跳到正文
Google DeepMind·· 2026-10-01精選AI 評分77

Google DeepMind 發佈 Gemini 4 Argon,面向複雜長流程任務

Gemini 4 Argon: our next era of frontier intelligence

AI 導讀

Google DeepMind 發佈前沿模型 Gemini 4 Argon,面向軟件工程、企業知識工作及網絡安全等複雜長流程任務。其輸出 token 上限由 64K 提至 1M,在 DeepSWE v1.1 得分 77.9%,並在 LVBench 得分 91.7%。

推薦理由

Gemini 4 Argon 將輸出上限由 64K 提至 1M tokens,文章把這項擴容與處理更長、更複雜工作流程的能力相連。

正文 · 繁體中文

2026 年 9 月 30 日

|

Gemini 4 Argon 在真實世界軟件工程、法律與金融等企業知識工作,以及網絡安全防禦等複雜工作流程中,展現頂尖效能。



Stylized promotional blog key art graphic with modern editorial branding and the text "Gemini 4 Argon"

本文內容

今天,我們宣佈推出全新的前沿模型 Gemini 4 Argon,並透過Fairwind Program,陸續向一批可信賴的網絡安全防禦人員開放。Argon 能在複雜、長期的工作流程中持續深入推理,從根本上改變我們在 Google 的工作與建構方式。它在真實世界軟件工程、法律與金融等企業知識工作,以及網絡安全防禦等複雜工作流程中,展現頂尖效能。

要安全地發布這個級別的前沿能力,必須採取分階段方式。我們正積極參與美國政府的自願預先發布模型存取計劃,同時逐步擴大開放範圍。在向開發者、企業和一般用戶推出 Argon 前,我們會繼續收集早期測試者的意見,並反覆改良防護措施,務求盡快推出。

Argon 推出初期的價格 1 為每百萬個輸入 token 收費 $2,每百萬個輸出 token 收費 $10;快取輸入 token 則按輸入 token 價格減價 95%。

改變 Google 的工作與建構方式

Gemini 4 Argon 已用於我們的內部工作流程;數以千計的 Google 員工指出,這款模型擅長處理專門編碼任務、進行更深入的研究,以及撰寫優質內容。它正協助團隊加快建構,推動工程生產力的極限,並加速突破:

  • 量子演算法最佳化:Argon 正協助量子運算研究人員,最佳化一些會成為重要應用瓶頸的子程序所需時空資源(量子位元 × 閘)。其中一個例子是,它在數分鐘內便超越已發表的基準 40%。
  • 記憶體效率:一組 Argon 代理程式分析了整個伺服器羣的效能分析遙測資料,自主識別並套用 Google 數據中心的記憶體最佳化措施。全面推出後,預計可釋出超過 300 TiB 記憶體,總節省量估計可達 500 TiB 至 1 PiB。
  • 大規模程式碼庫遷移與最佳化: Argon 代理程式正協助 Google 各處把 C/C++ 程式碼庫遷移至 Rust;規模從 re2、libgav1 等核心程式庫的數萬行程式碼,擴展至 Fuchsia Zircon 核心的 800K+ 行。由於其中許多系統至關重要,這些大規模改寫在投入生產環境前,均會接受嚴格的自動化和人工審核、模擬測試及檢視。

    針對 Google 用於解碼影片的開源軟件 libgav1,Argon 代理程式以現有的 Rust 移植版本為基礎,透過多輪由效能分析引導的實驗,研究編譯器輸出,並編寫安全的 Rust 程式碼,讓編譯器自動進行向量化,藉此取代 32K 行 SIMD 程式碼。最終成果是一個記憶體安全的影片解碼器,速度比 Rust 移植版本快 2.7 倍,影片輸出則完全相同,效能更接近已最佳化的 C++ 版本。

更深入處理最複雜的問題

為支援 Gemini 4 Argon 處理更長、更複雜的使用情境,我們大幅提高模型的輸出 token 上限,從原先的 64K 提升至業界領先的 1M。模型有充足空間深入思考,並在單一執行過程中生成數十萬個 token,便能以更深入的推理一次解決棘手問題。

a benchmark chart showing Gemini 4 Argon capabilities

推動跨領域的編碼及企業工作流程

Gemini 4 Argon 在編碼、推理和多模態方面的能力,加上持續執行長時間多步驟任務的本領,讓它能勝任各類企業工作流程。

Google 工程師每天都使用 Argon 處理各種任務,從日常除錯到大規模程式碼庫遷移和演算法設計皆有涵蓋。在評估模型處理真實世界長期軟件工程任務表現的 DeepSWE v1.1 上,它以 77.9% 創下新標竿。

除了編碼之外,Argon 亦是 Vals Index 上的領先模型。該指標會評估金融、編碼、法律和税務工作的經濟影響,並按各行業對美國 GDP 的貢獻加權。我們在其他領域專項評估中也看到同樣領先的表現,例如 Vals Finance Agent v2(多步驟金融研究)和 Harvey’s Legal Agent Benchmark(法律研究與撰稿)。在 Zapier 用來評估核心業務職能端對端執行能力的 AutomationBench 基準測試中,Argon 以 51.3% 的分數排名第 1。

