美國當地時間10月13日，GoogleGemini 4 Argon開始面向全球開發者和企業開放。
使用者可以通過Gemini API、Google AI Studio、Google Antigravity等平台呼叫這一模型，符合條件的Gemini Pro和Ultra訂閱使用者也能在Gemini應用及搜尋中的AI模式體驗它。
與10月1日的有限開放相比，這次發佈更值得關注的，是Google披露的一系列實際應用：Argon不僅能重構大型軟體項目、最佳化模型推理，還能根據真實機器人操作視訊建構模擬環境，並參與網路安全和科學研究。
Google試圖證明，前沿模型的價值不只在於回答問題或生成程式碼，還在於能否接手複雜任務，將多個環節串聯起來，最終交付可以使用的結果。
01 從600萬行遺留程式碼開始
Google首先拿自己的工程項目檢驗Argon。
據Google披露，已有超過10萬名員工通過Antigravity內部版本使用該模型。過去四周，工程團隊的智能體程式碼提交量增加35%，提交後的程式碼回滾減少近三分之一。
Chrome團隊的重構項目更能說明問題。
Chromium程式碼庫約有4000萬行，其中一個約600萬行的遺留程式碼目錄長期混雜著多種瀏覽器功能，與核心網頁處理邏輯交織在一起。Argon幫助團隊將核心功能從遺留程式碼中剝離，完成涉及數百個檔案的架構重構，將原本需要數月的工作壓縮到幾周。
Google開放原始碼的Agent Development Kit（ADK）團隊也進行了類似嘗試。團隊向Argon提供規則手冊和最佳化目標，要求它在不破壞現有應用的前提下減少框架開銷。經過一夜運行，模型提出的改動使長會話的記憶體準備時間減少40%，冷匯入速度提高21%，相關程式碼已合入公開的ADK Python程式碼庫。
在底層模型最佳化方面，Argon將Gemma 4 E2B在單張輝達A100上的推理吞吐量從每秒約3.79萬個token提高到超過10.8萬個，提升約2.85倍。Google稱，最佳化後的輸出保持一致，整個過程僅用幾天，涉及注意力調優和推測解碼等環節。
這些案例來自Google自身，它們共同指向一個變化：模型開始參與從程式碼理解、架構調整到性能最佳化和問題排查的完整工程流程，而不只是按照指令生成程式碼。
Argon的視覺理解和生成能力也延伸到了三維建模。
Google展示的案例中，Gemini 4 Argon通過Antigravity中的多代理視覺批判循環，在Blender中自主建構了一組高度精細的寺廟建築群，包括多座建築、植被和複雜光照，呈現出接近照片的視覺效果。
X使用者@mweinbach分享的《心靈殺手2》移植案例，則展示了Argon在跨平台工程中的應用。他稱，模型協助將遊戲從x86 Windows環境移植到原生macOS Arm64環境，涉及指令轉換、Rust繫結和Metal著色器轉換，項目在M3 Ultra上達到了每秒140多幀。
02 從真實機器人到科學研究
大型程式碼庫檢驗的是Argon處理複雜軟體系統的能力，機器人項目則考驗模型能否理解真實世界中的空間關係和物理互動，並將這種理解轉化為可執行的程序。
Google展示的Real2Sim項目，正是圍繞這一問題展開。
Argon可以觀看真實機器人遙操作視訊，建構對應的數字孿生環境，並獲取或生成模擬資產，使物體不僅外觀接近真實對象，在與靈巧機械手接觸時也能呈現相似的物理行為。隨後，模型通過反覆視覺推理調整物體屬性和場景設定，讓模擬中的視覺效果與接觸過程儘可能貼近真實記錄。
這一流程的意義在於，機器人訓練不必完全依賴人工從頭搭建模擬環境。真實操作視訊可以成為建模的起點，模型再根據模擬與現實之間的差異不斷修正場景。
另一項演示則從一張草圖開始。
Argon根據人形機器人向桌上的箱子堆扔球的示意圖，自動生成GPU加速的模擬場景和全身動作軌跡，並在物理引擎中驗證六個箱子全部倒下，最終輸出渲染視訊。
手繪草圖轉換為靈巧人形機器人軌跡與Cycles渲染
