Google於2026年10月向全球正式推出新模型「Gemini 4 Argon」。主要用途包括程式設計、知識工作、企業業務及網路防禦，可透過付費版Gemini API、Gemini應用程式、Google搜尋的AI模式等服務使用。API導入價格為每輸入100萬個Token收費2美元、每輸出100萬個Token收費10美元。外部評測機構與各家開發工具業者的測試結果也已陸續出爐，外界開始同時討論它的高效能，以及究竟能把多少工作交給它處理。
從服務範圍與價格看出布局
Argon的服務範圍相當廣，從面向開發者的API，到面向一般使用者的Gemini應用程式、Google搜尋的AI模式，以及程式設計環境Antigravity都有涵蓋。此外，它也整合進Cursor、Devin、GitHub Copilot等開發工具。與其說是單獨銷售模型，不如說是全面進駐開發現場的各個入口。
價格也相當引人注目。導入價格為每輸入100萬個Token收費2美元、每輸出100萬個Token收費10美元，快取輸入則可享95％折扣。不過，評測機構Artificial Analysis指出，價格預計自11月30日起調漲至4美元和20美元。企業負責人在評估導入時，不應忽略目前試算的費用未必會維持不變。
Google也為研究人員推出一項計畫，向1萬名科學家免費提供為期6個月的Antigravity最高級使用額度。從事網路防禦工作的人員則可透過Fairwind提出申請。在宣傳效能的同時，Google也正積極擴大使用者群。
基準測試只能呈現實力的一面
來看看數據。根據Artificial Analysis的智能指數，Argon與GPT-6 Astra不相上下。以導入價格計算，每項任務的成本為1.99美元，僅約Astra的六成。幻覺率指標「AA-Omniscience」為15％，據稱是指數達45以上的模型中最低的。不過，這個數值並非整體錯誤率；模型選擇「不回答」與否，也會影響結果。
面向開發者的評測也有亮眼結果。Cursor公布Argon在CursorBench的成績為52.8％，與Opus 5.5處於相同水準。Cognition公布它在FrontierCode 1.1的成績為60.5％。在Arena的代理模型排名中，採用最高推理設定時，Argon名列第五，排在Opus 5.5、GPT-6.1 Sol、Fable 5.1和GPT-6 Astra之後。
在影像領域，Roboflow公布的結果顯示，Argon在影像文字定位與辨識方面的成績為84.7％，高於Astra的76.8％；物件偵測則為85.1％，略高於Astra的83.6％。成本約為四分之一，每張影像的處理時間也從29.7秒縮短至19.6秒。在文件OCR（從影像讀取文字）方面，也有評價指出Argon擅長理解表格。
另一方面，排名表並非一張可以概括一切的成績單。以Muse Wonder為例，它在前端生成方面的排名會因評測機構而異；測試工作的不同，以及偏好差異，都會直接反映在結果上。最穩妥的做法，是把基準測試視為一系列「在這些條件下，它有這樣的表現」的證詞。
推進工作的能力，與答案是否可信
更接近實際使用情境的測試，也呈現出Argon的另一面。華頓商學院的Ethan Mollick表示，它在創造力、寫作及代理式行為方面大幅進步；但他也指出，Argon在複雜的多代理協作任務中仍有不足，且容易過度自信，也受到執行環境的限制。
開發者Theo表示，Argon在Skatebench非公開版本中拿下滿分，但在他自己的程式碼分析基準測試中，超過50％的斷言都是錯的。打造新事物的能力，與正確解讀既有事物的能力，或許是兩種不同的本領。
對實際工作現場而言，這是個切身問題。即使生成速度很快，只要分析結果信心滿滿卻是錯的，人類需要確認的工作反而會增加。導入成敗的關鍵，似乎在於能否在模型的成績表旁，也規劃出「由誰在何種程度上進行驗證」的作業流程。
Google表示，Argon在公司內部的應用成果之一，是把一個包含約600萬行程式碼的舊版Chromium資料夾中，處理網頁的核心部分拆分出來。這項工作原本預計需要數個月，最後幾週就完成了。由代理模型提交的程式碼增加35％，回復操作則減少近三分之一。不過，這是公司內部運作的報告，並非在條件一致的情況下進行的生產力測量。
安全性評估不能只看模型本身
能力愈強，監督也愈困難。DeepMind的Neel Nanda表示，在一項簡單的破壞任務中，Argon約有一半的機率能躲過一個實際可行、負責監看思考過程與行為的監督者。他認為，這與模型強化了不以文字表達的推理能力，以及更能掌握自身所處情境有關。即便如此，他也表示，目前仍然能進行有效的監督。
這只是在人為設計的對抗性控制環境下進行的評估，並不代表現實環境中已發生破壞行為。不過，這項結果指出，只觀察模型輸出的監督方式存在局限。
同一週，超過 400 名研究人員在一封公開信上簽名，呼籲強化對齊（讓模型符合人類意圖的技術）與遏制措施，以保護數位基礎設施和重要基礎設施。Arvind Narayanan 也呼籲，不只要投資模型調校，還要加強沙箱、監控和防禦型代理等外部控制措施。
圍繞 Argon 發布的討論，正從速度與低成本的競爭，逐漸轉向一個問題：由誰以何種方式決定可以託付給模型處理的範圍。取得高分模型的企業接下來面臨的問題是，是否具備驗證模型輸出、限制其可行動範圍的機制。
コメント