9月30号
也就是两周前
Google发布了Gemini
4系列的第一个模型
叫Gemini 4 Argon
官方博客的标题写的是
我们前沿智能的下一个时代
署名是Koray Kavukcuoglu
Google DeepMind的高级副总裁
也是Google的首席AI架构师
一个新的大版本
第一批用户却不是开发者
也不是付费会员
而是一群做网络安全防御的人
而且给他们的
是拿掉了网络安全护栏的版本
看官方原文这一句
对于可信的防御方
和Google内部团队
我们会发布不带网络安全护栏的
Argon前面还有一句
Argon能自主发现
验证修补关键的软件漏洞
护栏简单来说
就是模型遇到
帮我攻破这个系统
这类请求时会直接拒绝的限制
拿掉以后
它就能放开手去找漏洞
去验证漏洞能不能被利用
这批人是通过一个叫
Fairwind的计划拿到的
Google DeepMind说
这个计划有650多个合作方
优先给政府和国家级的网络安全机构
还有医疗
电信能源
金融这些关键基础设施
申请要审核
要做背景调查
不允许转卖访问权限
也不允许拿它写恶意软件
到了10月13号
也就是昨天
第二批用户才开放
付费的API用户
还有Gemini App里Pro和
Ultra的订阅用户
那么它到底强不强
Google放出了一张对比表拿Argon
和三个对手比
OpenAI的GPT-6 Astra
Anthropic的Claude Fable 5.1
和Claude Opus 5.5
一共19项测试
Argon拿了14项第一
赢得最明显的是两类
第一类是法律
金融这种企业里的知识工作
比如说律所Harvey出的法律Agent
测试Argon拿了百分之19.6
GPT-6 Astra只有百分之5.4
差不多是三倍半
不过绝对分数还不到百分之20
十个法律任务
也就做对两个
第二类是超长的材料
在25万到100万token这个长度上
Argon是百分之84.2
对手都在百分之72以下
token可以理解成模型读文字的单位
材料越长
它和别家拉开的差距就越大
不过这张表里
也写着它输了5项像
Terminal-bench
OSWorld都是让模型自己在终端里
在电脑上动手干活的测试
这几项Argon输给了Claude Opus
5.5和GPT-6 Astra
Terminal-bench这一项
Opus是百分之66.4
Argon是百分之57.4
落后9分
官方把输的几项也老老实实列了出来
这一点挺难得的
写代码这块
Google主推的是DeepSWE
测的是周期很长的软件工程任务
Argon百分之77.9
GPT-6 Astra和Opus都是74出头
领先了但领先不到4分
第三方的结果
目前只有Artificial Analysis一家
他们把10项测试合成一个综合智能分
Argon拿了53分
和GPT-6 Astra一样
可以看到
图上绿色箭头指的就是Argon
但排在它前面的
还有三个
分别是Opus 5.5是58分
Sonnet 5.5是56分
Fable 5.1也是53分
Argon真正占优势的地方
是成本跑完这一整套测试
Argon花了2407美元
GPT-6 Astra花了5324美元
也就是说
同样的分数
花的钱不到一半
接下来给大家看一个容易被忽略的
变化就是输出的上限
以前Gemini一次最多输出6万
4千个token
这次直接提到了100万
差不多16倍
官方的说法是
模型有了足够的空间
就能一口气想得更深
把难题一次做完
不过要注意的是默认的最大输出
还是65536
要专门打开一个叫long decode的长
解码模式
才能到100万
而且这100万是输入和输出共用的
那Google自己拿它干了些什么
官方举了三个例子
第一个一组Argon智能体去分析
Google全公司数据中心的运行数据
自己找出内存能优化的地方
自己改掉
全部上线以后
释放了超过300 TB的内存
相当于差不多一万台
32G内存的电脑加在一起
第二个优化量子算法里的一段程序
几分钟时间
就比已经发表的方案好了百分之40
第三个把C和
C++写的老代码迁移成Rust
Rust
是一种不容易出内存漏洞的编程语言
其中有一个视频解码器
迁移完以后
比之前人写的Rust版本快了2.7倍
再回到网络安全
为什么这次要先给防守方看这张
漏洞修复的排行榜
叫CWE-bench
Argon是百分之68
并列第一
并列的还有两个
xAI的Grok 4.7
和GPT-6 Astra
也就是说
在找漏洞这件事上
几家顶级模型已经差不多站在
同一个水平了
这样的话
关键就不是有没有模型能找到漏洞
而是谁先用上
Google的思路是
让防守的人先拿到最强的版本
赶在攻击者用上同级别的模型之前
把漏洞先补上
官方举了个例子
安全公司Wiz用Argon做扫描
在全球医院都在用的一款医疗软件里
找到了一个会泄露个人敏感信息的
严重漏洞
之前的前沿模型都没发现
这里有一个背景
9月19号
就在Argon发布前11天
半岛电视台跟进了华尔街日报的报道
Google的Gemini在安全测试里
入侵了三家公司
然后停了下来
原因是测试环境配置出了错
模型能连上真实的互联网
一次是猜对了密码
另外两次
用的是网上公开泄露的账号凭据
Google说
每次都在完成之前停住了
这不算模型失控
但这件事至少说明
这一代模型的攻防能力
已经强到会在真实世界里出事故了
我觉得这也是Google这次这么
谨慎的原因
官方博客里有一句话
要安全地放出这种级别的能力
必须分阶段来
最后说说普通人怎么用要花多少钱
Gemini App这边
Pro和Ultra的订阅用户
从昨天开始就能用上
Google说它回答问题更直接
少了车轱辘话
另外Gemini的Mac版
现在可以直接切到写代码的界面
聊天也可以一键切换成任务模式
你人不在电脑前
它也能接着干
API这边要注意
免费层用不了
价格是每一百万个token
输入2美元
输出10美元
但这是限时价
12月1号开始翻倍
变成4美元和20美元
就算翻倍以后
也只有GPT-6 Astra的百分之40
综合来说
Argon不是全面第一
让模型自己操作电脑
在终端里干活
它还落后于Claude和GPT
它真正强的是三件事读很长的材料
处理法律
金融这种企业文档
还有找漏洞
再加上价格不到OpenAI的一半
如果你的工作是整理大量文档
做长篇的分析
它值得一试想自己验证的话
有个很简单的办法
找一份你手头最长的资料
几百页的合同也好
一整年的财报也好
整份丢给它
问一个需要前后对照才能回答的问题
再拿同一个问题
去问你现在在用的模型
哪个答得对
马上就清楚了