Google 把旗艦模型的價目表先貼出來了：導入期每百萬 Token 輸入 2 美元、輸出 10 美元，上下文緩存 再打九五折；導入期結束後改成 4／20。公開的 Gemini API 目錄裡，此刻找不到 Argon 的 model ID。Koray Kavukcuoglu——Google DeepMind 資深副總裁兼首席 AI 架構師——在官方部落格寫：Gemini 4 Argon 先滾給 Fairwind Program 裡一組受信任的網路防禦夥伴；公司內部團隊拿到的是拿掉網路護欄的版本。付費 API 客戶與 Google AI Ultra 訂戶排在「下一步」，日期寫的是 as soon as possible。
Sundar Pichai 在 X 上說，外面討論很多，他想盡早給一個 early look。DeepMind 主管 Kavukcuoglu 上週才在活動上講這顆 大型語言模型 已進後訓練、希望比年底更早放出初版。這次交出來的是預覽加受限部署，不是消費者能打開的聊天室。TechCrunch、SiliconANGLE、The New Stack、The Decoder、Axios、CNBC、Ars Technica 與科技新報同日把同一套數字攤開；Bloomberg 另有一條員工側寫，說榜上好看、真寫程式有人覺得吃力。Google 回 Bloomberg：說 Argon 在編程上不如預期，並不準確。
官方先講了什麼、沒講什麼
Kavukcuoglu 把定位寫成三塊：真實世界軟體工程、法律與金融這類企業知識工作、網路安全防禦。官方句子是「在複雜、長時程工作流上維持深度推理」。Safely releasing 這一級能力「需要分階段」。公司說正在參加美國政府自願性的前沿模型發布前取用流程——同一週白宮才讓六家實驗室簽了沒罰則的 Super Intelligence 協議，站內已拆過那兩頁紙寫了什麼。
能核對的硬規格，官方部落格寫死的是輸出上限：從上代 Gemini 的 6.4 萬 token 拉到 100 萬。理由寫得很直：單次軌跡能生出數十萬 token，才有空間把難題一次想完。The Decoder 補了一句部落格沒用同樣字眼寫清楚的話：輸入 上下文窗口 仍是 100 萬 token；接受文字、影像、影片、音訊，輸出只出文字。The Rundown 的產品頁更謹慎，說發布文沒有另列一條公開的輸入上限，不該把「輸出 100 萬」直接讀成「輸入也是新數字」。Vals 上這顆模型的最大輸出記成 26萬2144 token，跟官方「100 萬輸出」對不上——現在能看見的服務端配額，跟行銷頁不是同一張紙。
公開目錄沒有 model ID、沒有配額、沒有地區、沒有工具與快取的計費細則。買了 Ultra 也不等於今天能調到 Argon。The Decoder 寫 Google 會在 Gemini API 加 Long Decode Continuation：長回應先暫停，再用後續請求接回去，避免推理撞超時。這項能力有沒有進 Fairwind 現網，官方沒給時間表。
Fairwind 本身不是新牌子。SiliconANGLE 寫這個計畫 9 月 3 日跟著較小的 Gemini 3.8 Flash Cyber 開張，至今簽了逾 650 個組織，名單裡有 CrowdStrike 與 Palo Alto Networks。成員與 Google 內部拿到的 Argon，網路護欄是拿掉的：官方說模型能自主找出、驗證並修補關鍵軟體漏洞。一般開發者看到的那個拒絕「幫我寫攻擊」的版本，不是防禦夥伴手上的那份。
官方圖表贏了多數，編程不是全勝
Google 自己貼出的對照表，The New Stack 把 18 項逐列排過。VentureBeat 數過，18 項裡 Argon 獨走 12 項。知識工作那一欄差距最大。
| 項目 | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|
| Vals Index | 68.9% | 63.1% | 65.8% | 67.0% |
| AutomationBench | 51.3% | 41.4% | 31.4% | 42.5% |
| Vals Finance Agent v2 | 65.4% | 53.5% | 58.9% | 58.6% |
| Harvey Legal Agent | 19.6% | 5.4% | 6.7% | 3.8% |
| DeepSWE v1.1 | 77.9% | 74.1% | 67.4% | 74.2% |
| FrontierSWE v2 | 55.0% | 65.5% | 56.3% | 62.3% |
| Vibe Code Bench | 91.9% | 89.6% | 90.3% | 90.3% |
| Terminal-bench 4.0 | 57.4% | 58.2% | 57.9% | 66.4% |
| PostTrainBench | 45.3% | 44.3% | 40.2% | 49.3% |
| Terminal-Bench Science | 57.6% | 68.1% | 52.6% | 63.3% |
| GraphWalks（至 128k） | 99.7% | 98.7% | 91.4% | 90.6% |
| GraphWalks（256k–1M） | 84.2% | 71.8% | 65.0% | 66.8% |
| Agent's Last Exam | 39.5% | 34.2% | — | 38.2% |
| OSWorld-2.0（離線子集） | 69.2% | 72.6% | — | — |