當知識工作需要視覺理解時,Argon 也展現獨特優勢。它能進行專業圖表分析、從長影片中找出細節,並根據一系列文件採取行動。例如,在評估長影片理解能力的 LVBench 上,Argon 以 91.7% 的分數創下新標竿。

DeepSwe evaluation chart

Vals index chart

Val's finance benchmark chart

Harveys benchmark chart

automation bench chart

領先防禦型網絡安全

為協助網絡安全防禦人員應對新一代網絡攻擊,我們訓練 Gemini 4 Argon 具備強大的網絡安全防禦能力。Argon 能自主發現、驗證並修補重大軟件漏洞。對可信賴的防禦人員,以及 Google 內部團隊而言,我們推出的 Argon 不會設置網絡安全防護限制,讓他們能充分運用其前沿級別的網絡安全防禦能力。

Wiz 已透過其 Scan for Good 計劃使用 Argon 進行網絡安全防禦。這項計劃旨在免費保護重要公共基礎設施,方法是找出並修復高風險曝露。在一項早期成效展示中,模型發現一個重大漏洞,該漏洞會令全球各地醫院使用的醫療軟件暴露敏感個人資料;先前的前沿模型均未能發現這項嚴重風險。

在評估模型修復安全漏洞能力的 CWE-bench v1 上,Argon 以 68% 的最高分並列第 1,延續了 3.8 Flash Cyber 在 CWE-bench v0 上展現的前沿效能。

CWE benchmark chart

相較於 3.8 Flash Cyber,Gemini 4 Argon 在發現漏洞方面取得令人矚目的進展。例如:

  • 在 Google 內部全面的漏洞基準測試中,Argon 在涵蓋 20 種程式語言的複雜程式碼庫中,發現多種安全曝露。
  • Wiz 的內部黑盒滲透測試基準會評估模型在沒有原始碼的情況下分析實時網絡系統的能力。在這項測試中,Argon 在發現攻擊面、識別漏洞,以及製作概念驗證證據以驗證漏洞方面,均勝過 3.8 Flash Cyber。

security vulnerabilities chart

廣泛開放前強化前沿安全措施

在廣泛推出 Gemini 4 Argon 前,我們會繼續加強以下四個主要範疇的關鍵前沿安全措施:

防範濫用:為防止不法分子利用 Argon 發動網絡攻擊,或進行化學、生物、放射性及核(CBRN)攻擊,模型經過設計,會拒絕有害要求,同時保留正當的雙重用途科學研究能力,符合我們的前沿安全框架。我們正加強這次推出所採用防護措施的穩健性,包括改良監察模型內部激活狀態以識別濫用的技術。內部和外部紅隊已結合人工及自動化攻擊方法,對這些防護措施進行穩健性測試。

防範提示注入攻擊:在抵禦間接提示注入方面,Argon 也是我們迄今最具韌性的模型;這類攻擊會利用惡意指令或上下文劫持模型行為。這些攻擊相當複雜,需要持續警惕並採用多層防禦。透過自動化紅隊測試和對抗式訓練,Gemini 4 Argon 在 Gray Swan 的間接提示注入(IPI)基準測試中,提示注入防禦能力居於領先位置。

Gray Swan evaluation

監察目標偏離:為防止 Argon 為完成任務而採取超出用戶意圖的行動,我們會部署目標偏離緩解措施,監察 Argon 的思維鏈及行動,並在有需要時停止執行。

我們曾使用類似系統監察訓練過程,並向專責事故應變團隊發出警示;同時採取審慎措施,避免把調查結果回饋至訓練中,以免塑造 Argon 的推理方式,使其試圖逃避監察。在能力提升、而一致性風險亦隨之增加的關鍵時刻,我們強烈鼓勵業界其他機構在應對一致性風險時,保留推理透明度,讓模型思考內容繼續有助識別及診斷目標偏離。

強化系統:前沿模型的能力日益提升,要安全地測試這些模型,就需要能跟上其發展的安全環境。按照我們的代理程式控制路線圖,我們正加強沙盒環境的安全性,在高風險訓練或評估開始前隔離並封鎖環境。我們承諾與合作夥伴分享這些代理程式安全最佳做法,提升整個生態系統的安全性。

即將推出

我們開發 Gemini 4 Argon 時,賦予它前沿級別的編碼、知識工作、網絡安全防禦和創意寫作能力,讓它協助開發者、專業人士及企業解決最棘手的問題。我們感謝首批網絡安全防禦人員和可信賴測試者,他們透過真實場景評估及提供意見,協助我們在向開發者、企業和一般用戶推出前強化系統。推出初期將先開放予付費 API 客戶和 Google AI Ultra 訂戶。

來源:Google DeepMind · deepmind.google