← 返回 2026-10-01 简报

谷歌Gemini 4 Argon缩小了与OpenAI和Anthropic的差距,但并未取得明显领先优势

Google Gemini 4 Argon closes the gap with OpenAI and Anthropic but doesn't take a clear lead

语音播报
摘要
事件:谷歌发布Gemini 4 Argon前沿模型,缩小与OpenAI和Anthropic差距。 要点:输入价格2美元/百万token,输出10美元;上下文窗口达一百万token; 影响:凭借极低定价和长文本能力吸引开发者,虽性能未显著领先,但高性价比使其在商业应用中具备竞争力。

谷歌发布了Gemini 4 Argon,这是其最新的尖端模型,旨在缩小与OpenAI和Anthropic等竞争对手的差距,并在关键基准测试中击败其中一些对手。虽然它可能并未在整体表现上遥遥领先,但作为一款尖端模型,至少在其入门价格阶段,它的成本相对较低。

Argon是谷歌在Gemini 3.1 Pro发布七个月以来的首款尖端模型。这使这家广告巨头重新跻身顶级AI实验室前三名,尽管Anthropic可能仍保持领先地位。在经过一段艰难且漫长的开发期后,此前已宣布的Gemini 3.5尖端模型被完全跳过,谷歌如今重返竞争行列。

大多数用户仍需等待

Argon最初将面向“受信任的网络防御者”群体开放,作为Fairwind计划的一部分。这些用户以及谷歌的内部团队将获得没有网络护栏限制的模型版本。谷歌以“分阶段方法”来解释这一逐步推出的策略,认为这一级别的AI能力需要如此。该公司还参与了美国政府的一项自愿计划,该计划允许各机构在模型公开发布前获得访问权限。

早期测试者的反馈将用于完善模型的安全机制。在此之后,谷歌才计划向开发者、企业和消费者开放Argon,首先面向付费API客户和Google AI Ultra订阅用户。公司未给出具体日期,仅表示“尽快”。

定价已确定,至少作为入门价格:每百万输入令牌2美元,每百万输出令牌10美元。缓存输入令牌的成本低95%,相当于每百万约10美分。Gemini 3.8 Flash提供了90%的缓存折扣。这使得谷歌在原始令牌价格方面远低于其他尖端模型,但在令牌消耗量方面并不占优(见下文)。

每百万令牌价格
Gemini 4 Argon(促销价)
Gemini 4 Argon(常规价)
GPT-6 Astra
Claude Fable 5.1
Claude Opus 5.5

输入令牌
2美元
4美元
10美元
10美元
4美元

输出令牌
10美元
20美元
50美元
50美元
20美元

缓存读取操作
0.10美元
0.20美元

1美元
0.25美元
0.20美元

缓存写入操作
不适用
不适用
12.50美元
12.50美元(5分钟)/ 20美元(1小时)
5美元(5分钟)/ 8美元(1小时)

*谷歌未明确说明此数字,但表示缓存比常规输入令牌价格低95%。

谷歌还将输出限制从64,000个令牌提高到一百万个令牌,称其为行业首创。其理念是,如果模型能够在单次推理中生成数十万个令牌,它就能更彻底地思考复杂问题并一次性解决。为了支持这一点,谷歌正在向Gemini API添加一个新的“长解码延续”功能。该功能会暂停长响应,并通过后续请求恢复它们,以防止推理过程因超时而中断。

输入上下文窗口仍保持在一百万个令牌。Argon接受文本、图像、视频和音频作为输入,但仅输出文本。

独立测试显示,Argon的表现与GPT-6 Astra持平,但消耗的令牌更多

Artificial Analysis提供了早期的独立评估。在其可用的最高推理级别“High”下,Gemini 4 Argon在Artificial Analysis智能指数中得分为53分。这使其与OpenAI的GPT-6 Astra(最大值)和Claude Fable 5.1持平,并领先于GPT-6.1 Sol(最大值)一分。

Anthropic的模型仍然领先。Claude Opus 5.5得分为58分,Claude Sonnet 5.5得分为56分。与谷歌上一款尖端模型Gemini 3.1 Pro Preview相比,Argon的得分跃升了23分。“High”通常是Gemini模型的顶级推理层级,尽管有时也支持特殊的“Deep Think”模式。

在当前促销价格下,完成一项智能指数任务的成本为1.99美元。这相当于GPT-6 Astra成本(3.26美元)的60%,但比GPT-6.1 Sol贵2.7倍。一旦折扣结束,成本将上升至3.98美元,比GPT-6 Astra高出约20%。价格优势来自较低的令牌费率,而非效率。Argon平均每个任务消耗62,000个输出令牌,而GPT-6 Astra仅需27,000个。

