Gemini 4 Argon：加快開發速度突破生產力極限

2026-10-01 benny

Google推出全新前沿模型Gemini 4 Argon，並正透過Google的Fairwind計劃率先向一批受信任的網絡安全防禦專家開放。Argon專為在複雜、長週期的工作流程中保持深度推理而設計，它從根本改變了Google內部的工作與開發方式，並在真實世界的軟件工程、法律和金融等企業知識工作，以及網絡安全防禦等複雜的工作流程中，展現出前沿效能。

Google積極參與美國政府的模型發布前自願性評估機制，逐步擴大該模型的開放範圍。Google將繼續收集早期測試者的意見，持續更新安全防護機制。Argon推出初期將以優惠價 ^[1] 每百萬個輸入詞元 (Token) 2美元、每百萬個輸出詞元10美元推出，快取輸入詞元可享輸入詞元價格的95%折扣。

Gemini 4 Argon改變了Google工作與開發方式

Gemini 4 Argon已經開始支援Google的內部工作流程，數以千計的Google員工表示，模型在專業編程任務、執行更深入研究以及寫作質素方面都具備優勢。Gemini 4 Argon協助團隊加快開發速度，突破工程生產力極限，並加速以下領域的突破：

量子演算法最佳化：Argon正協助Google的量子運算研究人員完善子程式的時空資源（量子位元 × 邏輯閘），以突破關鍵應用的瓶頸。在其中一個案例中，Argon在幾分鐘內將已發布的基準效能提升了40%。

提升記憶體效益：Argon代理團隊分析Google資料中心整體系統的效能分析數據，自主辨識並套用記憶體完善方案。方案全面部署後，已釋放超過300 TiB的記憶體，預計總共可節省500 TiB至1 PiB的記憶體容量。

大規模程式碼庫遷移及最佳化：Argon代理正於Google內部將C/C++ 程式碼庫遷移至Rust。規模由核心程式庫（如 re2、libgav1）的數萬行程式碼，擴展至Fuchsia Zircon核心的80多萬行程式碼。鑑於這些系統的重要性，如此大規模的重寫工作正接受嚴格的自動化與人工審核、模擬測試以及全面複核，之後才會投入正式生產環境。

以Google的開源影片解碼軟件libgav1為例，Argon代理接手了現有的Rust移植版本，並成功替換了3.2萬行的SIMD程式碼。過程中，Argon進行多輪效能分析導向的實驗、分析編譯器的輸出結果，最後自動寫出安全的Rust程式碼，讓編譯器能自動完成向量化處理。最終的成果是打造出具備記憶體安全的影片解碼器。它不僅產出的影片與原本完全相同，執行速度更比原本的Rust版本快上2.7倍，效能表現已非常逼近經過高度最佳化的C++版本。

為用戶解決最複雜的難題

為了讓Gemini 4 Argon能勝任更長、更複雜的應用場景，Google將模型的輸出詞元上限由先前的6.4萬個大幅提升至業界領先的100萬個。當模型擁有足夠空間進行深度思考，並能在單次推演中生成數十萬個詞元時，它就能夠展現全新層次的深度推理能力，協助用戶一次到位地解決棘手難題。

為多方面領域編程與企業工作流程賦能

Gemini 4 Argon在編程、推理及多模態方面的強大能力，加上其維持執行長週期、多步驟任務的能力，使其能在各類企業工作流程中展現出卓越的效能。

Google的工程師已將Argon應用於日常除錯以至大規模程式碼庫遷移以及演算法設計的日常工作。它在評估模型於真實世界長週期軟件工程任務中表現的DeepSWE v1.1基準測試中取得77.9%，刷新業界領先紀錄。

除了編程之外，Argon在Vals Index中也處於領先地位。Vals Index根據各行業對美國GDP的貢獻度加權，用以評估模型在金融、編程、法律及稅務工作中的經濟影響。Argon在多項專業領域評測中均展現領先實力，例如Vals第二代金融智能體基準測試（Vals Finance Agent v2）（多步驟金融研究部分），以及Harvey的法律代理基準測試工具與評估框架（Legal Agent Benchmark，簡稱 Harvey LAB）（法律研究與草擬部分）。而在Zapier衡量核心業務端到端自動化執行的AutomationBench測試中，Argon更以51.3%的得分榮登榜首。

