研究人员、工程师和安全专家正与氩（Argon）协作，拓展科学、数学、机器人和网络安全防御的边界。它帮助谷歌（Google）及科研界的研究人员加速通向发现和现实影响的路径，也能把原始视频自动转为物理仿真，估计深度与物理边界，写出复现环境所需仿真代码。氩在 CWE-Bench 漏洞修复上以 68% 并列第一，是抵御间接提示注入最稳健的模型，今天正扩展到数百家 Fairwind Program 合作伙伴。

与专家一起解决前沿问题

研究人员、工程师和安全专家正在与 Argon 合作，推动科学、数学、机器人和网络安全防御的边界。

解锁新的科学突破

Argon 正在帮助 Google 及科学界的研究人员加快走向发现和产生现实影响的步伐。

加速机器人技术发展

Argon 能自动将原始视频转化为符合物理规律的仿真，估算深度和物理边界，并编写复现这些真实环境所需的精确仿真代码。

负责任地扩展网络安全防御

在漏洞修复方面，Argon 在 CWE-Bench 上并列第一（68%）；它是我们抵御间接提示注入最具韧性的模型，并且目前正在向数百家新的 Fairwind Program 合作伙伴扩展。

• 在 Chrome 中梳理浏览器功能代码
• 量子化学开源包优化
• 在数小时内优化生产环境 Python 代码库
• 让我们开放的 Gemma 模型提速近三倍
• 迁移遗留代码

Argon 帮助 Chrome 团队将核心网页处理从 Chromium 4000 万行代码库中一个约 600 万行的浏览器功能遗留文件夹中分离出来。通过一次性传递多个清晰的代码更改，Argon 协助团队完成了跨数百个文件的架构重构，把需要数月的工作在数周内完成。对全球数十亿 Chrome 用户来说，这将让实时网页能够在标签页、侧边栏和浮动窗口之间流畅移动而无需重新加载，从而消除一整类浏览器崩溃。

xTB（半经验扩展紧束缚）是引用量最高的分子开源量子化学软件包之一，科学家用它预测分子 3D 形状并筛选大量药物和材料候选。我们的研究人员在 Antigravity 中使用 Argon，使 xTB 预测分子结构的速度最高提升至 2.3 倍，构象搜索速度提升至 1.8 倍。相关更改已贡献给 GitHub 上的官方 xTB 仓库。

在 Antigravity 中，Argon 正帮助 Google 开源 Agent Development Kit（ADK）团队——一个为企业级智能体提供支持的框架——进一步推进性能工程。团队向 Argon 提供了 .agents/skills 规则手册和一段话的目标：在不破坏现有应用的前提下消除框架开销。Argon 夜间自主工作，找出了现已上线于 google/adk-python 的优化，在长会话中将内存中会话准备时间减少了 40%，并将冷导入速度提高了 21%。

通过 Argon，我们在 A100 上借助 vLLM 实现了 2.85 倍的端到端推理加速（在 Gemma 4 E2B 上，吞吐量从约 37,900 tokens/秒提升到超过 108,000 tokens/秒），在短短几天内做到 100% token 一致且质量零下降，而这一过程通常需要数月。上游拉取请求（优化范围从注意力调优到投机解码）展示了具体更改。

Antigravity 中的 Argon 将积压的 700 多个 Google Skills 培训实验从分布在五个代码仓库中的硬编码系统镜像和运行时中迁移出来，途中发现并捕获了 16 个以上隐藏的超时和竞态条件 bug。这项工作节省了 955 个工程小时，并将周期性清理工作从每年约 540 小时减少到单次 3 小时的更新。

Argon 在 Antigravity 中利用多智能体视觉批评循环，构建了一个高度精细的宝塔模型。该模型在 Blender 中自主雕刻出包含多栋建筑的寺庙建筑群，具有照片级真实感的建筑、植被和光照。

Argon 在 Antigravity 中通过多智能体循环，把一张真实书桌的照片变成了一个可玩的微型赛车游戏。书桌上的物品、房间和赛道使用 Blender MCP 建模并进行碰撞检查，用 Nano Banana 贴图，并在 Three.js 中接入物理、自定义着色器以及来自 Gemini Omni Flash 的汽车引擎音频。

Antigravity 中的 Argon 编写 Python 脚本，利用多智能体视觉批评循环程序化雕刻、绑定、动画化和 PBR 烘焙了一个复杂的 3D 游戏，然后将其接入 Web 端 Three.js，带有 GLSL 着色器、破碎物理和单人 AI。

