谷歌 10 月 13 日宣布 Gemini 4 Argon 面向全球开放。开发者通过 AI Studio 和 Gemini API 付费层级调用，模型名 gemini-4-argon；Gemini 应用和搜索里的 AI Mode 对 Google AI Pro、Ultra 订阅用户开放；编程工具 Antigravity 仍只给 Ultra 订阅用户。
两周前，这款模型刚发布时只交给 Fairwind 计划里的网络安全防御团队。这一次谷歌把开放面一下拉到开发者、企业、科研和普通订阅用户，安全团队那条线保留下来，继续按申请滚动审批，提供不带网络安全护栏的版本。
从安全团队到所有付费用户
把 Argon 的几个节点串起来看，谷歌的节奏是先窄后宽。9 月 30 日首发时，官方给它划定的三块工作是软件工程、法律金融这类企业知识工作，以及网络防御；当时公布的成绩以 DeepSWE、CWE-bench 这些编程和漏洞基准为主。
10 月 13 日这一轮，谷歌在主发布文之外同步放出了一篇面向机器人的开发者博客，以及一篇用 Argon 优化自家开源代码库的工程复盘。重点从”能不能写代码”挪到了”能不能理解物理世界”。
价格没有变：介绍期每百万输入 token 2 美元、输出 10 美元，命中缓存的输入再减 95%。首发时谷歌没说优惠期多长，这次写明了截止日：11 月 30 日起恢复为输入 4 美元、输出 20 美元。
机器人博客里的几组数
谷歌在具身推理基准 ERQA 上报了 87%，这套题考的是三维空间里的物理和空间问题。官方原话是：
“Using pure reasoning, Argon scores 87%, outperforming every other frontier model.” 只靠推理，Argon 得分 87%，超过其他所有前沿模型。
演示部分用了波士顿动力的 Spot 四足机器人。Argon 先在 MuJoCo 里搭一个带关节的数字孪生反复练习，再去操作实体机器人，学会用脚踩开垃圾桶、把易拉罐丢进去。另一个例子是零样本控制机械臂扶正杯子、把餐巾纸塞进杯里。
最实用的一组数据来自仿真生成。研究人员拍一张桌面照片，让 Argon 建出仿真场景，生成 4500 多个域随机化回合，拿去微调一个视觉-语言-动作模型。真机测试里，成功率从 56% 提到 75%，完成时间从 35 秒降到 24 秒。另有一个 SO-101 机械臂抓放任务，经过三轮自我改进，耗时从 58.9 秒降到 22.9 秒、再到 17.4 秒。
这些都是谷歌自己的实验，样本规模、测了多少次，博客里没有交代，目前也没看到第三方复现。
其他客户报上来的成绩
主发布文里，谷歌列了一串内部和合作方的用例：Chrome 团队在 4000 万行代码库里处理约 600 万行遗留代码，数百个文件的重构从数月缩到数周；谷歌内部的智能体代码提交量增加超过 35%，回滚减少近三分之一。
开源智能体框架 ADK 的 Python 版是公开可查的一例。工程师让 Argon 在代码库上无人值守跑了 11 小时，提出 6 项优化，人工审查后合并 2 项，长会话的内存准备时间降了约 40%，冷启动导入快了 21%。6 条里只收 2 条，这个比例比宣传口径更能说明现阶段怎么用它。
安全测试方面，谷歌称在 Gray Swan 的间接提示注入测试里，15 次自适应攻击下攻击成功率降到 0.7%；编程基准里”走捷径”的行为降到 2%。
第三方评测机构 Artificial Analysis 在正式开放当天更新了结论：智能指数与 GPT-6 Astra 持平，单任务成本约为后者的六成。这个成本比较按的是介绍期价格，11 月 30 日之后要重新算。
参考来源：Google 官方博客、Google Developers Blog 机器人专题与 ADK 优化复盘、CocoLoop、Google DeepMind 模型卡；Artificial Analysis 智能指数与单任务成本口径。