Artificial Analysis 结果显示,Argon 在“高”档位的表现正迅速逼近第一梯队。| 图片来源:Artificial Analysis

Argon 在代理任务(agentic tasks)方面也取得了显著进步,而根据 Artificial Analysis 的说法,这一直是 Gemini 模型的薄弱环节。在 Artificial Analysis 变体版 AutomationBench-AA 上,它以 77.5% 的得分位居第一,领先于 Claude Sonnet 5.5 (max) 6 个百分点。在 Terminal Bench 4 上,它达到了 57% 的得分,比 Gemini 3.1 Pro Preview 高出 53 个百分点。尽管如此,它仍落后于 Claude Sonnet 5.5(64%)、Claude Opus 5.5(60%)和 GPT-6 Astra(59%)。

Artificial Analysis 还强调了 Argon 较低的幻觉率。在 AA-Omniscience 这一测试事实知识和诚实处理知识盲区的基准测试中,Argon 的幻觉率为 15%。GPT-6 Astra (max) 为 51%,GPT-6.1 Sol (max) 为 54%。Argon 更有可能承认自己不知道答案,而不是错误猜测。然而,其准确率仅为 50%,比 Gemini 3.1 Pro Preview 低 5 个百分点,比 GPT-6 Astra (max, 63%) 低 13 个百分点。在该基准测试的综合得分中,Argon 得分为 42 分,与 GPT-6 Astra(43 分)和 GPT-6.1 Sol(42 分)大致持平。

Google 自身的基准测试结果描绘了一幅更乐观的画面。Argon 在大多数这些基准测试中领先,有时优势巨大。

Google 针对 Gemini 4 Argon 的内部基准测试结果。| 图片来源:Google

Argon 还领跑 Vals Index。根据 Vals AI 的数据,它以 68.9% 的得分位居第一,成为首个登顶该指数的 Gemini 模型。在 22 项测试基准中,Argon 有 20 项进入前五名,尤其在金融、法律、编码和安全领域表现突出。不过,在此测试中,中端模型 Sonnet 5.5 的排名也超过了 Anthropic 的顶级模型 Opus 5.5,因此对此结果需持保留态度。

与往常一样,AI 模型必须在实际使用中证明自身价值,且性能不仅取决于模型本身,还取决于围绕它的软件。这正是 Google 目前的短板:与 Claude Cowork 和 ChatGPT Work 相比,Gemini 应用仍落后于人。

Argon 在人类偏好排名中位居文本类榜首

在 Arena.ai 上,人类会对模型输出进行一对一比较评分,Argon 的表现良好。在 Text Arena 中,Gemini 4 Argon (High) 以 1,525 分位居第一,领先第二名 Claude Opus 4.6 (High) 20 分。这使其成为写作任务的有力竞争者,尤其是在长期缺乏具有竞争力的写作模型、且 Opus 5.5 在人类偏好排名中仍未达到 Opus 4.6 水平的背景下。Google 之前的模型 Gemini 3.8 Flash (High) 曾排在第十一位。

根据 Arena 的数据,Argon 在编码、高难度提示(hard prompts)、指令遵循、长查询和创意写作方面均居首位。它在所有评估的专业领域中也排名第一,并且在英语、中文、俄语以及整体非英语查询中均位列第一。

Web 开发方面的结果则较为平淡。在 Code Arena: WebDev 中,Argon 得分为 1,679 分,排名第八。这比 Gemini 3.8 Flash (High) 提高了 96 分,从第 29 名跃升而来,但未能跻身前列。

在性价比方面,Arena 将 Argon 置于其他模型之上。以每百万 tokens 8 美元的混合费率计算,Argon 推动了 Text Arena 的帕累托前沿(Pareto frontier),目前是排名中成本效益最高的模型。

本条评分 11 score-v1
  • 来源权威 8
    注册表 priority=8(The Decoder)
  • 时效 2.974
    发布 0.4 小时前,衰减到 2.97/3.0
  • 多源印证 0
    只有 1 家在报(无旁证)
  • 社区信号 0
    无社区数据(本管线走 RSS,HN 的 hn_fetcher 未接入)

首次收录 · 2026-10-01 · 10.97 分

原文链接:https://the-decoder.com/google-gemini-4-argon-closes-the-gap-with-openai-and-anthropic-but-doesnt-take-a-clear-lead/
来源:The Decoder
以上内容由 AI 自动翻译,仅供参考。
← 返回简报