![](https://developer.qcloudimg.com/http-save/yehe-7231576/8c46d57fb961a4c3174d13230757f64e.jpg)

## 先结论：Argon 不是「又一个更大的模型」

Gemini 4 Argon 已经全球上线。对开发者来说，我更关心的不是又一张榜单，而是它能不能把「看懂任务 → 调工具 → 写代码 → 自己改到能跑」这条链路真正串起来。

官方说法里，Argon 把图像、视频、语言理解和推理、代码执行绑在一起：模型先理解目标，再持续调用工具把活儿往下推。过去一个月，Google 内部据说有超过 10 万名员工拿它做过实战；开发者生态负责人 Logan Kilpatrick 提到，全栈团队为 Gemini 4 埋头干了大约半年。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/55a21a9a11034500bd1d412f3ea4db1f.png)

我自己看完发布材料后的判断很简单：**能跑分，也能啃大仓、啃长任务**——后者才是我愿意立刻试用的原因。

## 能做什么：看懂之后，还能接着动手

能力面上，可以粗分成三块：多模态理解、长程 Agent 执行、以及把结果落到真实系统（浏览器、机器人、实验室）。

谷歌在 Antigravity 里甩出的 demo，核心卖点就是「目标定好，中间脏活它扛」。我挑几条对开发者有参考价值的，不展开成流水账：

**从代码到可交互世界。** 工程师让 Argon 搭一座中式寺庙：Blender 建模，多 Agent 盯画面、按反馈迭代，飞檐斗拱到院落光影逐步补齐。再扔一张办公桌照片，它能搭出微型赛车场——Blender 建桌面与赛道、检查碰撞，Nano Banana 补纹理，Three.js 接物理与操控，再配上 Gemini Omni Flash 生成的引擎声。照片里的水杯、书本、键盘就变成障碍物，车真能在桌上跑。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/7e45e43e931461d4416c64689b46e3f8.gif)

![](https://developer.qcloudimg.com/http-save/yehe-7231576/d1ffbf427a9398fa8d85a7f3cb40aa9d.gif)

更硬核一点：不依赖现成 3D 引擎，用 Python + NumPy 手写光线追踪，从零渲出一间有阳光的图书馆，顺带写视频工具和混音器；巫师国际象棋则从棋子建模、绑骨、贴图，一路接到网页交互和单人对战 AI。Hassabis 看完还联想到当年 Amiga 上《战争象棋》的快乐——这话听着像情怀，其实侧面说明：生成物已经接近「能玩」，而不只是「能看」。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/b65bb1c7202efbb41e869c3f5ee0f6b2.gif)

![](https://developer.qcloudimg.com/http-save/yehe-7231576/dfd2727b9d9b8a64c757ab0e984646f0.gif)

**从屏幕到真机。** 给 Argon 一段人类投沙包的视频，它在仿真里练动作，再搬到 Apollo 真机上；真实场地里继续观察落点、把释放位置微调几厘米，最后连续投中 7 次。官方口径是：原先可能要数周的人工仿真建模，被压到了几小时量级。对我而言，这说明「空间理解」已经不只是谈视觉，而是能闭环到控制。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/62b06edd6363b4aa5a026b8efdd857bf.gif)

社区侧上线后也很快涌出一批 3D / 物理实测（熔岩灯、傅里叶圆画羊驼、鲁布·戈德堡装置、Three.js 海景、SVG 动画重绘等）。我这边把列表收一收：**3D 物理与长链条因果，是目前网友最爱拿来压测的方向**，也是 Argon 最容易「一眼看出差距」的场景。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/ed97486d2e3c2835dafe38d20c213485.gif)

## 跑分与实战：纸面第一梯队，工程才是加分项

先看公开数字（措辞按官方材料复述，细节以谷歌原文为准）：

在官方公布的约 19 项基准对比里，最高思考档的 Gemini 4 Argon 拿下约 13 项单独最高、另有 1 项并列最高，成绩单直接对齐 GPT-6 Astra、Fable 5.1 这一档。第三方 Artificial Analysis 智力指数上，Argon（high）约 53 分，与 GPT-6 Astra（max）持平，比 GPT-6.1 Sol（max）大约高出 1 分。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/181bf7c9558812012894786b6c25d2ca.png)

![](https://developer.qcloudimg.com/http-save/yehe-7231576/af767fb5252015d13089516ea745cd1b.png)

跑分好看，我更在意下面这些「像真实工作」的结果。

### Chrome：祖传大仓里做架构重构

Chromium 体量大约四千万行；其中一个旧浏览器功能目录就约占六百万行。Chrome 团队要从中拆出核心网页处理逻辑，改动横跨数百个文件。Argon 协助并行推进多组修改，把原本可能拖数月的架构重构，压到了数周量级。重构目标包括：网页在标签页、侧边栏、浮动窗口之间移动时不必整页重载，并消掉一类崩溃问题。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/2a89718b63c6f3eb1efff1cbbb716d02.gif)

作为长期维护过遗留系统的人，我对这句话的理解是：**它不是只会写新玩具，也能进「不敢乱动」的代码库帮你推进拆分。**

### ADK：通宵无人值守，带着测试交 PR

开源 Agent 框架 ADK（约 20.5 万行 Python）是另一场实战。工程师给维护规则和一段话目标：降框架开销、接口不变、现有应用不能坏、改动必须带测试。第二轮实验大约从晚上 9 点 11 分起，Argon 在 Antigravity 的 `/goal` 模式下无人值守跑了约 11 小时——查瓶颈、改代码、审查自己的 diff，最终跑完 16892 项单元测试，交出涉及 32 个文件、6 项优化的合并请求；维护者保留了其中 2 项，并结合第一轮成果合入主分支。效果上，长会话里内存会话准备耗时大约降 40%，冷导入大约降 21%。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/0bd7a9828af8e21e3888926b7a4e13a4.png)

