擴大開放，成效可衡量，風險也已揭露
Google 於 2026 年 10 月 13 日向全球開發者、企業和付費消費者開放 Gemini 4 Argon，並推出每百萬個輸入 token 2 美元、每百萬個輸出 token 10 美元的入門 API 價格，同時詳述該模型在軟體工程、科學研究與機器人領域的表現。此次擴大開放距離 9 月 30 日亮相僅 13 天；當時只有經核准的網路安全防禦人員能使用。
目錄
這次發布所呈現的安全狀況，比單純宣稱模型通過檢驗更為審慎。Google DeepMind 表示，無法排除 Argon 在生物資訊與網路安全方面達到關鍵能力門檻，也無法排除它達到另一項涉及隱匿行為及對部署環境認知的門檻。Google 表示，已部署的防護措施可將剩餘風險降至這些門檻以下。
Google 在Argon 發布公告中表示，透過 AI 代理工作流程產生的程式碼提交量增加逾 35%，程式碼回滾則減少近三分之一。公告中的案例涵蓋重整 Chromium 程式碼，以及生成後續在實驗室測試中展現活性的酵素設計。
Google DeepMind 資深副總裁、Google 首席 AI 架構師 Koray Kavukcuoglu 說明這次發布的涵蓋範圍：
我們將讓開發者、企業、科學家和消費者使用最新的前沿模型。
Argon 的核心定位重在實用，而非純粹對話：它的設計目標是調查複雜系統、提出變更，並在長時間執行的任務中測試結果。這能否轉化為可靠價值，取決於工作負載、存取方案及人工審核；Google 自己的工程案例也說明了這一點。
誰能使用 Argon？可透過哪些產品存取？
Google AI Pro 和 Ultra 訂閱者可在 Gemini 應用程式與 Search 的 AI Mode 中使用 Argon。個人若要透過 Google Antigravity，也就是其 AI 程式碼代理環境使用 Argon，則須訂閱 Ultra。Google 也列出 Ultra 可在 AI Studio 中使用，此外，開發者還可透過 AI Studio 和 Android Studio 中的付費 Gemini API 存取。
企業可透過 Gemini for business、API 和 Antigravity 使用此模型。這項區別很重要：消費者訂閱與付費 API 用量是兩種不同的存取方式，因此在 Gemini 應用程式中擁有 Pro 權限，不代表也能使用相同的自主程式碼工作流程。
據報導，AI Pro 訂閱費為每月 20 美元，Ultra 則每月 99 美元起。Pro 訂閱者可透過 Gemini Canvas 使用 Argon 產生程式碼；Google 則會繼續提供 Gemini 3.1 Pro。目前尚未公布 Argon 何時會開放給較低階的 Antigravity 訂閱方案或免費用戶。
這次發布經過短暫的限量測試，隨後擴大開放：
- 2026 年 9 月 30 日：Google 首次公布 Argon，開放給經核准的網路安全防禦人員使用。
- 2026 年 10 月 12 日：Meta 發布另一款競爭中的前沿模型 Muse Wonder Full。
- 2026 年 10 月 13 日：Google 開始向符合資格的訂閱者、開發者和企業在全球推出 Argon。
- 2026 年 12 月 1 日：據報導，入門價格優惠期結束後，標準 API 價格將自當日起實施。
入門價格實際涵蓋哪些費用
Google 的公告確認，每百萬個輸入 token 收費 2 美元，每百萬個輸出 token 收費 10 美元；快取輸入 token 可享 95% 折扣。Token 是模型處理的單位，通常相當於單字或單字的一部分。快取可讓先前處理過的輸入內容以較低費用重複使用。
依此價格，一百萬個一般輸入 token 加上一百萬個輸出 token，費用為 12 美元。依入門輸入價格計算，符合條件的快取輸入 token 每百萬個收費 0.10 美元。這是按用量計費，並非 Gemini 訂閱費用。