在不使用任何外部库、100% 纯 Python 的情况下，Argon 编写了自己的 3D 光线追踪引擎，并自制视频工具和音频混合器，从零开始构建并记录一个阳光照射下的图书馆，使用 Gemini 3.8 TTS 配音和 Lyria 3.5 的音乐制作、解说并剪辑了这个视频。

从 Antigravity 中的一张 Nano Banana 图像出发，Argon 在自主循环中驱动 Blender MCP，对齐相机网格、雕刻哥特式建筑并布置音频响应光照，最终创建出完整的 3D 场景。

在 Isomorphic Labs，团队将 Argon 作为合作伙伴，加速其药物发现和设计研究流程。Argon 能够快速综合复杂的 PDF 和专利，提取相关信息，把通常需要数周的过程缩短到数小时。

“在超过 200 张复杂的合成纵向图表上，Gemini 4 在我们评估的模型中取得了最高的召回率和 ICD-10 编码特异性，无需外部查询即可生成简洁的问题列表。这种医学知识与长上下文理解的结合，展现出用于临床医生审核的图表工作流的潜力。我们正在真实患者记录上验证它，并期待更广泛地试用。”

“Argon 在理解人们真正意图方面做得很好。客户收集了无数他们不知道该如何处理的信号。在我们的评估中，Argon 在构建帮助客户可视化解决方案的图表方面持续名列前茅。它还会非常执着地寻找那些对客户有价值的‘大海捞针’式答案。”

Curtis Liu

CTO, Amplitude

“Gemini 4 代表着 AI 在现实世界科学中能力的一次阶跃。我们看到它对复杂实验数据（从细胞成像到质谱分析）进行推理，并做出传统上需要专家科学家才能识别的细微发现。在我们的 Scientific Agent Benchmark 上，Gemini 4 在多数任务上都处于前沿，包括我们最难的的任务：对两种药物之间的临床风险进行排序。”

Alex Cabrera

Founding Engineer, Axiom Bio

“Gemini 4 Argon 处于企业知识工作的前沿，相比 Gemini 3.1 Pro 准确率提升了 14%。在 Box 的评估中，Argon 能够跨完整文档集关联证据，包括嵌入在图表中的细节，并把多步分析推进到完整答案。这在数据分析以及医疗和生命科学等技术领域中尤为宝贵，因为这些团队需要在多种源材料中查找并解释信息。”

Yashodha Bhavnani

VP of AI Products at Box

“通过将 Gemini 4 集成到我们的 3D 空间重建引擎中，我们能在几秒钟内把日常视频转换成可 articulation、符合物理要求的 3D 场景，而不是几小时。在我们的基准测试中，Gemini 优于我们测试过的每一个模型——将运行时间缩短了近 100 倍，token 使用量减少了 90%，为客户开启了符合物理要求且水密的 3D 资产创建。”

Andrew Carr

Co-founder and Chief Scientist, Cartwheel

“Gemini 4 的初步印象非常强：在这些工作流中的长时间运行任务上，它在我们的评估中 100% 成功完成，保持了上下文并在令人印象深刻的跨度内运行多个工具。它的推理深度带来了显著更高、更清晰的输出。在不需要详细先验逻辑或指令的情况下，为特定领域任务执行深度推理，这是我们此前在同级别模型中从未见过的。”

Gopal Srinivasan

Global AI and Data Lead, Deloitte

“在我们的核心财务分析基准上——涵盖直接从 SEC 文件构建多年度财务报表，到为资本结构复杂且已宣布收购的公司估值——Gemini 4 在超过 99% 的数字上与我们分析师构建的参考模型相匹配。在我们最复杂的工作流上，其表现在多数任务中处于前沿。我们很高兴能在 Kepler 继续基于 Gemini 4 进行构建。”

Glenn LeBlanc

Software Engineer, Kepler

“为了帮助法律专业人士通过 Lexis+ with Protégé 取得更多成果，我们持续评估 AI 模型，作为 LexisNexis Legal Intelligence Engine 多模型方案的一部分。在初步评估中，Gemini 4 Argon 在法律知识、起草和分析任务上表现强劲，包括识别相关引用，以及改进合同审查、投诉分析和研究备忘录。”

Min Chen

Chief AI Officer, LexisNexis Legal & Professional

“在早期测试中，Gemini 4 Argon 脱颖而出，能够将日期、文档、财务计算与法律先例联系起来，形成非常实质性的论证。在一次评估中，它实际上通过发现一个我们遗漏的具有法律相关性的细节，超越了人类专家的答案键。这展示了 AI 帮助专业人士发现关键细节、并对复杂案件形成更完整理解的潜力。”

