谷歌Gemini 4 Argon重回前三，价格仅为GPT-6 Astra的1/5
谷歌在经历了七个月的低调之后，终于推出了一款重磅产品。北京时间10月1日凌晨，Google DeepMind发布了新模型Gemini 4 Argon，这也是其自七个月以来推出的首个非Flash级专有模型。在Artificial Analysis的智能评估中，这款模型获得了53分，与GPT-6 Astra和Fable 5.1持平，比GPT-6.1 Sol高出1分，且幻觉率降至15%。该模型在AutomationBench-AA和Terminal Bench的代理能力大幅提升，同时在CWE-bench网络安全基准上并列第一，能够自主发现和验证漏洞并生成PoC。目前模型已经向特定用户推广，支持1M的上下文和多模态输入，直接引发了前沿模型之间的价格竞争。根据首发折扣计算，完成一个任务的平均收费为1.99美元，仅为GPT-6 Astra的60%。评分相同但账单更薄，这一数据让人重新思考将任务交给谁最为划算。
在这七个月的沉寂中，Argon是谷歌推出的第一款超越Flash级别的闭源模型，谷歌依然发布了Flash版本产品。新模型的53分比上一款非Flash模型Gemini 3.1 Pro Preview的30分高出23分，同时也比Gemini 3.8 Flash的41分高出12分。AA分析认为，谷歌已经重新回到了智能技术的最高级别实验室行列。智能指数可以视为一项能力测试的综合得分，Argon在高推理档中表现出色，而Astra和Sol在最大档中的表现相近，意味着它们在这次评测中处于接近的水平，这对长期关注OpenAI和Anthropic的用户来说，意味着谷歌又成为了一个值得认真比较的选择。不过目前Argon仅向部分用户推送，尚未正式公开。
为吸引用户，谷歌在定价上也很有诚意。Token可以视为模型处理文字时的小单位。Argon的费用为每百万Token，输入收费2美元，输出收费10美元。这一价格均为Opus 5.5的一半和Astra的1/5。同时，如果使用相同内容进行多次请求，可以享受高达95%的缓存折扣，这比Gemini 3.8 Flash的90%更加优惠，首发期间每百万缓存输入Token仅需0.10美元。虽然从表面上看这些价格非常划算，但用户实际需支付的是整体账单，单价仅是其中一部分。Argon每个任务平均输出6.2万Token，而Astra仅为2.7万Token。这意味着Argon的使用量较高，虽然单次成本较低，但整体花费可能会增加。
在考虑任务成本时，Argon的1.99美元确实低于Astra的3.26美元、Opus 5.5的5.98美元和Fable 5.1的7.63美元，但与Sol的0.72美元相比却高出2.7倍。这对长期使用者来说，2美元和10美元的价格属于首发折扣，谷歌尚未公布促销结束的具体日期。如果恢复到标准价格4美元和20美元，那么单个任务的费率将变为3.98美元，大约是Astra的1.2倍。这些费用都是基于智能指数测试的平均任务成本，但输入和输出的长度以及缓存的使用状况都可能导致账单变化。虽然单价很低，但任务的整体费用并未必会有优势。
除了价格方面的考虑，用户还需关注Argon在使用上的表现。相较其他模型，Argon在处理“不知道”这个问题上的表现尤为突出。在AA-Omniscience测试中，Argon的幻觉率为15%，在智能指数高于45分的模型中属于最低。相比之下，Astra的幻觉率为51%，Sol则为54%。AA解释称，Argon更倾向于承认自己无法回答的问题，从而减少错误回答的概率。对于用户来说，这种信心及透明度非常吸引人。
然而，这种克制并不代表其准确率高。Argon的准确率为50%，比Astra的63%低了13个百分点，甚至比Gemini 3.1 Pro Preview低了5个百分点。综合得分为42，接近Astra的43，与Sol持平。虽然Argon对错误的回应较少，但其准确回答问题的能力不及Astra。值得注意的是，15%的幻觉率只限于此次测试，不能简单地推算为日常使用的错误率。
在实际的Agent能力表现上，Argon在AutomationBench-AA的得分为77.5%，位居榜首。然而在Terminal Bench 4中，其得分为57%，尽管比Gemini 3.1 Pro Preview提高了53个百分点，仍落后于某些竞争对手。在这种情况下，随着谷歌重新进入市场，其模型的定价策略和功能表现都值得用户进行详细的评估和比较。
