good"倡议，该倡议为公众利益和免费保护关键基础设施。通过早期访问该模型，Wiz已展示了Argon在多个高风险领域的实际影响：

保护敏感政府数据：作为一项长期网络弹性计划的一部分，并与一个联邦机构合作，Argon帮助主动识别和修复了一个可能暴露敏感数据和政府基础设施的漏洞。这项工作有助于防止关键安全部门发展细节的暴露和未经授权访问专业模型。
保护关键医疗保健基础设施：Wiz还使用Argon来保护重要的医疗保健基础设施。通过串联复杂漏洞，该模型帮助团队发现并快速修复了一个公共文件下载绕过漏洞，该漏洞暴露了一个主密钥并授予了管理员访问权限。Argon不仅发现了漏洞，还主动保护了数十万份私人患者记录。

解锁新的科学突破

Argon已经在科学界产生了实际影响——为多个领域的科学家和专家实现新的发现。

量子计算：Argon正在帮助我们研究人员在量子纠错和算法设计方面加速进展。为了帮助纠错解码器实时跟上量子硬件，Argon将我们ML量子纠错解码器AlphaQubit的内部版本翻译成一个单一的、高度优化的硬件内核——使其推理吞吐量几乎翻了一番，这样我们就可以部署更大、更强大的模型，并扩展到更大的量子设备，同时继续满足严格的实时阈值。Argon还在减少量子子例程的时空成本。对于近期量子模拟算法中的一个基本构建块arcsin，Argon编写并使用Lean正式验证的实现，与已发表的量子CORDIC基线相比，时空成本降低了100多倍，这是迈向优化量子电路标准库的一步。
核聚变：恒星器是极其复杂的机器，代表了无限清洁聚变能源的领先候选者，但优化它们的3D磁场非常困难。自1967年以来，一个长期假设被称为“Grad的猜想”，假设找到这些场的精确数学解是不可能的，直到最近发现了反例，包括马特·兰德雷曼教授（马里兰大学）发现的。现在，谷歌与兰德雷曼教授团队合作发现了一个更广泛的Grad猜想反例。这些新解为聚变界提供了可靠的基准来测试他们的恒星器模拟代码，这些代码是未来设计的宝贵工具。
罕见疾病研究：Gamow 实验室的研究人员使用 Argon 分析了患有罕见发育性肺部疾病的新生儿的去识别基因组。在其中一个案例中，Argon 指出了一种染色体重排，而常规软件多年来都未能发现，并解释了它为何未被检测到。在基于真实临床和实验室数据的 Gamow 实验室私有评估中，Argon 在 RareBench（在罕见疾病诊断辅助方面达到 57%）和 LabBench（在湿实验室推理方面达到 52.2%）上表现最佳。这些进步为面临罕见疾病的家庭指明了更快的诊断途径。详情请见博客。 ² 了解更多详情。
酶设计：精确反应的酶工程通常非常缓慢，往往需要数月的定制模型调优和候选筛选。丝氨酸酯酶是一类在目标分子上切割酯键的酶，广泛应用于回收、药物、生物燃料和洗涤剂的制造。我们的科学家与 Argon 合作设计丝氨酸酯酶，目标是 4MU-乙酸盐这种在酯键断裂后会发出紫外光的标准分子。在短短几小时内，Argon 汇集了相关数据，执行了模型调优，并确定了多个受生物化学启发的过滤器，最终得到一套五项新型设计。随后的实验室测试证实了这些设计都具有强大的催化活性。成功酶生成的速度和便捷性展示了在生物制造、绿色化学和药物开发等领域快速加速酶工程的潜力。

为了进一步加快研究进度，我们为符合条件的 10,000 名科学家提供 Google Antigravity 最高使用层级的 6 个月免费服务（滚动加入），具体取决于资格、容量和选择。申请现已开放。

加速机器人开发

通过结合先进的视觉语义推理、深度物理理解和自主代码生成，Argon 解锁了机器人堆栈中的新工作流程，并加速了向物理通用人工智能（AGI）的进展。这一能力的提升体现在 Argon 在具身推理（ERQA）基准上的表现，该基准测试模型在 3D 环境中理解和解决物理、空间问题的能力。依赖纯推理，Argon 超越了所有其他前沿模型，得分达到 87%。

