- Published on
Gemini 4 Argon:新一代前沿智能模型发布
- Authors
- Name
- 737max
- deepmind.google

概述
Google DeepMind 正式发布 Gemini 4 Argon,这是其下一代前沿智能模型,旨在解决最困难的问题。Argon 在科学、数学、机器人、网络安全、软件工程、3D 可视化以及商业专业工作流等多个领域展现出突破性能力。用户可以通过 Gemini App、Google AI Studio 和 Google Antigravity 等平台体验 Argon。
核心能力与应用场景
解决前沿问题
Argon 与研究人员、工程师和安全专家合作,推动科学、数学、机器人和网络防御的边界。在科学领域,Argon 帮助 Google 及科学界加速发现和实际应用。在机器人领域,Argon 能够自主将原始视频转化为物理精确的模拟,估算深度和物理边界,并编写精确的模拟代码来复制真实环境。在网络安全方面,Argon 在 CWE-Bench(68%)上并列第一,用于漏洞修复,是对间接提示注入最具弹性的模型,并正在向数百个 Fairwind Program 合作伙伴扩展。
解决复杂工程任务
在 Google 和早期访问合作伙伴中,Argon 正迅速成为工程师处理长期软件工程任务的首选模型。具体案例包括:
-
Chrome 浏览器功能代码分离:Argon 帮助 Chrome 团队将核心网页处理与 Chromium 4000 万行代码库中约 600 万行的遗留浏览器功能文件夹分离。通过一次管道传输多个干净的代码更改,Argon 帮助团队在数周内完成了跨数百个文件的架构重构,原本需要数月。对于 Chrome 的数十亿全球用户,这将使实时网页能够在标签页、侧面板和浮动窗口之间流畅移动而无需重新加载,消除了一整类浏览器崩溃。
-
量子化学开源包优化:xTB(半经验扩展紧束缚)是分子领域引用最多的开源量子化学包之一。科学家用它预测分子的 3D 形状并筛选大量药物和材料候选物。使用 Antigravity 中的 Argon,研究人员使 xTB 在预测分子结构方面速度提升 2.3 倍,在构象搜索方面提升 1.8 倍。这些更改已贡献给 xTB 的官方 GitHub 仓库。
-
生产级 Python 代码库优化:Antigravity 中的 Argon 帮助 Google 开源 Agent 开发工具包(ADK)团队推进性能工程。团队给 Argon 提供了 .agents/skills 规则手册和一段目标描述,要求在不破坏现有应用的情况下消除框架开销。Argon 自主工作一夜,发现了优化方案,现已上线至 google/adk-python,将长会话中的内存会话准备时间缩短了 40%,冷导入速度提升了 21%。
-
加速 Gemma 模型推理:使用 Argon,团队在 A100 上通过 vLLM 实现了 2.85 倍的端到端推理加速(Gemma 4 E2B 的吞吐量从约 37,900 tokens/秒提升至超过 108,000 tokens/秒),且 100% token 一致、零质量下降,整个过程仅需几天,而通常需要数月。
-
迁移遗留代码:Antigravity 中的 Argon 迁移了 700 多个 Google Skills 培训实验室的积压任务,这些实验室原本依赖分布在五个代码仓库中的硬编码系统镜像和运行时。迁移过程中发现了 16 个隐藏的超时和竞态条件错误。这项工作节省了 955 个工程小时,并将重复清理工作从每年约 540 小时减少到一次 3 小时的更新。
交付复杂 3D 可视化
与之前的 Gemini 模型相比,Argon 在空间推理、数学精度和视觉编码方面有重大改进。示例包括:
- 使用 Antigravity 中的多智能体视觉批评循环,Argon 自主构建了一个高度详细的宝塔模型,在 Blender 中雕刻了一个多建筑寺庙群,具有逼真的建筑、植被和光照。
- Argon 将真实桌子的照片转化为可玩的微型赛车游戏,使用 Antigravity 中的多智能体循环。桌子上的物体、房间和赛道使用 Blender MCP 建模和碰撞检测,使用 Nano Banana 纹理化,并使用 Gemini Omni Flash 在 Three.js 中连接物理、自定义着色器和汽车引擎音频。
- Antigravity 中的 Argon 编写 Python 脚本,使用多智能体视觉批评循环程序化地雕刻、绑定、动画和 PBR 烘焙一个复杂的 3D 游戏,然后在 Three.js 中为 Web 连接,包含 GLSL 着色器、破碎物理和单人 AI。
- 零外部库、100% 纯 Python,Argon 编写了自己的 3D 光线追踪引擎,包含自定义视频工具和音频混合器,从零开始构建并记录了一个阳光明媚的图书馆,使用 Gemini 3.8 TTS 配音和 Lyria 3.5 音乐生成并叙述了这个视频。
- 从 Antigravity 中的单个 Nano Banana 图像开始,Argon 在自主循环中驱动 Blender MCP,对齐相机网格、雕刻哥特式建筑、布置音频反应式光照,创建了一个完整的 3D 场景。
转变关键商业和专业工作流
Argon 结合了前沿推理、深度视觉感知、扩展的领域知识和更强的写作能力,覆盖法律、金融、科学和编码领域,以处理高风险的职业工作流。