當知識型工作需要視覺理解時，Argon亦展現出獨特的強大優勢。它能進行專業圖表分析、在長影片中識別關鍵細節，並根據一系列文件而採取行動。在專門測試長影片理解能力的LVBench測試中，Argon以91.7%的表現領先業界。

引領防禦性網絡安全

為了讓網絡安全專家更好地應對新時代網絡攻擊，Google將Gemini 4 Argon訓練為具備極高網絡安全防禦能力的模型。Argon能自主尋找、驗證並修復關鍵軟件漏洞。針對信任的網絡安全防禦專家與Google內部團隊，Google將發布未設網絡安全防護限制的Argon版本，讓他們能充分發揮其前沿級別的網絡安全防禦能力。

Wiz已透過其「Scan for Good」計劃將Argon應用於網絡安全防禦。計劃透過尋找並修補高風險漏洞，免費保護關鍵公共基礎設施。在一次早期的影響力展示中，Argon發現了一個足以洩露全球醫院所使用的醫療保健軟件中的敏感個人資訊的關鍵漏洞，成功識別出以往其他前沿模型未能發現的嚴重風險。

在評估模型修復安全漏洞能力的CWE-bench v1測試中，Argon以68%的高分並列第一，延續了3.8 Flash Cyber先前在CWE-bench v0測試中的前沿表現。

Gemini 4 Argon在漏洞識別能力上，相較於3.8 Flash Cyber展現出顯著提升：

在Google內部全方位的漏洞基準測試中，Argon成功揭露了涵蓋20種程式語言、複雜程式碼庫中的廣泛安全風險。

在Wiz的內部黑箱滲透測試，用以評估模型在無原始碼狀況下分析即時網絡系統能力的基準中，Argon在攻擊面探測、漏洞識別以及產生驗證用的概念驗證（PoC）方面，表現均優於3.8 Flash Cyber。

推出前強化前沿防護機制

在更廣泛地推出Gemini 4 Argon前，Google正持續在四個關鍵領域加強前沿防護機制：

防範濫用：為防止不法份子將Argon用於發動網絡或化學、生物、放射性及核能（CBRN）攻擊，Google根據前沿安全框架（Frontier Safety Framework），將模型設計為會拒絕有害請求，同時保留合法的雙重用途科學研究。Google 於本次發布更進一步加強防護機制的穩健性，包括升級內部啟動監控技術以識別濫用行為。這些防護措施已經透過內部和外部紅隊結合手動與自動攻擊的方法進行了穩健性測試。

防範「提示詞注入」攻擊：Argon是Google迄今為止防禦間接「提示詞注入」（利用惡意指令或情境劫持模型的行為）最強的模型。這類攻擊手法複雜，需要時刻保持警惕並採取多層防禦措施。透過自動化紅隊演練與對抗性訓練，Gemini 4 Argon在Gray Swan間接「提示詞注入」（IPI）基準測試中，於防範「提示詞注入」的穩健性方面表現領先。

對齊偏差監測：為防止Argon在執行任務時出現偏離用戶意圖的越界行為，Google部署了針對對齊偏差的緩解措施，以監測Argon的思維鏈與操作，並在必要時即時中止執行。

Google亦在使用類似的系統監察模型的訓練過程，並向專責的應變團隊發送警報；同時採取謹慎的預防措施，避免將相關發現反饋至模型訓練中，以免導致 Argon 形成規避監測的推理能力。隨著模型能力大幅躍進，我們也面臨著對齊風險的關鍵挑戰。Google強烈鼓勵業界保持模型推理的透明度，確保模型的思考過程能持續有助於找出並修正未對齊的行為。

系統強化：隨着前沿模型的能力日益強大，我們需要同樣與時俱進的安全環境，才能進行安全的測試。Google正根據其代理控制藍圖進一步強化沙盒環境的安全性：在進行高風險訓練或評估前，會先將沙盒環境隔離並徹底封鎖；同時致力於與合作夥伴分享這些代理安全的最佳實踐，攜手建構更安全的生態圈。

Gemini 4 Argon將率先開放予付費API客戶與Google AI Ultra訂閱者使用。