Caio Perona

CEO, MinutalA

“在我们的自主 AI 研究员 Qualia 中，Gemini 4 Argon 在能力和效率评估中都表现突出。在内部复杂多步研究任务基准上，它处于前沿，同时完成我们评估的速度是同类模型的 1.5 倍，而每任务成本仅为四分之一。它擅长提出新颖想法并识别关于问题的非显性洞察，从而在长周期中保持清晰的研究视野，这是当今模型难以做到的。”

Trenton Chang

Chief Scientist, Quadrillion

“Gemini 4 在早期评估中以其响应质量给我们留下深刻印象。在 Poe 上，人们越来越多地使用 AI 来构建东西，而 Gemini 4 为创作者提供了强大的基础，把想法变成可以完善和分享的工具。”

Gareth Jones

Head of Product, Quora

“Argon 在我们的目标检测评估中排名第一，并在我们新的文本基准（使用来自制造、物流和航空影像的真实世界图像）中领先。我们已将 Argon 完全集成到 Roboflow 中，让开发者和企业能够利用其高精度检测和文本提取来检查产品、跟踪库存并引导机器。”

Brad Dwyer

Co-founder and CTO of Roboflow

在 Gemini App 中，Argon 接收一个装满项目上下文的非结构化文件夹，并使用自定义技能将其整理成给客户的整洁提案幻灯片。随后，Gemini 起草并通过电子邮件将该幻灯片发送给客户，同时通过计划任务为所有未来的客户请求创建自动化工作流。

Argon 综合约 50 GB 的机载 LiDAR 扫描、GIS 房间矢量、美国国会图书馆 CAD 图纸以及 NPS 档案，重建查科峡谷的 3D 模型，把碎片化的考古记录变成可探索的数字遗产遗址。

在 Gemini macOS 应用中，Argon 使用 Antigravity，先用 Nano Banana 为沙发新腿生成设计迭代，然后生成一个可用于 3D 打印的文件。从测量草图和沙发照片出发，Argon 构建出尺寸合适、能装到沙发上的模型。

使用 Gemini macOS 应用中的 Antigravity 自定义可视化，用新的 3D 打印腿替换损坏的沙发腿。

• 量子计算
• 核聚变
• 罕见病诊断
• 酶设计

Argon 正帮助我们的研究人员加快量子纠错和算法设计的进展。为了让纠错解码器在实时中跟上量子硬件，Argon 将我们的 ML 量子纠错解码器 AlphaQubit 的内部版本翻译成一个高度优化的单一硬件内核——其推理吞吐量几乎翻倍，从而让我们能够部署更大、更强的模型并扩展到更大规模的量子设备，同时继续满足严格的实时阈值。Argon 还在降低量子子程序的时空成本。对于近期量子模拟算法的基础模块 arcsin，由 Argon 编写并在 Lean 中正式验证的实现，相比已发布的量子 CORDIC 基线将时空成本降低了 100 多倍，这是迈向优化量子电路标准库的一步。

仿星器是极其复杂的机器，是无限清洁聚变能的主要候选方案，但优化其 3D 磁场众所周知非常困难。自 1967 年以来，一个长期存在的假说“Grad 猜想”认为，找到这些磁场的精确数学解是不可能的，直到最近发现了反例，其中包括马里兰大学 Matt Landreman 教授的工作。现在，Google 的一个团队与 Landreman 教授一起发现了更广泛的 Grad 猜想反例类别。这些新解为聚变界提供了可靠的基准，用于测试仿星器模拟代码，这对未来设计是有价值的工具。

Gamow Labs 的研究人员使用 Argon 分析患有罕见发育性肺部疾病的新生儿的去标识化基因组。在一个案例中，Argon 精确定位了一个常规软件多年遗漏的染色体重排，并解释了它为何未被检测到。在基于真实临床和实验室数据的 Gamow Labs 私人评估中，Argon 在 RareBench（罕见病诊断辅助 57%）和 LabBench（湿实验推理 52.2%）上名列前茅。这些进展意味着面临罕见病的家庭可以更快得到诊断。

设计具有精确反应性的酶非常缓慢，通常需要数月的定制模型调优和候选筛选。丝氨酸酯酶是一类切割目标分子上酯键的酶，广泛用于回收以及药品、生物燃料和洗涤剂的生产。我们的科学家与 Argon 合作设计丝氨酸酯酶，以基准分子 4MU-acetate 为目标——一旦其酯键断裂，该分子在紫外光下会发光。在几小时内，Argon 汇总了相关数据，进行了模型调优，并识别出多个受生物化学启发的过滤器，最终得到五个新颖设计。后续实验室测试证实这些设计具有稳健的催化活性。成功生成酶的速度和易用性表明，在生物制造、绿色化学和药物开发等领域，酶工程有望快速加速。