-
Isomorphic Labs 团队使用 Argon 作为合作伙伴加速药物发现和设计研究。Argon 能够快速综合复杂的 PDF 和专利,提取相关信息,将通常需要数周的过程缩短到数小时。
-
合作伙伴评价:
- Ambience Healthcare 的 SVP Technology Brendan Fortuner 表示,在超过 200 个复杂合成纵向图表上,Gemini 4 在召回率和 ICD-10 代码特异性方面达到最高,无需外部查找即可生成简洁的问题列表。这种医学知识与长上下文理解的结合在临床医生审核图表工作流中显示出前景。
- Amplitude 的 CTO Curtis Liu 指出,Argon 在理解用户真实意图方面表现出色,在构建可视化客户解决方案的图表评估中始终名列前茅,并且能坚持寻找“大海捞针”式的答案。
- Axiom Bio 的 Founding Engineer Alex Cabrera 认为,Gemini 4 代表了 AI 在现实科学中能实现的阶跃变化。它能够推理复杂的实验数据(从细胞成像到质谱),并做出传统上需要专家科学家才能识别的细微发现。在科学智能体基准测试中,Gemini 4 在大多数任务上处于前沿,包括最难的:评估两种药物的临床风险。
- Box 的 VP of AI Products Yashodha Bhavnani 表示,Gemini 4 Argon 在企业知识工作方面处于前沿,与 Gemini 3.1 Pro 相比准确率提升 14%。Argon 能够跨整个文档集连接证据,包括嵌入在图表中的细节,并执行多步分析直至完整答案。这在数据分析和医疗、生命科学等技术领域尤其有价值。
- Cartwheel 的 Co-founder and Chief Scientist Andrew Carr 说,通过将 Gemini 4 集成到 3D 空间重建引擎中,他们将日常视频转化为铰接式、物理就绪的 3D 场景,从数小时缩短到数秒。在所有测试模型中,Gemini 在基准测试中表现最佳,运行时间缩短近 100 倍,token 使用减少 90%,为客户解锁了物理就绪且水密的 3D 资产创建。
- Deloitte 的 Global AI and Data Lead Gopal Srinivasan 表示,Gemini 4 在长时间运行任务中 100% 成功完成评估,保持上下文并跨多个工具运行。其推理深度提供了显著更高质量的输出。在没有详细先验逻辑或指令的情况下对特定领域任务进行深度推理,这是他们从未在任何同类模型中见过的。
- Kepler 的 Software Engineer Glenn LeBlanc 指出,在核心金融分析基准测试中(包括直接从 SEC 文件构建多年财务报表、评估具有复杂资本结构和已宣布收购的公司),Gemini 4 在超过 99% 的数字上匹配了分析师构建的参考模型。在最复杂的工作流中,大多数任务的表现处于前沿。
- LexisNexis 的 Chief AI Officer Min Chen 表示,在初步评估中,Gemini 4 Argon 在法律知识、起草和分析任务中表现出色,包括识别相关引文、改进合同审查、投诉分析和研究备忘录。
- MinutalA 的 CEO Caio Perona 说,在早期测试中,Gemini 4 Argon 通过连接日期、文档、财务计算和法律先例,提出了高度实质性的论点。在一次评估中,它甚至超越了人类专家的答案,发现了一个被忽略的法律相关细节。这展示了 AI 帮助专业人士发现关键细节、更全面理解复杂案件的潜力。
- Quadrillion 的 Chief Scientist Trenton Chang 表示,在自主 AI 研究员 Qualia 中,Gemini 4 Argon 在能力和效率方面均表现出色。在内部复杂多步研究任务基准测试中,它处于前沿,同时完成评估的速度比同类模型快 1.5 倍,每任务成本仅为四分之一。它擅长提出新颖想法并识别关于问题的非显而易见见解,帮助其在长时间内保持清晰的研究愿景。
- Quora 的 Head of Product Gareth Jones 说,Gemini 4 在早期评估中以其响应质量令人印象深刻。在 Poe 上,人们越来越多地使用 AI 构建东西,Gemini 4 为创作者提供了将想法转化为可精炼和分享的工具的强大基础。
- Roboflow 的 Co-founder and CTO Brad Dwyer 表示,Argon 在目标检测评估中排名第一,并在新的文本基准测试中领先,该基准使用来自制造、物流和航拍图像的真实世界图像。他们已将 Argon 完全集成到 Roboflow 中,使开发者和企业能够利用其高精度检测和文本提取来检查产品、跟踪库存和引导机器。
总结
Gemini 4 Argon 代表了 Google DeepMind 在通用人工智能能力上的重大飞跃,不仅在传统基准测试中表现优异,更在实际工程、科学研究和商业应用中展现出强大的自主性和可靠性。其多模态推理、长上下文理解和代码生成能力使其成为解决复杂现实问题的有力工具。
原标题:Gemini 4 Argon。 HN 原始发布时间:2026年10月14日星期三。当前记录为 1074 分、794 条评论。