谷歌发布Gemini 4 Argon：单次回复最多可输出100万词元

谷歌DeepMind于2026年9月30日发布了新一代前沿模型Gemini 4 Argon。该模型旨在长时间、多步骤的工作流程中保持深度推理，面向真实世界的软件工程、法律和金融等企业知识工作以及网络安全防御。据公告，该模型暂未向所有人开放，首先提供给谷歌Fairwind计划中经过挑选的网络防御团队。

单次回复可输出100万词元

Argon最突出的特点是输出上限。据谷歌介绍，该模型单次回复最多可写出100万个词元（token），此前的上限为6.4万个。上下文窗口（context window）指模型一次能读取的内容量，输出上限则指单次回复能写出的内容量。更高的上限面向长任务，例如重写大型代码库，或一次性完成多步骤问题。公告未说明该模型输入上下文窗口的大小。

谷歌表示，公司内部已有数千名员工在使用该模型，并给出了实例。据页面介绍，Argon智能体在谷歌数据中心找到了可释放大量内存的优化方案。该模型还被用于把C/C++代码迁移到Rust，项目从re2、libgav1一直到Fuchsia操作系统的Zircon内核；谷歌指出，这些重写在投入生产前仍在审核和测试中。在谷歌的开源视频解码器libgav1中，据介绍Argon智能体生成了内存安全、运行更快且视频输出完全一致的代码。

基准测试

谷歌公布的表格将Argon与GPT-6 Astra、Claude Fable 5.1和Claude Opus 5.5进行了比较。按该公司的测量，Argon在Vals Index、Vals Finance Agent v2和Harvey法律智能体测试等知识工作基准，以及衡量长周期软件工程的DeepSWE上领先。在部分编程测试中，竞争对手更胜一筹：GPT-6 Astra在FrontierSWE上得分更高，Claude Opus 5.5在Terminal-bench上得分更高。在衡量修复安全漏洞能力的CWE-bench上，Argon与竞争对手并列第一。

首批访问权限给网络防御者

Fairwind是谷歌DeepMind的受控访问计划，为优先防御方提供抢先使用权。据计划页面，政府和国家网络安全机构、医疗、电信、能源和金融等关键基础设施运营方，以及核心技术平台都可以参与。谷歌表示，Argon向这些可信防御方和谷歌内部团队提供时不带网络安全防护限制，以便他们充分使用模型的防御能力。合作方只能将模型用于经授权的威胁模拟、逆向工程和恶意软件分析等防御性工作。禁止制作恶意软件，访问权限仅限内部安全团队，且不得与他人共享。Argon可单独使用，也可在谷歌的代码安全智能体CodeMender中使用。

在收集反馈并加强防护之后，模型将更大范围开放。谷歌表示，模型将首先向付费Gemini API客户和Google AI Ultra订阅用户开放，但未给出日期。最新价格请见谷歌官网。

安全措施

谷歌表示，在大范围开放之前，正在四个方面加强防护：拒绝滥用请求、抵御提示注入（prompt injection）、监控模型的思维链和操作并在必要时停止执行，以及在高风险训练和评估中使用隔离的沙箱。该公司称Argon是其迄今为止抵御提示注入能力最强的模型。

来自谷歌内部的质疑

发布之后，彭博社在Julia Love和Davey Alba署名的报道中称，谷歌正在应对公司内部对该模型的质疑。报道援引直接接触该项目的人士称，部分谷歌员工认为，Gemini 4在常用基准测试中表现不错，但在实际工作中表现较弱，尤其是在某些编程任务上。谷歌对彭博社表示，说该模型在编程方面表现不佳是“不准确的”。据报道，另一名员工表示，公司内部普遍认为该模型处于前沿水平。彭博社还提到，谷歌放弃了原先承诺在6月推出的Gemini 3.5 Pro。

已公布的基准测试均由谷歌自行完成，而且该模型目前只向有限群体开放。基准成绩与日常使用之间的差距、如此长的输出从头到尾能保持多高的连贯性、成本如何，只有在广泛使用后才能看清。想了解它的真实表现，值得关注独立研究人员的评估。

来源：谷歌：Gemini 4 Argon、谷歌DeepMind：Fairwind计划、谷歌DeepMind：前沿安全框架、彭博社：谷歌应对员工对新Gemini模型的质疑。