Gemini 4 Argon 发布:输出上限 100 万 token,首批给安全防御者

谷歌在 9 月 30 日夜里放出了 Gemini 4 代的第一个模型 Argon。三件事值得记住:单次输出上限从上一代的 64K 直接拉到 100 万 token;DeepSWE v1.1 跑出 77.9%;以及最反直觉的一点——首批用户不是开发者也不是订阅用户,而是 Fairwind 计划里的网络安全防御者。

赢在长任务,短板也在明面上

按官方公告,Argon 定位是「复杂、长周期工作流」:真实软件工程、法律金融知识工作、网络防御。100 万 token 是输出上限而非上下文窗口,谷歌没有公布上下文长度。跑分上,官方称 DeepSWE v1.1 的 77.9% 是新纪录,自家对比表里 Claude Opus 5.5 为 74.2%、GPT-6 Astra 为 74.1%;Vals Index、Zapier 的 AutomationBench(51.3%,第一)、长视频理解 LVBench(91.7%)同样领先,CWE-bench v1 以 68% 与 Grok 4.7、GPT-6 Astra 并列第一。

但第三方整理的对比表同样显示它输的地方:FrontierSWE v2 的 55.0% 落后 Astra 的 65.5%,Terminal-Bench 4.0 的 57.4% 落后 Opus 5.5 的 66.4%。有媒体直接提醒:这批头条数字全部来自谷歌自家的评测提交。长任务赢、短平快输,与「100 万输出」的产品定位是自洽的。

内部战果:量子、内存、C++ 转 Rust

官方博客晒了三个内部案例:帮量子计算研究员优化子程序的时空资源,几分钟内超过已发表基线 40%;一组 Argon 智能体分析全舰队 profiling 遥测后自主施加内存优化,释放超 300 TiB 内存,预计总节省 500 TiB 到 1 PiB;以及把 C/C++ 代码迁往 Rust——libgav1 里 32K 行 SIMD 代码被替换成可自动向量化的安全 Rust,比原 Rust 移植版快 2.7 倍,Fuchsia 的 Zircon 内核 80 万行以上迁移在进行中。注意,这些全是谷歌自述,尚无外部复现。

安全牌才是这次发布的叙事主轴

Argon 被训练成能自主发现、验证并修补漏洞,Wiz 已在 Scan for Good 计划里用它免费扫描关键公共基础设施,早期演示中它在全球医院使用的医疗软件里找出一个此前前沿模型都漏掉的高危漏洞。对可信防御者和谷歌内部团队,官方明确将「关闭网络防护栏」以放行全部防御能力。防护侧则包括内部激活监测、间接提示注入鲁棒性(Gray Swan IPI 榜领先)、对思维链与动作的失配监控。发布节奏上,谷歌正参与美国政府的预发布自愿评估流程,后续才轮到付费 API 与 AI Ultra 订阅用户;介绍期价格 2/10 美元每百万 token,到期恢复 4/20,恰好从 Opus 5.5 的一半涨到持平。

一个值得盯的细节:OpenAI 在 DevDay 刚发完 GPT-6.1 Sol,第二天谷歌就用「先给白帽、不打护栏」抢走了安全叙事。当输出上限冲到 100 万 token,真正的问题不再是模型能不能想,而是你敢不敢让它无人值守地一口气想完。