为了展示这些能力的实际效果，我们测试了 Argon 仅通过观察来学习分布外物理技能的能力。在一项内部测试中，Argon 观看了一段人类玩玉米洞游戏（cornhole）的原始视频，映射了环境的空间坐标，并计算出所需的全身关节运动。随后它自主构建了仿真代码。当转移到 Apptronik 的 Apollo 人形机器人上时，该机器人在真实试验中连续投进了七个球。

Wiz 已经在其“Scan for Good”计划中使用 Argon，免费保护关键公共基础设施。在提前获得该模型后，Wiz 使用 Argon 保护关键医疗基础设施。该模型不仅仅发现漏洞——它还主动保护了数十万份患者记录。

不间断的前沿数学与科学推导

凭借 100 万输出 token，Argon 有余量一次性完成 10 万+ token 的推理轨迹，并输出详尽的逐步数学证明、量子纠错解码器和完整的计算物理求解器。

全仓库生成与重构

一次性生成完整的多文件应用、搭建完整的微服务，或重构庞大的代码库，而无需拼接被截断的响应。

大规模遗留代码翻译

端到端翻译单体遗留文件和复杂数据库 schema，同时保留跨文件依赖。

详尽的合成式结构化输出

在单轮中生成全面的合规审计、完整规模的技术规范和大规模结构化数据集。

| 类别 | 基准 | 备注 | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 | | --- | --- | --- | --- | --- | --- | --- | | Knowledge work | Vals Index | | 68.9% | 63.1% | 65.8% | 67.0% | | | AutomationBench | Score | 51.3% | 41.4% | 31.4% | 42.5% | | | Vals Finance Agent v2 | | 65.4% | 53.5% | 58.9% | 58.6% | | | Harvey's Legal Agent Benchmark | | 19.6% | 5.4% | 6.7% | 3.8% | | Agentic coding | DeepSWE v1.1 | | 77.9% | 74.1% | 67.4% | 74.2% | | | FrontierSWE v2 | | 55.0% | 65.5% | 56.3% | 62.3% | | | Vibe Code Bench | | 91.9% | 89.6% | 90.3% | 90.3% | | | Terminal-bench 4.0 | | 57.4% | 58.2% | 57.9% | 66.4% | | ML engineering | PostTrainBench | | 45.3% | 44.3% | 40.2% | 49.3% | | Science and math | Terminal-Bench Science 0.1 | | 57.6% | 68.1% | 52.6% | 63.3% | | | LABBench 2 | | 88.8% | 85.4% | 68.6% | 73.1% | | | RiemannBench | | 76.0% | 72.0% | 65.6% | 69.6% | | Long context | GraphWalks | Up to 128k, BFS (F1) | 99.7% | 98.7% | 91.4% | 90.6% | | | | 256k to 1M, BFS (F1) | 84.2% | 71.8% | 65.0% | 66.8% | | Computer use | Agent's Last Exam | Pass rate | 39.5% | 34.2% | — | 38.2% | | | OSWorld-2.0 | Offline subset Partial score | 69.2% | 72.6% | — | — | | Multimodal understanding | Chartography | | 71.6% | 71.0% | 46.2% | 66.3% | | | LVBench | | 91.7% | 87.5% | 79.7% | 83.7% | | Cybersecurity | CWE-bench v1 | | 68.0% | 68.0% | 58.0% | 67.0% |

防范滥用

Argon 被设计为在拒绝有害请求的同时，根据我们的 Frontier Safety Framework 保留合法的、双重用途的科学研究。

防御提示注入攻击

Argon 是我们迄今对间接提示注入最具韧性的模型。

监控目标偏离

我们正在部署目标偏离缓解措施，监控 Argon 的思维链和行动，并在必要时停止执行。

加固系统

我们正在加固沙盒环境，在高风险训练或评估开始之前对其进行隔离和密封。

多数人质疑 Google 的发布策略与模型可得性：不少 Pro 用户、欧盟组织和 Antigravity 里都反馈模型不可用，有人还嫌它只给高价 Ultra、定价不透明且未必强过 Opus。少数尝鲜者则肯定它的写作、推理与 SVG 输出，并对“Google 工程师首选”的宣传和过度营销保持怀疑；也有一种少数意见认为，发布虽烂，但谷歌靠规模和普通用户入口依然能赢。

