Gemini 4 Argon：先把模型交给白帽子，再交给付费用户

Google DeepMind 首席 AI 架构师 Koray Kavukcuoglu 在 9 月 30 日的发布文章里，给了一组不太像基准分数的数字：Argon 正在把 Google 自己的 C/C++ 代码库迁往 Rust，其中 Fuchsia OS 的 Zircon 内核涉及八十万行以上。一个人一天读一千行、全年不休息，读一遍要八百天。这个说法的好处是绕开了百分号，直接交代模型一次能咬住多大的活。

撑住它的是一次输出的上限，从上一代的 6.4 万 token 抬到 100 万，约 15.6 倍。

🔧 分发顺序倒过来了

第一批拿到无限制版本的不是付费用户。Google 把 Argon 先给 Fairwind Program，一个面向防御方、政府与关键基础设施运营方的受控接入安排。付费 API 与 Google AI Ultra 订阅排在后面。Kavukcuoglu 的原话是，对于可信防御方与 Google 内部团队，会发布不带网络安全护栏的 Argon，让他们用上完整的前沿级防御能力。【直引】

网络安全公司 Wiz 是目前唯一公开具名的 Fairwind 参与者，通过 Scan for Good 计划使用。Google 称 Argon 挖出了全球医院在用的一款医疗软件里的关键漏洞，此前的 frontier 模型都漏掉了。这段话缺了漏洞编号、软件名称与披露状态，目前无法独立核对。

📊 十二项第一，一项并列，也有一项落后九分

Google 一共披露了十八项基准。按 VentureBeat 的统计口径，Argon 单独领先十二项，并列第一一项。

这张表要看的是一件事的两面：漏洞与工作流类测试领先，终端代理类测试落后。

Terminal-bench 这一项最接近在终端里放一个智能体干活的日常用法。【推论】 差距长在哪一类任务上，比总榜第一更值得盯。

🧪 三组装在自家机房里的数

• 内存：依据全机群遥测数据释放了 300 TiB，预计总节省 500 TiB 到 1 PiB。300 TiB 约合 330 TB，按双层蓝光 50 GB 一张折算约六千六百张。
• Rust 迁移：覆盖 re2、libgav1，以及八十万行以上的 Zircon 内核。libgav1 里三万两千行 SIMD 被换掉，输出保持一致，运行速度快 2.7 倍。
• 量子优化：在一次内部测试中，几分钟内把一条已发表的量子优化基线提高 40%。

其中两组可以事后复算。libgav1 的输出是否逐字节一致、是否真的快 2.7 倍，别人拿到代码就能重跑。

⚖️ 攻与防共用同一种本事

Argon 被设计成会拒绝协助网络攻击，以及化学、生物、核相关的请求。Google 同时加入了美国政府的发布前自愿模型接入流程。

同一套推理能力，能自主给医院软件补上一个洞，也能自主找出一个可以被打的洞。Google 现阶段的处置办法，是把锋利的那一端先交给本来就在补洞的人。

🧭 检验点还没到

Bloomberg 在发布当天报道，一批有直接访问权限的 Google 员工认为 Argon 在真实编码任务上的表现不如基准分数显示的水平。Google 回应称这一描述不准确，另有一名员工说公司内部存在广泛共识认定模型处于前沿。【二手转述，未见 Bloomberg 原文】

真正的检验点是付费 API 放开之后，外部团队能不能复跑出 77.9%。在此之前，十八项里的十二项第一，是 Google 自己出题、自己打分、自己公布。

信源：blog.google 发布文（Koray Kavukcuoglu，2026-09-30）、Ars Technica、TechBeat、AI Weekly 转述 VentureBeat 统计，以及 AI Weekly 对 Bloomberg 报道的转述。

限定：所有基准分数均来自 Google 自行披露；Bloomberg 的内部质疑为二手转述，未核到原文；内存释放与量子优化两组数字未经第三方复现；libgav1 的 2.7 倍是唯一原则上可外部复算的一项。