谷歌在近7个月的沉寂之后，终于带来了重磅消息。北京时间10月1日凌晨，Google DeepMind推出了全新的Gemini 4 Argon，这是该公司7个月以来推出的首款高于Flash级别的闭源模型。根据Artificial Analysis的智能指数评测，Argon获得了53分，这一成绩追平了GPT-6 Astra和Fable 5.1，并比GPT-6.1 Sol高出1分，同时其幻觉率降至15%。在AutomationBench-AA和Terminal Bench的评测中，Argon展现出显著的Agent能力提升，并在CWE-bench网络安全基准测试中并列第一，能够自主发现、验证漏洞并生成PoC。目前，Argon已经在特定用户中开始推广，支持1万个上下文和多模态输入，在前沿模型市场中掀起了一场价格风暴。值得注意的是，在首发促销期内，Argon每完成一个任务的平均成本为1.99美元，约为GPT-6 Astra的60%。这样既有竞争力的定价，确实让人不得不重新审视任务选择的方向。

然而，深入分析分数、价格和使用量后，一些有趣的趋势开始显现。尽管Argon在售价上极具优势，但其实际使用成本却相对较高。打折结束后，完成类似任务的费用甚至可能超过Astra。过去的七个月里，Argon作为谷歌首款高于Flash级别的非公开模型，依然显示出了强大的竞争力。其53分相比于前一款非Flash模型Gemini 3.1 Pro Preview提升了23分，与Gemini 3.8 Flash相比也高出了12分。因此，智能指数的评测清楚表明，谷歌重返了全球最顶尖实验室之列。

为了长期吸引用户，谷歌在报价上也颇具诚意。Token大致可以视为模型处理文本时的计算单位，目前Argon在输入方面每百万Token收费2美元，输出收费10美元，这一价格仅为Opus 5.5的一半，更是Astra的1/5。更令人惊喜的是，符合条件的输入可以享受95%的扣减，这一优惠比Gemini 3.8 Flash的90%更加优越，首发期间每百万个缓存输入Token只有0.10美元，这笔账看似相当划算。但对于使用者来说，最终付出的账单还需考虑多个因素。Argon在处理一项任务时平均输出6.2万Token，而Astra仅需2.7万Token，虽然单价较低，但写得更多却让总体成本增加。 金年会

在任务成本计算中，Argon的1.99美元虽然低于Astra的3.26美元、Opus 5.5的5.98美元与Fable 5.1的7.63美元，但与Sol的0.72美元相比，Argon的成本高出许多。需要注意的是，当前的2美元和10美元费用是首发期间的5折优惠，谷歌尚未透露促销结束的具体时间，届时标准价格恢复后，单任务的成本将变为3.98美元，接近于Astra的1.2倍。因此，这些数字的计算也与具体的使用情况密不可分，诸如代码修改、资料查询等任务均会影响最终账单。

更为复杂的是，Argon虽然在单价上以1/5的成本竞争，但在实际任务账单上却需支付近六成的费用；而促销结束后，可能反超对手。长期考虑接入的用户，需要依据自身任务进行详尽的拆算，以确保选择最佳方案。如何在价格和质量之间找到平衡，是用户不得不面对的挑战。

那么，Argon究竟在何处展现出其独特之处呢？在我看来，最为显著的便是它对“未知”的处理。在AA-Omniscience测试中，Argon的幻觉率为15%，在智能指数45分以上的模型中名列最低，Astra则为51%，Sol更高达54%。这表明Argon更倾向于承认自身的局限性，从而减少在不确定情况下给出错误答案的风险。这一特性极具吸引力，尤其是在面对陌生问题时，变得更加亲切和可信。模型如果愿意停下脚步承认自身的不足，至少能够指引用户继续探索需要查证的信息。 金年会

然而，减少错误并不等同于正确答案的数量。Argon在这一测试中的答题准确率为50%，低于Astra的63%，甚至还比Gemini 3.1 Pro Preview低5个百分点，综合评分为42，接近于Astra的43，且与Sol持平。因此，在享受Argon能做到的克制时，用户也需接受它答对问题的频率远远不及Astra。需留意的是，15%的幻觉率仅适用于特定测试，不能简单延伸到所有的日常回答。

在具体应用上，Argon的Agent能力体现出的多样性和差异化也令人关注。虽然在AutomationBench-AA测试中，它以77.5%的成绩获得了第一名，但在Terminal Bench 4中，Argon的得分为57%。尽管这一成绩较Gemini 3.1 Pro Preview提升了53个百分点，依然不及其他竞争对手。这一系列表现使得Argon的未来充满了期待和未知。