Today for AI
返回热点榜
llm热度 0.0°

AI 聚合热点事件 · 2026/10/16

谷歌发布 Gemini 4 Argon 登顶多项基准但数学编程仍存短板

19 篇收录报道0 家独立信源交叉印证持续跟踪至 2026/10/19 11:13:04
全景综述与最新动态

谷歌正式向全球开发者与企业推出新一代旗舰大模型 Gemini 4 Argon，该模型在 Vals AI 职业指数中以 68.90% 的得分超越 Claude Opus 5.5 和 Sonnet 5.5，并在具身推理基准 ERQA 中取得 87% 的领先成绩。作为 Google DeepMind 七个月来首个顶级专有模型，Argon 主打复杂多步任务处理，支持高达 100 万 token 的统一上下文窗口及长达 24 小时的“长输出”后台生成模式，显著提升了智能体在代码重构与物理仿真中的自主协作能力。

多方信源交叉验证显示，Argon 在成本效率上具备显著优势，单次测试平均耗时低于 47 分钟，成本仅为竞品的约一半（$15.68 vs $32.14）。其核心特性包括大幅降低输入 token 消耗、内置自动化偏离监控器以拦截非预期操作，以及在 AA-Omniscience 测试中创下主流模型最低的 15% 幻觉率纪录。尽管在 Artificial Analysis 智能指数上与 GPT-6 Astra 持平，但在纯数学推导与高难度编程竞赛类基准中，部分评测指出其表现仍略逊于竞品，且在复杂多智能体任务中存在偶尔过度自信的问题。

此次发布标志着谷歌进一步收紧高阶模型访问权限，免费用户降级至 Flash 模型，而 Argon 取代 Pro 成为新旗舰。这一策略旨在通过高性价比 API 定价（限时引入价后翻倍）重回大模型第一梯队，并加速其在金融、法律及机器人全生命周期控制等垂直领域的商业化落地，对开发者生态及产业格局产生深远影响。

最新动向/当前演进动态显示，Gemini 4 Argon 已全面开放 API 调用，限时五折优惠将于 11 月 30 日结束，届时价格将翻倍至输入 $4/百万 token。最新研究证实，4 个 Argon 智能体在无人类干预下，通过自主协商分工，在 27 小时内成功通关《我的世界》生存模式，展示了强大的自组织协作能力。同时，开发者社区正积极利用其 Real2Sim 技术进行机器人仿真重建，但需警惕其在极端数学逻辑题上的潜在短板。

报道时间线

共 19 篇 · 最新优先
  1. InfoQ 中文T2·88 分

    Google 发布 Gemini 4 Argon，主打复杂推理与代码重构

    原标题：Gemini 4 Argon：为您解决最棘手的问题

    • Gemini 4 Argon 在衡量关键经济领域性能的 Vals 指数中排名第一，擅长金融、编程、法律等多步复杂任务。
    • Google 内部数据显示，Argon 使智能体代码提交量提升 35% 以上，同时将代码回滚率降低近三分之一。
    • 具备强大的长上下文处理能力，成功协助 Chrome 团队从 4000 万行代码库中分离出 600 万行遗留代码，将数月工作缩短至几周。
    • 安全性方面，在灰天鹅间接提示注入基准测试中将攻击成功率降至 0.7%，并内置自动化偏离监控器以拦截非预期操作。
  2. The DecoderT2·78 分

    四个 Gemini 4 Argon 智能体自主通关 Minecraft

    原标题：Four Gemini 4 Argon agents beat Minecraft without any human help

    • 四个 Gemini 4 Argon 智能体在无人类辅助、无预设策略下首次自主通关《我的世界》。
    • 智能体展现了自发分工、威胁预警、从队友失败中恢复以及共享错误日志的高级协作能力。
    • 整个运行耗时约 27 小时，产生成本约 1620 美元，涉及大量代码生成与交互消息。
  3. 新智元 (微信公众号)T2·86 分

    DeepMind 发布 Gemini 4 Argon 多智能体协作通关《我的世界》

    原标题：刚刚，4个Gemini死了605次，竟自己组队打穿《我的世界》！

    • 4 个 Gemini 4 Argon 智能体在随机地图中自主协作，27 小时击败末影龙。
    • 全程无人类分配任务，智能体通过聊天框自行协商分工、记录笔记并编写代码。
    • 研究证实了多智能体系统具备处理非结构化、长程复杂任务的自组织能力。
  4. The DecoderT2·78 分

    谷歌 Gemini 4 Argon 攻克 ARC-AGI-3 基准，但数学与编程仍落后竞品

    原标题：Google's Gemini 4 Argon is closer to the AI frontier than any Google model in months

    • Gemini 4 Argon 在 ARC-AGI-3 上得分为 97.5%，仅次于 GPT-6 Astra 的 99.9%。
    • 高分得益于使用保留推理和上下文压缩等厂商特有功能的 Provider Adapter Harness 测试框架。
    • 尽管在知识、智能体和视觉基准领先，但在数学 ECI 排名第 8，软件工程指数排名第 6。
  5. 量子位官网T2·88 分