不過，模擬成功並不等於機器人已經具備穩定的現實操作能力。物理環境、感測器誤差和執行器限制，都可能影響動作遷移效果。
Google還將Argon用於網路安全和科學研究。在網路安全領域，Google通過Fairwind計畫向更多合作夥伴開放模型，用於經過授權的防禦性安全工作。
在科學研究中，Argon參與了量子計算、核聚變和生命科學項目。Google稱，模型將內部量子糾錯解碼器轉換為最佳化的硬體核心，使推理吞吐量接近翻倍；在與馬里蘭大學研究人員的合作中，它幫助發現更多Grad猜想的反例，為聚變堆磁場設計提供新的研究依據。
生命科學方面，Gamow Labs的研究人員使用Argon分析罕見發育性肺部疾病新生兒的基因組，在一個病例中發現常規軟體多年未能識別的染色體重排，並解釋了此前漏檢的原因。
這些項目的共同點，是模型需要理解專業資料、生成解決方案，再根據計算或實驗結果進行調整。Google正在嘗試將這種能力從軟體工程延伸到具有不同規則和驗證方式的專業領域。
03 模型之外，還要補上工具鏈
Argon能否進入企業工作流程，不只取決於模型表現，還取決於使用成本、工具配套和任務完成效率。
Google給出的限時API價格為每百萬輸入token 2美元、輸出10美元，快取輸入為0.1美元。12月1日起，輸入和輸出價格將分別提高至4美元和20美元。
Argon還提供100萬token的統一上下文窗口，輸入、思考和輸出共用這一額度。
API支援背景執行和檢查點恢復，適用於多倉庫遷移、複雜程式碼分析等需要長時間執行的任務。
基準測試顯示，Argon在部分專業任務中具有競爭力。在Vals Index上，它獲得68.9%的成績，高於Claude Sonnet 5.5的67.04%和Opus 5.5的66.97%。
Google公佈的測試中，Argon在Harvey法律代理基準上得分19.6%，在Zapier自動化基準上得分51.3%，在DeepSWE軟體工程基準上得分77.9%。
但在Artificial Analysis綜合智能指數中，Argon獲得53分，與GPT-6 Astra和Claude Fable 5.1持平，低於Opus 5.5、Sonnet 5.5和Meta Muse Wonder Full。
華頓商學院教授伊桑·莫利克（Ethan Mollick）認為，Gemini 4在創意和寫作方面取得顯著進步，為現有前沿模型提供了不同的選擇。不過，他指出，模型處理複雜多智能體任務時仍有不足，有時過於自信，Antigravity的工具鏈也需要改進。
企業AI諮詢公司Red Dragon AI的山姆·維特文（Sam Witteveen）認為，Argon是一個非常出色但並非最強的模型。他看好模型結合視覺理解、軟體生成和創意媒體的能力，但認為Antigravity與Claude Code、Codex等開發工具相比仍有差距。
X使用者@cheaty則認為，Argon早期測試中的運行速度和成本表現不夠理想。儘管模型能夠完成任務，部分任務的實際花費仍明顯高於其他模型。這也說明，企業評估模型時，不能只比較每百萬token的標價，還要看完成同一任務需要多少呼叫、耗時多久，以及最終結果是否可用。
Argon的全面開放，讓更多開發者和企業有機會檢驗Google展示的能力。但從模型能夠完成某項任務，到企業可以穩定、低成本地將其投入生產，中間仍有一段距離。
對Google而言，接下來要解決的不只是繼續提升模型能力，還包括讓模型更容易使用、讓複雜任務運行得更穩定，並讓實際成本與效率優勢真正經得起檢驗。
據Business Insider於10月10日報導，Google員工正在測試Gemini 4的後續版本Barium和Carbon，部分測試者認為其編碼能力有所提升。
Vercel首席執行長吉列爾莫·勞赫（Guillermo Rauch）認為，Google擁有Transformer技術積累、工程人才和計算資源，不應被低估。 (騰訊科技)