为了展示这些能力，我们测试了 Argon 仅通过观察学习分布外物理技能的能力。在一次内部测试中，Argon 观看了一段人类玩九孔球的游戏的原始视频，映射了环境的空间坐标，并计算了所需的全身关节运动。然后它自主构建了模拟代码。当移植到 Apptronik 的 Apollo 人形机器人上时，该机器人快速连续投中了七个球。

这种 "视频到模拟到现实" 的工作流程将数周的手动模拟建模压缩到几小时之内，将普通视频转化为可扩展、无限的机器人训练场地。了解更多关于这如何加速机器人开发速度的内容，请查看我们的开发者博客。

负责任且安全地开发 Argon

安全性与安全性是谷歌模型开发的基础。由于Argon是一个功能强大的模型，我们与各种第三方合作伙伴合作，对某些模型功能和安全保障进行了测量。Gemini 4 Argon代表了我们迄今为止最全面的安全性和安全性堆栈：

滥用与越狱防御： 帮助防御者修补医院软件或加速生物工程的相同编码和科学能力，也需要强大的安全措施来防止恶意行为者。在我们的前沿安全框架下，我们评估了Argon在多个领域的增强功能，并部署了一个多层防御堆栈，结合了越狱抵抗、监控和执行。这大大提高了我们的鲁棒性——例如，外部生物红队只能解锁我们测试的生物子任务的不到1%。此外，在涉及危险请求的情况下——从编写漏洞代码到帮助处理危险的生物材料——Argon在拒绝有害请求方面比我们之前的模型要好得多。在一个旨在测试模型的对抗性集上，违规行为减少了近两倍——也比之前的Gemini模型要好得多。
Agent alignment & real-time monitoring: As agents become more capable problem solvers, we have to ensure they don’t get overly eager to finish a task by taking unauthorized shortcuts when they hit a roadblock, like a permission error or a failing test.
- 首先，我们训练Argon要尊重系统边界，诚实地报告负面结果，并在采取不可逆转的步骤之前等待人类确认。在模型没有保留动力的编码基准测试中，Gemini 4 Argon的快捷方式尝试下降到仅2%，与之前的Gemini模型相比，这是我们的最佳表现。
- 其次，作为纵深防御层，我们构建了一个自动的错位监控器，它读取代理的逐步推理和行动，以实时捕获和阻止意外的规避方法。我们在这个监控器中使用了内部部署、能力评估和强化学习训练运行——同时严格避免在训练期间惩罚模型的想法，以保持其推理的透明性和可监控性。
提示注入防御： 当代理浏览网页、阅读电子邮件或检查代码时，它们可能会遇到旨在劫持它们任务的隐藏恶意指令。通过对抗性训练和自动红队，Argon在灰色天鹅间接提示注入（IPI）基准测试中领先，将15次自适应尝试的攻击成功率降低到0.7%。

更多信息，请参阅 Gemini 4 Argon模型卡。

今天就开始

Argon更长时间、更努力地解决复杂的科学、编码和代理问题。这是通过Gemini API的行业领先1M统一输入输出令牌限制实现的。请查阅我们的文档，了解开发者和企业的信息，以了解新的延续协议，并确保为您的需求设置正确的配置。Argon今天在全球范围内推出：

对于开发者： 在AI Studio和Android Studio中使用Gemini API付费层进行构建，如果您是Google AI Ultra订阅者，可以在Google Antigravity和AI Studio中试用。
对于企业： 在Gemini for business、API和Google Antigravity中试用。
对于日常用户： 如果您是Google AI Ultra或Pro订阅者，今天开始在Gemini应用和搜索中的AI模式中试用。
面向科学家与研究人员的：申请获得 Google Antigravity 最高使用层级的 6 个月免费访问机会（滚动邀请），资格、容量和选择适用。申请现已开放。
面向网络安全防御者的：申请加入 Fairwind Program，滚动获得 Argon 无网络安全护栏的访问权限。

Gemini 4 Argon 才仅仅是开始。我们期待为你们带来 Gemini 4 家族的其他产品。