新智元报道 谷歌沉寂7个月，终于掏出了大的。 北京时间10月1日凌晨，Google DeepMind发布Gemini 4 Argon。这是其 7 个月来首款非 Flash 级专有模型。 Artificial Analysis的智能指数上，它拿到53分，追平GPT-6 Astra和Fable 5.1，比GPT-6.1 Sol高1分，幻觉率降至 15%。 模型在 AutomationBench-AA 和 Terminal Bench 上 Agent 能力大幅提升，同时在 CWE-bench 网络安全基准并列第一，可自主发现、验证漏洞并生成 PoC。 目前已向选定用户 rollout，支持 1M 上下文和多模态输入，直接冲击前沿模型价格战格局。 同一套评测里，按首发折扣计算，完成一个任务平均花1.99美元，为 GPT-6 Astra 的 60%。 分数追平，账单变薄。光看这两项，谷歌这次足够让人重新考虑该把任务交给谁。 但我把分数、报价和用量放在一起看，最有意思的地方出现了。这款模型算得便宜，却算得很费。打折结束，同样的任务甚至会比Astra更贵。 前三回来了，账得重新算 所谓沉寂7个月，有一个明确范围。Argon是谷歌超过7个月来第一款高于Flash级别的闭源模型，期间谷歌仍有Flash产品。 这次53分，比上一款非Flash模型Gemini 3.1 Pro Preview高23分，比Gemini 3.8 Flash高12分。AA据此判断，谷歌重回智能水平最高的3家实验室之列。 智能指数可以理解为一组能力测试的综合成绩。Argon用high推理档，Astra和Sol用max档，同分说明它们在这套评测里处于相近水平，具体工作还得分开看。 对长期关注OpenAI和Anthropic的用户，这个变化很直接。选前沿模型时，谷歌又成了值得认真比较的选项。不过Argon目前只向部分用户推送，尚未公开可用。 谷歌准备怎样吸引这些用户？报价很有诚意。 Token可以粗略理解为模型读写文字时计数的小片段。当前每百万Token，Argon输入收2美元，输出收10美元。两项单价都是Opus 5.5的一半、Astra的1/5。 反复使用同一段材料，还涉及缓存。符合缓存条件的输入可以享受95%的折扣，比Gemini 3.8 Flash的90%更低，首发期间每百万缓存输入Token只收0.10美元。 看起来相当划算。可用模型的人付的是整张账单，单价只是其中一项。 Argon平均每个任务输出6.2万Token，Astra只用2.7万。如果把推理过程比作打草稿，它的草稿纸要多写1倍多。每页便宜，架不住写得长。 算到任务成本，Argon的1.99美元确实低于Astra的3.26美元、Opus 5.5的5.98美元和Fable 5.1的7.63美元。但Sol只要0.72美元，Argon约是它的2.7倍。 更影响长期选择的是，2美元和10美元属于首发5折促销，谷歌还没公布结束日期。 恢复输入4美元、输出20美元的标准价后，按同一评测口径，单任务成本会变成3.98美元，约为Astra的1.2倍。 这些美元数字还有一个共同前提，它们是智能指数测试里的平均任务成本。你让模型改代码、查材料，输入有多长、输出多少、能用上多少缓存，都会改变账单。1.99美元不能当成所有工作的统一报价。 这就很有意思了。单价只有对手的1/5，任务账单却要付六成；促销结束，还会反超。打算长期接入的人，得拿自己的任务试算，用量和折扣条件都算进去。 少说错话，也有代价 钱算清了，还得回答一个问题。53分的Argon，究竟好用在哪里？ 我最在意的是它处理「不知道」的方式。 在AA-Omniscience测试里，Argon的幻觉率为15%，是智能指数45分以上模型中最低的。Astra为51%，Sol为54%。AA的解释是，Argon更愿意承认不知道，减少猜错后仍然给答案的情况。 这对用户很有吸引力。碰到不熟悉的问题，回答越流畅，核对起来越容易掉以轻心。模型肯停下来承认能力有限，至少能让人知道哪里还需要查证。 不过，少编答案，和多答对题，是两件事。 Argon在这项测试里的准确率为50%，比Astra的63%低13个百分点，甚至比Gemini 3.1 Pro Preview低5个百分点。综合分为42，接近Astra的43，与Sol相同。 你可以欣赏它的克制，同时承认它答对的问题没有Astra多。15%的幻觉率也仅属于这项测试，不能直接当成所有日常回答的错误率。 真正动手干活的Agent能力，则呈现出另一种参差。 AutomationBench-AA上，Argon以77.5%拿到第一。但Terminal Bench 4里，它得57%，虽然比Gemini 3.1 Pro Preview提高53个百分点，仍落后于S