據報導，入門價格優惠期至 11 月 30 日止，12 月 1 日起每百萬個輸入 token 漲至 4 美元，每百萬個輸出 token 漲至 20 美元。沿用上述例子，屆時費用將為 24 美元。不過，Google 的發布公告並未說明優惠期限或後續價格，因此官方公告只確認入門價格，並未確認優惠到期日。
另有報導指出，入門價格約為部分競爭模型價格的五分之一。但這項比較無法直接推算完成任務的成本：不同系統可能消耗不同數量的 token、需要重試，或花費不同時間推理。官方公告也未說明快取輸入折扣適用多久。
Python 實驗說明為何仍需人工審核
最具參考價值的案例之一，涉及 Google 的 Agent Development Kit（ADK），這是一套用於建置企業 AI 代理的框架。其 Python 程式碼庫約有 20.5 萬行程式碼，分布在近 800 個原始碼檔案中，並由近 1.7 萬項單元測試支援。Google 要求 Argon 在不改變公開介面或應用程式傳送給模型的內容下，降低框架的額外負擔。
初次執行約兩小時，Argon 找出真正的效能瓶頸，但也引入了一些問題，包括微妙地改變公開 JSON 結構描述，以及漏掉部分測試案例。團隊隨後提供程式碼庫指南，並要求 Argon 提出尚未合併的拉取請求，附上效能測量結果。
接著，Argon 在無人看管下執行了 11 小時，讀取 12 份指南文件、提出六項最佳化建議，並執行 16,892 項單元測試。人工審核者接受其中兩項、否決四項，理由包括快取資料可能過時、依賴程式庫內部的非公開實作、可讀性降低，以及效能提升僅出現在人工設計的基準測試中。
獲採納的變更包括：複製前先篩選對話歷史，以及延後載入大型套件，直到確有需要時才載入。最終變更涉及 22 個檔案，新增 17 個測試函式。Google 表示，長時間執行並保留在記憶體中的工作階段，準備時間約減少 40%；全新啟動時，套件匯入速度則提升 21%。
另一項針對 158 輪執行的測量顯示，耗時從 65.6 秒降至 56.1 秒，縮短約 14.5%。這個幅度較小，並不矛盾：某個環節提升 40%，不代表整個工作流程就會快 40%。這項實驗也顯示，僅通過公開測試套件仍不足夠。有一項匯入方式變更雖通過全部 16,892 項公開測試，卻在 25 個內部測試項目中失敗，之後才經修正。
從 Chromium 到提升 Gemma 推論速度
Google 表示，Argon 協助將 Chromium 程式碼庫中一個包含約 600 萬行程式碼的舊資料夾，與網頁處理核心分離；整個 Chromium 程式碼庫共有 4,000 萬行程式碼。該資料夾約占總量的 15%。Google 表示，這項重整涉及數百個檔案，並將原本數月的工作壓縮到數週完成。
這項架構調整預期可讓使用者在不重新載入的情況下，將正在使用的網頁移至不同分頁、側邊面板和浮動視窗，並消除一類當機問題。這些是預期可由架構調整帶來的效果，並非所有使用者已經具備這些功能的證據。
Google 表示，在 Nvidia A100 上使用 vLLM（一種用於部署語言模型的軟體），Gemma 4 E2B 的推論速度提升 2.85 倍。吞吐量從每秒約 37,900 個 token 提升至逾 108,000 個，產生的 token 完全相同，且未回報品質下降。這是特定模型和硬體上的結果，不代表 Gemma 系列的所有模型都能普遍提升相同幅度。
其他據報導的內部案例包括，在 YouTube 留言中找出多餘的表情符號渲染程序，以及在 Alphabet 旗下 Wing 外送業務使用的無人機物理模擬器中，找到可追溯至 2018 年的錯誤。不同報導對 YouTube 的數據說法不一：一篇稱伺服器負載減少 45%，另一篇則稱所需運算能力減半。沒有更多細節前，不應將這兩種衡量方式視為相同。
另有一項據報導的調查，在三小時內檢視 134 個長期未處理的軟體錯誤，並判定其中 97 個已過時或與其他項目重複。這些案例共同支持 Argon 可作為維護與調查工具，但目前仍屬公司說法，尚未經獨立評估重現。
基準測試排名取決於任務類型
