一百万个出口，先开给守门人：Gemini 4 Argon 的发布顺序本身就是新闻

先把一个数字换成你能摸到的东西。一百万个 token，按中英混排的密度折算，大约七十五万词——比托尔斯泰的《战争与和平》还厚上一半多。让模型把这个额度的输出一口气吐完，按闪电般的速度算，也要连续念上一个多小时，中间不喘气。9 月 30 日，Google 给新旗舰 Gemini 4 Argon 配的正是这么一根粗管子：输出上限从上一代的 6.4 万直接拉到一百万。

可这条新闻真正值得盯的地方在管子之外。

第一站不是开发者

新模型的第一批用户，是"可信的网络防御者"。Google 在官方博客里写得明白：Argon 先走美国政府那套自愿的预发布评估流程，然后通过一个叫 Fairwind 的项目，交到网络防御人员手里——而且给的是不设安全护栏的完整版本。开发者、企业、普通用户，排在后面，先从付费 API 客户和 AI Ultra 订户开始分批放。

模型公司发新品，一般恨不得当天全量铺开，让跑分截图连夜刷屏。把旗舰模型的头几天留给一批安全从业人员，这在一线大厂的发布史上是件新鲜事。顺序变了，传递的意思也就变了：这东西先被当作攻防物资，再被当作生产力工具。

分数单，全是大数字

博客里报的基准成绩密集得晃眼。长程软件工程基准 DeepSWE v1.1 拿下 77.9%，官方称是新纪录；CWE-bench v1（漏洞利用类基准）68% 并列第一；长视频理解 LVBench 91.7%；Zapier 的自动化基准 51.3% 排名第一。定价走的是薄利路线：介绍期每百万输入 token 两美元、输出十美元，之后回到四美元和二十美元。

内部案例挑了几个讲。Fuchsia 的 Zircon 内核，八十多万行 C/C++ 迁到 Rust；视频解码库 libgav1 里三万两千行手写 SIMD 被重写后，速度是 Rust 移植版的两点七倍；一批负责内存优化的智能体在公司内部释放了三百多 TiB 的空间，全部项目估算下来在半个 PiB 量级。还有一个跟本栏目口味很搭的细节——博客说 Argon 在几分钟内把一个已发表的量子算法基线优化了四成。

这些数字全出自 Google 自己的口径。对照组是它自家的 Gemini 3.8 Flash Cyber，没放竞品分数，也没放对 Gemini 3 的纵向对比。分数有多硬，要等第三方和真实工单来验。Hacker News 上就有评论者泼了这盆温水：榜单上遥遥领先是一回事，上手好不好用是另一回事。

为什么先发给防御者

答案藏在发布前一天的另一份报告里。

9 月 29 日，Anthropic 的前沿红队发布了对 GLM-5.3 的评估——那是智谱的开放权重模型，权重公开，谁都能下载、修改、去除限制。红队的测试结果读起来不太轻松。在 410 次 Chrome 漏洞利用测试里，GLM-5.3 独立完成了 50 次端到端的利用链，成绩紧贴 Anthropic 自家的前沿模型，而上一代模型在这个测试里全是零分。更扎眼的是成本账：借助一个公开 CVE 加上另一个漏洞，模型拼出了一条绕过 ARM64 指针认证硬化的完整利用链，人类只花了二十分钟注意力，八小时机器时间，API 账单二十美元四毛。

安全护栏呢？在模拟环境里，直接提恶意要求，模型次次拒绝；编一个"我在做授权红队测试"的掩护故事，六成四的请求获得配合；预填几段思维 token，配合率升到九成二；而一旦用"abliteration"技术把权重里的拒绝方向抹掉——团队花了两千二百 GPU 时、约四千四百美元——配合率百分之百，通用能力几乎没有损失。美国国家标准与技术研究院下属的 CAISI 给了它一句评语：迄今网络能力最强的开放权重模型，距美国前沿约四个月。

把这两份文件按时间并排放，Argon 的发布顺序就通了。开放权重那一侧，尖端攻防能力正在变成谁都能取用的公共品；闭源这一侧的应对，是把最强能力关进受信通道，先发给守城的人。一放一收，同一场攻防的两条路线。

简化契约与剩下的疑问

为了篇幅，这里把几个概念压扁了。"自愿预发布流程"实际包含哪些测试、谁参与判定，博客没有细说；"可信防御者"的准入标准同样没公开。这几处模糊不该被分数的光芒盖住——它们恰恰是这套新通道能不能服众的关键。

我们还不知道这条通道会走向哪里。它会固定成大模型发布的默认前置吗？欧洲和亚洲的实验室会不会各长出自己的版本？防御者拿到无护栏模型的红利期有多长，泄露的边界由谁来看守？博客对这些都没有给出答案，只留下一句呼吁：整个行业都该保住推理过程的透明度。

顺序已经亮出来了。规矩还没写完。