Gemini 4 Argon：輸出上限提到 100 萬 token，先給可信防禦者

9 月 30 日，Google 釋出 Gemini 4 Argon，定位是面向真實軟體工程、企業知識工作（法務與金融）以及網路安全防禦的前沿模型，署名人之一是 Google DeepMind 高階副總裁兼 Google 首席 AI 架構師 Koray Kavukcuoglu。它最直觀的變化在輸出側：上限從 64K 提升到 100 萬 token，官方稱這是業界最高。釋出方式也不是一次放開，而是先向 Fairwind 計劃的受信網路防禦者開放，再分階段放量。

輸出一百萬 token，意味著什麼

輸入視窗和輸出上限是兩件事。輸入長，說明模型能一次「讀」進更多資料；輸出長，說明它能一次「寫」出更多內容，其中也包括推理過程本身。對長程任務來說，瓶頸經常在輸出側：一次只能吐 64K，就意味著幾百步的排查、重構或者分析必須在多次呼叫之間切開，中間結果被反覆搬運，既容易丟線索，也把上下文成本推高。官方特別提到，當模型有餘量在一次軌跡裡生成幾十萬 token 時，它能一口氣把難題解到更深處。

評測成績與 Google 內部用例

多模態能力是把這些工作流接起來的關鍵一環。官方說，當知識工作涉及視覺理解時，Argon 尤其強：它能做專業的圖表分析、從長影片裡認出細節，也能根據一系列文件採取行動。這也是它能在法務、金融這類「文件密集、又要看圖表」的場景裡排名靠前的原因之一——基準之外，真正的工作通常不是單輪問答，而是一串材料、一次分析、一份要交出去的東西。

官方公佈的成績裡，最受關注的是 DeepSWE v1.1 的 77.9%，這是一個衡量真實長程軟體工程任務的基準，Google 稱其重新整理了 SOTA；此外它在衡量經濟影響的 Vals Index 上排名第一，在 Vals Finance Agent v2（多步金融研究）與 Harvey 的法律 Agent 基準上領先，在 Zapier 的 AutomationBench 上以 51.3% 排名第一。視覺理解方面，長影片理解的 LVBench 取得 91.7% 的 SOTA，漏洞修復的 CWE-bench v1 拿到 68%，並列第一。

Google 內部的使用場景說明了長輸出的實際價值。量子計算研究裡，Argon 被用來最佳化子程式的時空資源（量子位元數乘門數），在一個例子上幾分鐘就超過已發表的基線 40%；一個由 Argon 組成的團隊分析了全叢集的效能剖析遙測資料，自行找出並應用記憶體最佳化，鋪開後釋放出超過 300 TiB 記憶體，官方估計總節省可達 500 TiB 到 1 PiB。更有代表性的是 C 與 C++ 到 Rust 的大規模遷移：從 re2、libgav1 這類核心庫的幾萬行，一直到 Fuchsia Zircon 核心的 80 萬行以上。

libgav1 這個例子值得單獨說：Argon 接手已有的 Rust 移植版本，替換掉 3.2 萬行 SIMD 程式碼，做法是反覆做基於剖析的實驗、研究編譯器輸出，並寫出安全的 Rust 讓編譯器自動向量化。最終得到一個記憶體安全的影片解碼器，比此前的 Rust 移植快 2.7 倍，影片輸出完全一致，也更接近最佳化過的 C++ 版本。不過官方強調，這類重寫要經過嚴格的自動與人工審計、模擬測試和評審後才會進入生產環境。

網路安全：先給防禦者

Argon 在網路安全方向被訓練成能自主發現、驗證並修補關鍵軟體漏洞。對受信防禦者以及 Google 內部團隊，官方表示這次會以不帶網路安全防護限制的方式提供，好讓他們用滿它的防禦能力。早期落地的一個例子來自 Wiz 的 Scan for Good 計劃——該專案免費為關鍵公共基礎設施尋找並修復高風險暴露；Argon 在其中發現了一個暴露敏感個人資訊的醫療軟體關鍵漏洞，這些軟體被世界各地醫院使用，而此前的前沿模型都沒有發現它。

更多細節也指向同一個方向：在 Google 內部一個覆蓋 20 種程式語言的綜合漏洞基準上，Argon 在複雜程式碼庫裡找出了範圍很廣的暴露面；在 Wiz 內部的黑盒滲透測試基準上（不給原始碼、直接分析真實執行的網站），它在發現攻擊面、識別漏洞以及產出可驗證的概念驗證證據這三件事上都優於 3.8 Flash Cyber。漏洞修復的 CWE-bench v1 裡它拿到 68%、並列第一，這一成績建立在 3.8 Flash Cyber 於 v0 上的表現之上。

分級釋出與四道防線

釋出節奏上，Google 表示正在參與美國政府關於模型釋出前訪問的自願流程，並在逐步擴大訪問範圍的同時繼續收集早期測試者的反饋、迭代護欄，之後會盡快向開發者、企業和消費者開放。可用順序是先從付費 API 客戶與 Google AI Ultra 訂閱者開始。價格方面，嚐鮮期是每百萬輸入 2 美元、輸出 10 美元，快取輸入按輸入價的 95% 折扣計費；嚐鮮期結束後恢復為輸入 4 美元、輸出 20 美元。按事實清單，10 月 13 日起它已全球開放，入口包括 API、AI Studio、Gemini app、Search 的 AI 模式與 Antigravity。

在放開之前，Google 說他們要在四個方向上繼續加固前沿防護。第一是防濫用：為阻止將 Argon 用於網路攻擊以及化學、生物、放射與核（CBRN）攻擊，模型被設計成拒絕有害請求，同時保留合法且具備雙重用途的科研空間；這一輪還加強了監測模型內部啟用的技術，並由內外紅隊用手動與自動化方法做穩健性測試。

第二是防提示注入。Argon 是 Google 目前對間接提示注入最穩健的模型——這類攻擊會把惡意指令藏在模型讀到內容裡，用來劫持它的行為，防禦需要多層攔截與長期盯防。通過自動化紅隊與對抗訓練，Google 稱 Argon 在 Gray Swan 的間接提示注入基準上處於領先。

第三是監測「行為偏離」：為了防止 Argon 為了完成任務而採取超出使用者意圖的做法，Google 部署了對它的思維鏈與動作進行監控、必要時中止執行的機制。類似的系統也被用來監控訓練過程並向專門的應急響應團隊告警，同時謹慎避免把監測結果回灌進訓練，以免模型的推理朝規避監控的方向演化；Google 還呼籲業界在能力快速提升的階段保留推理透明度。第四是系統加固：按「Agent 控制路線圖」，高風險訓練或評測開始前先把沙箱環境隔離並封閉起來，並把相關的最佳實踐分享給合作伙伴。

把這些放在一起看：輸出長度決定模型能不能「長跑」，而在網路安全這類高風險領域先給受信防禦者、再向公眾分階段開放，正在成為前沿模型上線的新常態。Google 的說法是，Argon 用真實防禦者與受信測試者的評測反饋來加固系統，之後再面向開發者、企業和消費者放開。能力與准入同時被設計，這是這次釋出最值得記的一筆。