2026年10月13日

|

17分钟阅读

我们正在让开发者、企业、科学家和消费者能够使用我们最新的前沿模型。

本文内容

Gemini 4 Argon 今日面向全球开发者与企业开放，可通过 AI Studio 和 Gemini平台 的API使用；面向 Google AI Ultra订阅用户 在 Google Antigravity 中开放；面向Google AI Ultra和Pro订阅用户在 Gemini应用 和 搜索中的AI模式 中开放。

Argon擅长在编码、金融、法律、网络安全和科学等领域的复杂现实任务中进行深度工作。其在多步骤任务中的深度和精确性使Argon在跨领域基准测试中优于其他前沿模型，在Vals指数中排名第一，该指数衡量模型在金融、编码、法律和税务工作等关键经济领域的表现。

该模型今日以介绍性价格1发布，每百万输入token 2美元，每百万输出token 10美元（缓存输入token享受95%折扣）。

Google、各企业以及研究社区的团队已经在使用Argon在多个领域产生重大影响：

  • 解决大型代码库重构和优化等重大工程问题
  • 优化法律、金融和科学等领域的业务工作流程
  • 发现并修补关键网络安全漏洞
  • 在量子计算、核聚变和生命科学领域实现新颖突破

解决复杂工程任务

在Google，我们一直在使用Argon处理最棘手的工程问题。在过去几周里，软件工程师们比以往任何时候都更快地交付高质量代码。Antigravity中的Argon帮助团队将智能体代码提交量提高了35%以上，同时将代码回滚减少了近三分之一。

  • 理清Chrome中的浏览器功能代码： Argon帮助Chrome团队将核心网页处理与Chromium 4000万行代码库中约600万行的遗留浏览器功能文件夹分离。一次提交多个干净的代码更改，Argon帮助团队完成了跨数百个文件的架构重构，将数月的工作在数周内完成。对于Chrome全球数十亿用户而言，这将解锁实时网页在标签页、侧边栏和浮动窗口之间流畅移动而无需重新加载的能力，消除了一整类浏览器崩溃问题。

  • 在数小时内优化生产Python代码库： Antigravity中的Argon正在帮助Google开源Agent Development Kit（ADK）背后的团队——这是一个驱动企业智能体的框架——进一步推进其性能工程。团队将他们的.agents/skills规则手册和一段话的目标交给Argon，要求在不破坏现有应用的情况下消除框架开销。Argon在一夜之间自主工作，提出了优化方案，现已上线google/adk-python，将长会话中的内存会话准备时间缩短了40%，并将冷导入速度提高了21%。阅读工程深度解析了解更多。

  • 量子化学开源包优化： xTB（半经验扩展紧束缚）是分子领域被引用最多的开源量子化学包之一。科学家使用它来预测分子的3D形状，并筛选大量药物和材料候选物。使用Antigravity中的Argon，我们的研究人员使xTB在预测分子结构方面提速高达2.3倍，在构象搜索方面提速1.8倍。这些更改已贡献至GitHub上的官方xTB仓库。

  • 使我们的开放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倍的端到端推理加速（在Gemma 4 E2B上将吞吐量从约37,900加速至每秒超过108,000个token），实现了100%的token一致性且质量零下降，仅用了几天时间，而这一过程通常需要数月。查看上游拉取请求（优化了从注意力调优到推测解码的所有内容）以了解确切的更改。

  • 交付复杂的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/goal等斜杠命令，并在Antigravity中通过自定义技能提示多智能体循环，Google员工正在使用Argon以原生代码原型设计复杂的3D可视化、高保真游戏和交互式动画，这些可以直接在浏览器中渲染。

变革关键业务和专业工作流程

Argon 将前沿推理、深度视觉感知、扩展的领域知识以及更强的写作能力相结合，覆盖法律、金融、科学和编程领域，帮助处理高风险的专业工作流程。它沟通清晰，让你始终了解进展，并且比我们以往任何 Gemini 模型都更好地遵循风格指令。Argon 更直接地回答问题，减少含糊其辞，不会不必要地重复自己，并在整个回复中避免陈词滥调。

我们的早期访问计划中的企业客户和初创公司已经在 Argon 上看到了强劲的成果。

利用其先进的推理和多模态能力，同时保持严格的接地，Argon 在深度多模态文档理解、纵向数据分析和交互式分析沙盒方面表现出色。

与研究人员和领域专家一起加速现实世界的影响

研究人员、工程师和安全专家已经在使用 Argon 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化证明，并捕捉微妙的零日漏洞和逻辑缺陷。