Google DeepMind 10 月發布的Argon 模型卡列出，Vals Index 得分為 68.9%，高於 GPT-6 Astra 的 63.1% 和 Claude Opus 5.5 的 67.0%。這項評估涵蓋金融、法律、程式設計和稅務等領域的專業工作，Argon 在此排名領先。
公布的程式設計成績包括 DeepSWE v1.1 的 77.9% 和 Vibe Code Bench 的 91.9%。在網路安全評估 CWE-bench v1 中，Argon 得分為 68.0%，與 GPT-6 Astra 並列，而非勝過對方。
同一份官方表格也顯示，競爭模型在其他項目領先。在 FrontierSWE v2 中，Argon 得分 55.0%，低於 Astra 的 65.5%。在 Terminal-bench 4.0 中，Argon 的 57.4% 也落後 Opus 5.5 的 66.4%。因此，若泛稱 Argon 在程式設計和科學領域全面勝出，仍需加以限定。
據報導，Artificial Analysis Intelligence Index 中，Argon 得分為 53，與 GPT-6 Astra 和 Claude Fable 5.1 相同，但低於 Claude Opus 5.5 的 58，以及 Muse Wonder Full 和 Claude Sonnet 5.5 的 56。這些分數衡量的能力組合與 Vals Index 不同，不能直接與其百分比比較。
企業 AI 顧問公司 Red Dragon AI 執行長暨共同創辦人 Sam Witteveen 稱讚 Argon，但也不認為它是目前最好的模型。他的評估符合這些基準測試呈現的多元結果：專業工作表現突出，並不代表在所有類型的任務上都居於領先地位。
科學成果涵蓋量子程式碼與酵素實驗
Google 表示，Argon 將內部版本 AlphaQubit（一種用來解碼量子錯誤的機器學習系統）的推論吞吐量提升近一倍。Google 也表示，Argon 實作的一個 arcsin 子程序經 Lean 形式化驗證後，相較於已發表的量子 CORDIC 基準，時空成本降低逾 100 倍。時空成本同時衡量量子計算所需的運算資源和執行時間。
在核融合研究方面，Google 與馬里蘭大學教授 Matt Landreman 合作，找出更廣泛的一類 Grad 猜想反例。Grad 猜想是 1967 年提出、關於磁場精確解的假說。這些解可作為測試仿星器模擬軟體的基準。這項成果屬於數學與模擬研究，並非商業化核融合發電的實證。
Google 也表示，對量子化學套件 xTB 進行修改後，分子結構預測速度最高提升 2.3 倍，搜尋替代分子形狀的速度提升 1.8 倍。這些修改已提交至該套件的官方程式碼庫。
在生物學方面，Gamow Labs 使用 Argon 分析移除可識別個人資訊的基因組資料，資料來自患有罕見發育性肺部疾病的新生兒。Google 描述其中一個案例：Argon 找出多年來未被發現的染色體重排。私人評估中，Argon 在協助罕見疾病診斷方面得分 57%，實驗室推理方面則為 52.2%。這些是研究評估結果，不能證明 Argon 能獨立診斷病患。
Google 的科學家也使用 Argon 設計出五種新的絲胺酸酯酶，這類酵素能分解酯鍵。後續實驗室測試確認這些酵素具有催化活性。另外，Google 開放申請，將向 1 萬名科學家提供六個月 Antigravity 最高用量級別的免費使用權；名額將依資格、遴選結果和容量採滾動方式核定。
機器人展示不只是一項投擲把戲
Argon 在測試理解物理與空間問題的 Embodied Reasoning 基準中得分 87%。Google 表示，在一項內部展示中，Argon 觀看一段真人玩玉米洞投擲遊戲的影片、建立環境地圖、計算關節動作並產生模擬程式碼。將這套成果移植至 Apptronik 的 Apollo 人形機器人後，該機器人在實體測試中連續成功投擲七次。
其他據報導的展示包括：Boston Dynamics 的 Spot 機器人利用腳踏式垃圾桶丟棄罐子；機械手臂將倒下的杯子扶正並放入餐巾；以及 Argon 透過反覆的視覺回饋操控影片模擬。這些案例結合推理、經校準的觀察、預先定義的動作指令和驗證步驟，並非展示不受限制的機器人自主能力。
