Gemini 4 Argon：评测表现、价格与可靠性边界

发布与接入

Gemini 4 Argon 宣布全面开放，面向编程、知识工作、企业工作流和网络防御等用途。接入渠道包括付费 Gemini API、Gemini 平台，以及 Gemini 应用和搜索 AI Mode 的相应付费方案；开发工具方面，Cursor、Devin 和 GitHub Copilot 也已提供支持。

这次开放并非仅针对网络安全防御人员，相关访问范围比此前的受限描述更广。

价格优势有时间条件

Argon 的 API 推广价格为：

计费项目	每百万 token 价格
输入	2 美元
输出	10 美元

缓存输入享受 95% 的价格折扣。Artificial Analysis 报告称，推广期结束后，即 2026 年 11 月 30 日之后，输入和输出价格将分别上调至每百万 token 4 美元和 20 美元。

因此，基于推广价格得出的成本优势，不能直接视为长期成本优势。

独立评测呈现了哪些能力？

编程：成绩较强，但依赖测试环境

Cursor 报告，Argon 在默认推理强度下的 CursorBench 得分为 52.8%，与 Opus 5.5 相当。Cognition 则报告其在 FrontierCode 1.1 上达到 60.5%。

这些结果分别对应不同的测试集和运行环境，不宜把两个百分比直接放在同一尺度上比较。

Artificial Analysis 的 Intelligence Index 将 Argon 与 GPT-6 Astra 列在相同水平；按推广价格计算，Argon 的单任务成本约为 1.99 美元，约为 Astra 的 60%。

视觉与文档：特定配置下表现突出

Roboflow 报告的结果包括：

**文本定位与识别：**Argon High 为 84.7%，Astra 为 76.8%。
**目标检测：**Argon High 为 85.1%，Astra 为 83.6%。
**单张图像延迟：**在该测试配置下，分别为 19.6 秒和 29.7 秒。

该评测还报告，Argon 在相应配置下的成本约低至对比模型的四分之一。这些成本和延迟结果应与测试配置一起理解，不能直接推广到所有视觉任务。

LlamaIndex 的文档评测也认为，Argon 在复杂文档 OCR、表格理解，以及图表、阅读顺序和格式识别方面具有竞争力。

高分不等于工作流可靠

Artificial Analysis 报告，Argon 的 AA-Omniscience 幻觉指标为 15%，在其 Intelligence Index 得分至少为 45 的模型中最低。但这一指标不等于模型在所有任务中的总体错误率，拒答或不作答的比例也会影响解读。

真实工作流中的反馈同样并不一致。Ethan Mollick 认为，Argon 在创造力、写作和智能体行为上有明显进步，同时指出复杂多智能体执行、过度自信，以及智能体运行框架仍存在局限。

Google 还披露了内部工程应用结果，包括智能体代码提交量增加 35%、回滚减少近三分之一。需要区分的是：这些属于内部部署披露，并非受控实验下的普遍生产力提升结论。

如何看待这些结果

目前的证据更适合支持一个有边界的判断：Argon 在多个具体评测中表现较强，但模型选择仍需同时核对任务类型、推理配置、价格有效期和失败处理方式。榜单成绩、内部部署数据与实际项目体验，回答的是不同问题，不宜互相替代。