将最先进的网络能力带给更多受信任的防御者

从今天开始，我们开始扩展到数百个额外的 Fairwind Program 合作伙伴。

Wiz 已经在使用 Argon 进行其“Scan for Good”计划，该计划免费为公共利益保护关键基础设施。通过早期访问该模型，Wiz 已经在多个高风险领域展示了 Argon 的现实世界影响：

  • 保护敏感的政府数据： 作为长期网络韧性计划的一部分，并与一个联邦机构合作，Argon 帮助主动识别并修复了一个可能暴露敏感数据和政府基础设施的缺口。这项工作帮助防止了关键安全部门开发细节的暴露以及对专用模型的未经授权访问。
  • 保护关键医疗基础设施： Wiz 还使用 Argon 保护重要的医疗基础设施。通过链接复杂漏洞，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现实世界的影响——为多个领域的科学家和专家实现了新发现。

  • 量子计算： Argon 正在帮助我们的研究人员加速量子纠错和算法设计方面的进展。为了帮助错误解码器实时跟上量子硬件的步伐，Argon 将我们 ML 量子纠错解码器 AlphaQubit 的内部版本转换为单个高度优化的硬件内核——将其推理吞吐量几乎翻倍，以便我们可以部署更大、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 还降低了量子子程序的时空成本。对于 arcsin——近期量子模拟算法中的一个构建块——由 Argon 编写并在 Lean 中形式化验证的实现，与已发布的量子 CORDIC 基线相比，将时空成本降低了 100 倍以上，这是朝着优化量子电路标准库迈出的一步。
  • 核聚变： 仿星器是极其复杂的机器，是无限清洁聚变能的主要候选方案，但优化其三维磁场是出了名的困难。自 1967 年以来，一个被称为“Grad 猜想”的长期假设认为，为这些磁场找到精确数学解是不可能的，直到最近发现了反例，包括马里兰大学的 Matt Landreman 教授。现在，Google 的一个团队与 Landreman 教授一起发现了更广泛的一类 Grad 猜想反例。这些新解为聚变社区提供了可靠的基准来测试他们的仿星器模拟代码，这些代码是未来设计的有价值工具。
  • 罕见病研究： Gamow Labs 的研究人员使用 Argon 分析患有罕见发育性肺部疾病的新生儿的去标识化基因组。在一个案例中，Argon 精确定位了常规软件多年来遗漏的染色体重排，并解释了为什么它未被检测到。在基于真实临床和实验室数据的私人 Gamow Labs 评估中，Argon 在 RareBench（罕见病诊断辅助方面为 57%）和 LabBench（湿实验室推理方面为 52.2%）上名列前茅。这些进展指向为面临罕见病的家庭提供更快的诊断。更多详情请参见博客2。
  • 酶设计： 设计具有精确反应性的酶是出了名的缓慢，通常需要数月的定制模型调整和候选筛选。丝氨酸酯酶是一类切割目标分子上酯键的酶，广泛用于回收以及制药、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，靶向基准分子 4MU-乙酸酯，该分子一旦酯键被破坏就会在紫外光下发光。在几个小时内，Argon 汇集了相关数据，执行了模型调整，并确定了多个受生物化学启发的过滤器，最终得到五个新设计的最终集合。随后的实验室测试证实了这些设计具有强大的催化活性。成功生成酶的速度和简便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。

为了进一步推进研究步伐，我们向 10,000 名科学家免费提供 Google Antigravity 中最高使用层级，为期 6 个月（按滚动方式加入），须符合资格、容量和选择条件。申请现已开放。

加速机器人开发

通过将先进的视觉-语义推理、深度物理理解和自主代码生成结合在一起，Argon 解锁了机器人技术栈中的全新工作流，并加速了迈向物理 AGI 的进程。这一能力飞跃体现在 Argon 在 具身推理（ERQA）基准测试上的表现，该测试衡量模型理解和解决 3D 环境中物理、空间问题的能力。仅依靠纯推理，Argon 就以 87% 的得分超越了所有其他前沿模型。