抱怨发布翻车，大量用户根本用不上

• 欧盟组织、Pro 订阅者、Antigravity 用户纷纷表示模型不可用；今天似乎只有部分 Pro 和 Ultra 订阅者能用，API 可能几小时后跟进，但在 Antigravity 等场景 Pro 仍被挡在门外、必须升级到 Ultra。用户质问为什么发布几周都用不了的东西，认为谷歌的前沿实验室发布体验一如既往糟糕，有人推测纯粹是容量不足，连官方博客在 Safari 移动端都很难正常滚动。（较多人） > 还是用不了，谷歌的经典做派。（@w4yai）

质疑性价比、定价透明度和实际性能不如 Opus

• 不少人在意的是：模型只给每月 100 美元的 Ultra 计划，且有人根据评测指出它不如 Opus 5.5，任务成本或表现不成正比；定价只写了首发价，后续价格和生效时间被藏得很深，重要信息要么埋在深处要么在登录页后面。还有实测者指出它偏啰嗦、更费 token，用更多 token 才完成别的模型更简洁完成的任务，所以有人直接问为什么还要买。（较多人） > 只在 100 美元套餐提供，而且还不如 Opus 5.5？到底图什么？（@redox99）

少数尝鲜者肯定它的写作、推理与多模态输出

• 通过 API 或 Ultra 用上的人给出正面评价：写作清晰、有风格、没被强化学习调坏，英语或多语言生成能力突出，扎实的散文能力比 2D 插画和 3D 渲染的病毒式展示更有意义。（少数人）
• SVG 与 pelican 测试表现极好，低中高三档里的低配都强于其他实验室，且成本相近是因为它用了更多输出 token 而非推理 token；手写识别等长尾能力也被期待有所突破。（少数人） > 它的头脑清楚、没被强化学习折磨坏，还有自己的文风，大模型味很足。（@postalcoder）

怀疑“Google 工程师首选”只是内部强推自家模型

• 有人针对官方“Argon 正成为 Google 及早期伙伴处理长周期软件工程的首选”的说法提出假设：这未必代表模型更强，而可能是 Google 限制使用 Anthropic 等外部模型、强制内部试用自家模型，就像微软和 Meta 推自家模型一样；这只是猜测，但反映出对宣传口径的不信任。（少数人） > “整个 Google 的首选”可能只是限制用外部模型、逼工程师自家用，并不等于模型真的更好。（@Insanity）

批评营销过度、演示材料粗糙，想要更务实的工程能力

• 有人反感过度营销和粗制滥造的演示：餐饮视频里的幻灯片充满 AI 设计痕迹，糟糕到像供应商发来的笑话；官方喜欢用跑分和噱头迎合市场，但用户真正想要的是能可靠地协助设计架构良好的软件项目，而不是不断和臃肿、外行的方向对抗。（较多人） > 真希望他们收敛一下天花乱坠的营销，让这东西能可靠地帮我设计架构良好的软件，而不是老和一堆没经验开发者才会走的弯路对抗。（@DataDaoDe）

认为发布虽烂但谷歌靠规模和入口仍能赢

• 有人一边骂谷歌前沿实验室发布体验最差、产品一直落后，一边认为这是绝佳战略：它很可能已经处理了比任何公司都多的大语言模型请求，普通用户仍然只使用谷歌。换句话说，难用的发布并不妨碍它靠规模和默认入口赢。（少数人） > 谷歌的前沿实验室发布最烂、产品一直落后，但我打赌它处理的大语言模型请求比任何公司都多，普通人还是只用谷歌。（@aliljet）

有价值的补充

• Argon 在希腊语里源出 argos，意为“懒惰、不劳动”；Gemini 4 改用惰性气体命名，而按原子量其实还有更轻或更重的候选，官方只称它具备前沿性能，并未自称是 Gemini 4 系列里最大最强。有人调侃型号名快不够用了：“Hans，又要发小版本了，周期表上还有哪个没划掉？”（@jordemort）
• 有测试者发现它在 AI Studio 里仍会沿袭旧版 Pro 的怪癖：回答开放式问题时把条目编号，并给每项加上“The...”之类的奇怪标签；如果用户在提示里用了某个生僻说法，它在后续对话中会反复照抄这个词，不过这一点似乎有所减轻。（@GodelNumbering）
• Google 是唯一公开表示专门训练过 SVG 输出的实验室，鹈鹕测试结果也印证了这点：低、中、高三档里的低配都强过其他实验室，成本相近是因为它用了更多输出 token 而非推理 token。（@simonw）