    谷歌发布 Gemini 4 Argon，性能对标 GPT-6 且 API 限时半价

    原标题：刚刚，Gemini 4终于来了：谷歌重回御三家，API限时半价

    • Gemini 4 Argon 在 Artificial Analysis 智能指数中与 GPT-6 Astra Max 并列第一梯队（53分）。
    • 同等性能下，Argon High 的平均每任务成本比 GPT-6 Astra 低约 39%。
    • API 首发限时五折：输入 $2/百万 token，输出 $10/百万 token，12月1日恢复原价。
    • 专家评价指出其在创造力和写作上有明显跃升，但在复杂多智能体任务中仍存在偶尔过度自信的问题。
  6. The DecoderT2·78 分

    Google 发布 Gemini 4 Argon：统一机器人仿真、控制与评估全流程，迈向物理 AGI

    原标题：Google wants Gemini 4 Argon to be the only AI model robots need

    • Gemini 4 Argon 实现了仿真环境构建、控制代码编写与视频评估的一体化，减少了工具链切换成本。
    • 模型增强了对空间关系和物理规律的理解能力，支持机器人在接触真实硬件前进行高保真虚拟预演。
    • 实际部署仍需大量人工干预及辅助 AI Agent 进行状态校验，距离完全自主的物理 AGI 仍有差距。
  7. IT之家 · 智能时代T2·86 分

    谷歌发布 Gemini 4 Argon：支持百万 Token 长输出，登顶 Vals Index 并重构 Chrome 代码库

    原标题：谷歌最强 AI 模型：Gemini 4 Argon 上线，输出词元上限 100 万个、专攻最棘手难题

    • Gemini 4 Argon 支持最高 1,048,576 个 Token 的输出上限，且输入、思考与输出共用同一个 100 万 Token 上下文窗口。
    • 模型在衡量经济领域性能的 Vals Index 中排名第一，擅长处理编码、金融、法律及网络安全等多步骤复杂任务。
    • 已应用于 Chrome 团队数千万行代码的架构重构，将数月工作量缩短至数周，并具备自主修复关键安全漏洞的能力。
    • 提供限时入门定价（输入 $2/百万 Tokens，输出 $10/百万 Tokens），11 月 30 日后价格翻倍。
  8. Rohan Paul (@rohanpaul_ai)T2·88 分

    Google Gemini 4 Argon 向付费用户开放：1M 输出窗口领跑 Vals AI 职业指数，成本效率优于 Claude Opus

    原标题：Google opened Gemini 4 Argon to paying customers, and it already leads Vals AI’s index of profession...

    • Gemini 4 Argon 现已对 API 付费用户、Ultra/Pro 订阅者及 Google Antigravity 平台开放。
    • 在 Vals AI 职业指数中得分 68.90%，领先于 Claude Sonnet 5.5 (67.04%) 和 Opus 5.5 (66.97%)。
    • 拥有 100 万 token 的输出上下文窗口，远超 Gemini 3.1 Pro Preview 的 64K 限制。
    • 单次测试平均耗时低于 47 分钟，成本为 $15.68，显著低于 Claude Opus 5.5 的 $32.14。
  9. The DecoderT2·88 分

    谷歌全球发布 Gemini 4 Argon：取代 Pro 系列成为新旗舰，免费用户降级至 Flash

    原标题：Gemini 4 Argon is now available worldwide as Google's most capable frontier model

    • Gemini 4 Argon 现已在全球范围内通过 API 和主要应用界面（如 Google Search AI mode）上线。
    • 模型层级调整：Argon 取代 Pro 成为新旗舰，免费/Plus 用户仅能使用 Flash 模型，Ultra/Pro 订阅者方可访问 Argon。
    • 安全性能方面，文中提及 GPT-6 Astra 和 Claude Opus 5 在提示注入攻击下的表现数据，但未明确测试条件是否完全一致。
  10. Artificial Analysis (@ArtificialAnlys)T1·86 分

    Google Gemini 4 Argon GA：智能指数持平 GPT-6，代理性能跃升且幻觉率最低

    原标题：Gemini 4 Argon is now GA. Argon ranks equal to GPT-6 Astra on the Artificial Analysis Intelligence I...