为了展示这些能力在实际中的应用，我们测试了 Argon 仅通过观看就学习一项分布外物理技能的能力。在一项内部测试中，Argon 观看了一段人类玩沙包游戏的原始视频，绘制了环境的空间坐标，并计算了所需的全身关节运动。随后，它自主构建了仿真代码。当迁移到 Apptronik 的 Apollo 人形机器人上时，该机器人在真实世界试验中迅速连续投中了七次。

这一“视频到仿真到现实”（Video-to-Sim-to-Real）流水线将数周的手动仿真建模压缩为几个小时，把普通视频转化为可扩展、无限的机器人训练场。若要了解更多关于这如何加速机器人开发步伐的信息，请参阅我们的开发者博客。

负责任且安全地开发 Argon

安全与保障是 Google 模型开发的基础。由于 Argon 是一个能力极强的模型，我们与多家第三方合作伙伴合作，对某些模型能力和防护措施进行了测量。Gemini 4 Argon 代表了我们迄今为止最全面的安全与保障体系：

  • 防滥用与防越狱： 那些帮助防御者修补医院软件或加速生物工程的编码和科学能力，同样需要强有力的保障措施来防范恶意行为者。在我们的前沿安全框架下，我们评估了 Argon 在多个领域增强后的能力，并部署了结合防越狱、监控和执行的 multilayer 防御栈。这极大地提升了我们的稳健性——例如，外部生物红队测试只能解锁我们测试中不到 1% 的生物子任务。此外，对于危险请求——从编写漏洞利用代码到协助处理危险生物材料——Argon 在拒绝完成有害请求方面显著优于我们之前的模型。在一个旨在对模型进行压力测试的对抗性集合上，违规行为减少了近 2 倍——也显著优于之前的 Gemini 模型。

  • 智能体对齐与实时监控： 随着智能体成为更强大的问题解决者，我们必须确保它们在遇到障碍（如权限错误或测试失败）时，不会因过于急切地完成任务而采取未经授权的捷径。

    • 首先，我们训练 Argon 尊重系统边界、如实报告负面发现，并在采取不可逆步骤前暂停以等待人类确认。在模型没有动机有所保留的编码基准测试中，Gemini 4 Argon 的捷径尝试降至仅 2%，这是我们相较之前 Gemini 模型的最佳表现。
    • 其次，作为纵深防御层，我们构建了一个自动化的失准监控器，它会读取智能体的逐步推理和行动，以实时捕捉并阻止非预期的变通做法。我们在内部部署、能力评估和强化学习训练运行中使用了这一监控器——同时严格避免在训练期间惩罚模型的想法，以确保其推理保持透明且可监控。

  • 提示注入抵抗： 当智能体浏览网页、阅读电子邮件或检查代码时，它们可能会遇到旨在劫持其任务的隐藏恶意指令。通过对抗性训练和自动化红队测试，Argon 在 Gray Swan 间接提示注入（IPI）基准测试中领先，将 15 次自适应尝试中的攻击成功率降至 0.7%。

如需了解更多信息，请参阅 Gemini 4 Argon 模型卡。

立即开始使用

Argon 能更长时间、更努力地工作，以解决高度复杂的科学、编码和智能体问题。这得益于通过 Gemini API 提供的业界领先的 100 万统一输入输出 token 限制。请阅读我们面向开发者和企业的文档，了解新的延续协议，并确保根据你的需求进行适当设置。Argon 今日起在全球范围内逐步推出：

  • 面向开发者： 在 AI Studio 和 Android Studio 中使用 Gemini API 付费层级进行构建；如果你是 Google AI Ultra 订阅者，可以在 Google Antigravity 和 AI Studio 中试用。
  • 面向企业： 在 Gemini for business、API 和 Google Antigravity 中试用。
  • 面向日常用户： 如果你是 Google AI Ultra 或 Pro 订阅者，从今天起可以在 Gemini 应用和搜索中的 AI 模式中试用。
  • 面向科学家与研究人员： 申请有机会免费获得 Google Antigravity 最高使用层级 6 个月的使用权（按滚动方式接入），须符合资格、容量和遴选条件。申请现已开放。
  • 面向网络安全防御者： 申请加入 Fairwind 计划，以滚动方式获得不带网络防护限制的 Argon 访问权限。

Gemini 4 Argon 只是一个开始。我们期待为你带来 Gemini 4 系列的其余部分。

本文内容采集自官方网站，排版和翻译可能与原页面存在差异。

阅读官方全文