能撑住这种长任务，背后有约 100 万 token 的统一工作空间（输入、思考、输出共用）；后台长任务输出可扩到百万 token 级，普通同步调用默认最多输出约 65536 token。

它还反过来给别的模型「提速」：在 A100 + vLLM 这组配置下，优化 Gemma 4 E2B 推理程序，吞吐从大约每秒 3.79 万 token 推到 10.8 万以上，端到端约 2.85 倍，输出 token 保持一致。谷歌称，通常可能要几个月的优化，这次几天量级就落地了。

放到 Google 内部整体看：Argon 在 Antigravity 中的使用，让 Agent 代码提交量增加超过约 35%，代码回滚减少近三分之一。Isomorphic Labs 则用它整理药物研发里的复杂 PDF 与专利，过去常要几周的资料工作，压到几小时量级。

### 科学与实验室：从猜想验证到酶设计

科学侧几条我同样只记「可核对」的要点：

- **仿星器 / Grad 猜想：** 1967 年提出的 Grad 猜想，认为除某些特殊构型外，一类满足严格条件的平滑平衡解并不存在。马里兰大学 Matt Landreman 等研究者此前找到反例；谷歌团队与其合作，借助 Argon 进一步去掉原有解中的仿星器对称性限制，找出更广一类精确解。论文与问题交给 Antigravity 里的 Gemini 4 Agent，数小时内得到有希望的候选，并写出验证代码，研究者再独立重算核对。
- **酶设计：** 与科学家共设计 5 种新酶，用于切开特定化学键；设计环节从常见的数月筛选，压到几小时量级，实验室做出后 5 种均能催动目标反应（产物在紫外下发亮，结果直观可见）。
- **量子与基因组：** 优化内部 AlphaQubit 纠错解码器，单位时间处理数据接近翻倍；写出计算反正弦的量子子程序并通过 Lean 形式化验证，时空开销相对已发表量子 CORDIC 方案降到约 1/100 以下。Gamow Labs 用 Argon 分析去标识化新生儿基因组，发现一例被常规软件漏检多年的染色体重排，并解释漏检原因。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/f1a90bd2830ae05be228ec5ea62894c6.png)

![](https://developer.qcloudimg.com/http-save/yehe-7231576/9a6c47a68d7c54aa52dac58e048013f4.png)

这些案例我不打算神化成「AI 独立发现科学」——更准确的说法是：**研究者定目标、把关推导，模型加速搜索与验证脚手架。** 对工程同学，迁移过来的启发是同一套：目标清晰 + 测试/验证闭环，长任务才有意义。

## 怎么上手：官方入口 + 国内可用渠道

官方侧大致是：

- **Pro：** 可在 Gemini 应用与搜索 AI 模式中体验；开发者可通过付费 API 在 AI Studio、Android Studio 调用。
- **Ultra：** 在 Pro 能力之上，还能在 AI Studio 和 Antigravity 里开工。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/374363487f29e192eda0bcc3f3a0c279.png)

![](https://developer.qcloudimg.com/http-save/yehe-7231576/7add57f77dd09da6c3bac10cc089f974.png)

价格方面（按官方公布口径）：输入、思考与输出共用百万级窗口；**截至 11 月 30 日**，每百万输入 / 输出 token 分别约为 **2 美元 / 10 美元**，之后恢复为约 **4 美元 / 20 美元**。首发窗口明显是在拉开发者进来试长上下文 Agent。

![](https://developer.qcloudimg.com/http-save/yehe-7231576/1dcdc3a78a38bb2db54a9ef921a1e0f2.png)

国内想先摸一手，也可以走这些渠道（Web 体验 + API 注册）：

- Web：https://kelaode.maynor1024.live/list/#/home
- API：https://tryallapi.com/register?aff=5A6A

我的建议很务实：先用小任务验证「工具调用 + 代码执行」是否稳定，再把 ADK / 大仓类长任务扔进去；别一上来就赌百万 token 全砸在一个模糊目标上。

## 小结

Gemini 4 Argon 全球上线后，我个人排序是：

1. **Agent 长任务与大仓改造**（Chrome、ADK）比单点创意 demo 更值得跟进；
2. **百万 token 统一工作空间 + 首发价**降低了试错成本；
3. **机器人与科学实验**说明「看懂—动手」在往真实世界延伸，但工程落地仍要人把验证闭环建好。

谷歌这次明显是在把自己的浏览器、开发工具、机器人与科研问题，一并丢进同一场压力测试。对写软件的人来说，竞争已经不只是「谁回答得更漂亮」，而是**谁能更快把想法变成可合并的代码、可复现的实验**。

参考资料：

- https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/
- https://x.com/Google/status/2110041297360699856?s=20
- https://x.com/GoogleDeepMind/status/2110039274922131792?s=20

Gemini 4 Argon 已经全球上线。对开发者来说，我更关心的不是又一张榜单，而是它能不能把「看懂任务 → 调工具 → 写代码 → 自己改到能跑」这条链路真正串起来。

刚刚，Gemini 4全球上线！

人工智能

新闻资讯

开发工具

Gemini4 Argon全球上线，主打多模态理解与长程Agent执行，实现"看懂任务→调工具→写代码→自改运行"全链路。在Chrome大仓重构、ADK无人值守开发等实战中效率显著，百万token工作空间支持长任务。API首发价每百万token 2/10美元，国内可经指定渠道体验。适合开发者用长任务验证工具链稳定性。

单元测试

压力测试

Python

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

刚刚，Gemini 4全球上线！-腾讯云开发者社区-腾讯云

刚刚，Gemini 4全球上线！

刚刚，Gemini 4全球上线！

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