    • Gemini 4 Argon 是 Google 7 个多月以来首个公开可用的顶级专有模型，填补了高端产品线空白。
    • 在保持与 GPT-6 Astra 同等智能水平的前提下，任务成本降低约 40%，且缓存读取折扣提升至 95%。
    • 代理能力（Agentic Performance）大幅增强，并在 AA-Omniscience 基准测试中创下主流模型最低幻觉率纪录。
  11. 宝玉 (@dotey)T2·86 分

    Google 发布 Gemini 4 Argon：主打复杂推理任务，API 引入价每百万 token 输入 2 美元、输出 10 美元

    原标题：Google 发布 Gemini 4 Argon：Pro 和 Ultra 会员今天可用，API 每百万 token 输入 2 美元、输出 10 美元

    • Gemini 4 Argon 是 Gemini 4 系列首个发布的模型，专注于多步骤复杂任务（代码、金融、法律、安全）。
    • API 采用限时引入价：输入 $2/百万 token，输出 $10/百万 token；12 月 1 日起价格翻倍至 $4/$20。
    • 支持 1,048,576 token 的统一上下文窗口，输入、思考与输出共享额度；普通调用单次输出上限 65,536 token。
    • 新增“长输出”模式，允许后台任务运行最长 24 小时，分段生成内容以突破单次输出限制。
  12. Hacker News AIT2·78 分

    谷歌发布 Gemini 4 Argon：ERQA 基准得分 87% 引领具身智能与机器人全栈工作流

    原标题：Gemini 4 Argon for Robotics

    • Gemini 4 Argon 在 ERQA 具身推理基准测试中达到 87% 准确率，超越其他前沿模型
    • 模型具备强大的物理空间理解与视觉语义推理能力，支持零样本机器人控制
    • 覆盖机器人全生命周期，包括 MuJoCo 模拟实践、Real2Sim 仿真孪生重建等关键场景
  13. OpenRouter (@OpenRouter)T1·85 分

    Google DeepMind 发布 Gemini 4 Argon：登顶自动化基准并开放多平台接入

    原标题：Gemini 4 Argon from @GoogleDeepMind is live on OpenRouter, via Google AI Studio and @googlecloud.

    • Gemini 4 Argon 已在 OpenRouter、Google AI Studio 和 Google Cloud 同步上线。
    • 在 AutomationBench 得分 51.3%，LVBench 得分 91.7%，CWE-bench v1 得分 68%（并列第一）。
    • 采用入门级定价策略：输入 $2/M tokens，输出 $10/M tokens。
  15. Google DeepMindT1·86 分

    谷歌发布 Gemini 4 Argon：ERQA 基准得分 87% 领跑具身推理，打通机器人全生命周期控制与仿真重建

    原标题：Gemini 4 Argon for Robotics

    • Gemini 4 Argon 在 ERQA 具身推理基准中得分为 87%，展示了领先的 3D 空间问题求解能力。
    • 覆盖机器人全生命周期，包括 MuJoCo 移动操作、零样本控制及闭环视频世界模型转向。
    • 支持 Real2Sim 技术，能从机器人摄像头或人类第一人称视频中重建物理校准的仿真孪生体。
  16. Google DeepMindT1·88 分

    Google 发布 Gemini 4 Argon：面向复杂多步任务的前沿模型，API 全球上线并定档新定价

    原标题：Gemini 4 Argon: Built to solve your hardest problems

    • Gemini 4 Argon 已在全球范围内通过 API 向开发者和企业开放，同时集成于 Google AI Ultra/Pro 订阅服务及搜索 AI Mode。
    • 模型核心优势在于处理跨领域（编码、金融、法律、网络安全、科学）的复杂多步任务，强调深度推理与高精度。
    • 明确商业定价： introductory period 结束后，输入价格为 $4/1M tokens，输出价格为 $20/1M tokens。
  17. Ars Technica AIT2·78 分

    谷歌 Gemini 4 Argon 开启付费用户灰度：强化安全对齐与具身推理能力

    原标题：Gemini 4 Argon begins rolling out in Gemini app and Antigravity, but only if you pay

    • Gemini 4 Argon 目前仅对付费用户开放，低阶套餐无法获取完整权限。
    • 新增自动化错位监控机制，可在检测到非预期工作流时中断处理以保障安全。
    • 在具身推理领域取得可量化的进步，并展示了在复杂物理模拟环境中的代码调试能力。
  18. The Verge AIT2·86 分

    谷歌发布 Gemini 4 Argon：主打前沿推理与减少废话，宣称性能比肩行业顶尖模型

    原标题：Google finally releases Gemini 4 Argon

    • Gemini 4 Argon 标志着谷歌重新进入前沿大模型第一梯队，宣称具备顶级推理能力。
    • 新版本核心改进在于降低输出的不确定性（hedging）和冗余内容，提升专业场景下的回答质量。
    • AI 行业竞争格局依然多变，单一厂商的暂时落后可能通过快速迭代迅速扭转。
  19. Google AI BlogT1·85 分

    Google 发布 Gemini 4 Argon：面向复杂多步任务的前沿模型，API 全球上线并定价每百万输入 4 美元

    原标题：Gemini 4 Argon: Built to solve your hardest problems

    • Gemini 4 Argon 现已通过 API 在全球范围内对开发者和企业开放。
    • 模型核心优势在于处理编码、金融、法律等领域的复杂多步任务，并在基准测试中领先。
    • 公开版 API 定价明确：11 月 30 日后，输入每百万 Token 4 美元，输出每百万 Token 20 美元。