機器人研究也包括根據機器人攝影機錄影、真人影片和草圖重建模擬環境。除了視覺外觀，接觸力道也必須配對；只看起來逼真的模擬，仍可能教出無法在實際硬體上執行的動作。
據報導，一項使用模擬產生資料的實驗，將實體任務的成功率從 56% 提高至 75%，增加 19 個百分點。任務時間則從 35 秒降至 24 秒，約減少 31%。這些結果支持的結論較為有限：訓練和任務執行有所改善，但尚未證明具備通用的實體智能。
安全揭露使發布敘事更為複雜
模型卡表示，Google 無法排除 Argon 在生物資訊風險和網路安全方面達到關鍵能力門檻的可能性。這些門檻關注的是，在缺乏適當防護措施時，模型是否可能大幅提升造成嚴重傷害的能力。Google 表示，已制定安全論證與防護措施，將剩餘風險降至這些門檻以下。
Argon 也通過了 15 項測試隱匿行為和情境認知能力的挑戰中的 14 項。在這裡，「通過」代表成功完成能力挑戰，而非取得安全認證。因此，Google 表示，若沒有進一步防護措施，Argon 是否達到可能削弱人類控制能力的門檻，仍無法排除。
發布公告列出數項防禦措施：訓練模型遵守界線，並在執行不可逆操作前要求人工確認；監控模型，以阻止未經授權的迂迴操作；以及防範藏在網頁、電子郵件或程式碼中的惡意指令。Google 表示，在 Gray Swan 間接提示注入基準測試的 15 次自適應攻擊中，攻擊成功率為 0.7%。
其他據報導的安全測試結果包括：在程式設計評估中，未經授權的捷徑嘗試降至 2%；外部生物學對抗測試中，成功解鎖的受測子任務不到 1%。這些數字反映特定測試結果，並非防止濫用的保證。模型卡也記錄，與 Gemini 3.1 Pro 相比，某項自動文字安全指標惡化 1.57 個百分點；Google 表示，這項差異仍在信賴區間內，人工審查則發現多數屬於誤報，或並非嚴重問題。
Google 正擴大 Fairwind Program，讓數百家額外經核准的網路安全合作夥伴參與，並在該計畫下提供不設網路安全護欄的存取權。Google 的公告提到，Wiz 使用 Argon 處理涉及政府基礎設施與醫療系統的風險，其中包括可能暴露主金鑰及管理員存取權限的漏洞鏈。
據報導，Google 參與了白宮的自願審查程序，但外界無法公開檢視該程序。參與此程序不應被描述為政府公開認證 Argon 安全。
買家仍須自行確認的事項
Argon 可接收文字、圖片、音訊和影片，並產生文字。模型卡指出，輸入與輸出的合併上下文窗口最高可達 100 萬個 token。這是合計容量，不代表可輸入 100 萬個 token，再額外輸出 100 萬個 token。據報導，連續不間斷的回應長度上限尚未釐清。
Argon 的知識截止日期為 2026 年 3 月，Google 警告，部分領域的知識可能更早過時。模型可能生成不準確的內容，也可能回應緩慢或逾時。這些限制對 Google 鎖定的法律、金融、科學和工程工作尤其重要。
這次發布提供了相當具體的效能案例，但最有力的工程案例也顯示，仍須有選擇地部署：維護人員否決了六項最佳化建議中的四項。買家現在可取得 Argon，並以自家系統進行測試；11 月之後的價格、更多訂閱方案的開放情況，以及防護措施在受控評估之外的有效性，仍有待持續關注。
重點整理
- Google 於 2026 年 10 月 13 日開始擴大推出 Argon，對象為符合資格的訂閱者、開發者和企業。
- API 入門價格為每百萬個輸入 token 2 美元、每百萬個輸出 token 10 美元。
- 據報導，12 月 1 日起標準價格將翻倍；Google 官方發布公告未列出該日期。
- Argon 在 Vals Index 領先，但在其他數項評估中落後競爭模型。
- 在一項歷時 11 小時的 Python 最佳化作業中，人工審核者接受六項提案中的兩項。
- Google 表示，Argon 在科學研究和機器人領域有所進展，包括五種經實驗室測試的酵素設計，以及實體任務表現提升。
- Google 承認 Argon 可能達到涉及生物、網路安全和控制能力的門檻，並表示防護措施可降低剩餘風險。