| Chartography | 71.6% | 71.0% | 46.2% | 66.3% |
| LVBench | 91.7% | 87.5% | 79.7% | 83.7% |
| CWE-bench v1 | 68.0% | 68.0% | 58.0% | 67.0% |
DeepSWE v1.1 的 77.9% 被官方程式標成新高，量的是長時程軟體工程。站內寫過 Gemini 3.8 Flash 在 DeepSWE 拿 73.7%、貼近當時的 Opus 5；Argon 再往上推了約 4 分，對上現役的 Claude Opus 5.5（Google 表上 74.2%）與 GPT-6 Astra（74.1%）。The New Stack 把編程欄拆開看：FrontierSWE v2 Argon 55.0%，Astra 65.5%，落後 10.5 分；Terminal-bench 4.0 被 Opus 5.5 以 66.4% 拿走，Argon 57.4%。Vibe Code Bench 四家都在 89% 以上，91.9% 的領先不到 3 分。官方愛講的「編程 SOTA」，指的是 DeepSWE 這一條，不是所有倉庫遷移與終端代理題。
知識工作才是官方圖表真正拉開的地方。Zapier 的 AutomationBench 51.3% 對 Opus 5.5 的 42.5%。Harvey 法律代理基準 19.6%，大約是 Fable 的三倍，也代表完整做完的題目仍只有大約五分之一。GraphWalks 在 25.6 萬到 100 萬 token 那一檔，Argon 84.2%、Astra 71.8%、Opus 66.8%。長影片理解 LVBench 91.7%。CWE-bench v1 修補漏洞 68%，與 Astra 並列；The New Stack 提醒這張榜把模型跟各自的 agent harness 綁在一起量，Astra 走 Codex、Opus 走 Claude Code，不是裸模型對裸模型。
獨立榜把價差算回去
Artificial Analysis 的 Intelligence Index 在 The Decoder 見報時，Argon 開到 High 推理檔拿 53 分，與 Astra（max）以及 Claude Fable 5.1 打平，比 GPT-6.1 Sol（max）多 1 分。Anthropic 仍在上面：Opus 5.5 58、Sonnet 5.5 56。對 Google 上一顆前沿 Gemini 3.1 Pro Preview，Argon 跳了 23 分。The Decoder 寫這是 Google 七個多月來第一顆前沿模型，中間的 Gemini 3.5 Pro 被跳過；Bloomberg 同樣寫 3.5 Pro 已拿掉。
價差不能只看每百萬 token 標價。導入期跑一題 Intelligence Index，The Decoder 算 Argon 約 1.99 美元，大約是 Astra 3.26 美元的六成，卻是 GPT-6.1 Sol 的 2.7 倍。導入期結束後同一題升到約 3.98 美元，比 Astra 貴約兩成。便宜來自單價，不是來自省 token：Argon 平均一題吐約 6.2 萬輸出 token，Astra 約 2.7 萬。100 萬輸出上限讓模型有空間「一次想完」，帳單也跟著變長。
| 每百萬 token | Argon 導入 | Argon 後期 | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|---|
| 輸入 | 2 美元 | 4 美元 | 10 美元 | 10 美元 | 4 美元 |
| 輸出 | 10 美元 | 20 美元 | 50 美元 | 50 美元 | 20 美元 |
| 快取讀取 | 約 0.10 美元 | 約 0.20 美元 | 1 美元 | 0.25 美元 | 0.20 美元 |
導入期快取讀取是輸入價的 5%，The Decoder 換算約每百萬 0.10 美元；後期約 0.20 美元。Google 沒公布導入期哪天截止，也沒公布快取寫入價。Astra 與 Fable 的快取寫入在公開表上仍是另一筆。The Rundown 用一組固定算術當例子：2 萬輸入加 5 千輸出，導入期約 0.09 美元、後期約 0.18 美元——這是加減，不是實測任務成本。重試、工具呼叫、長 推理標記 都會把帳單往上推。
AA 的代理題，The Decoder 寫 Argon 補上 Gemini 線以往偏弱的那一塊。AutomationBench-AA 77.5%，比 Sonnet 5.5（max）高 6 分。Terminal Bench 4 拿 57%，比 3.1 Pro Preview 跳 53 分，仍低於 Sonnet 64%、Opus 60%、Astra 59%。AA-Omniscience 測的是事實與「會不會承認不知道」：Argon 幻覺率 15%，Astra（max）51%、Sol（max）54%。準確率只有 50%，比 3.1 Pro Preview 低 5 分，比 Astra（max）的 63% 低 13 分。綜合分 42，與 Astra 43、Sol 42 幾乎同一條線。比較願意說「我不知道」，不等於比較常答對。
Vals 即時頁把 Argon 放在指數 68.90% ±0.97，Finance Agent v2 65.40% 排第 1／73，Vibe Code Bench v1.1 91.91%。同一頁也露出短板：CUA-bench 4.83% 排 7／8，ProgramBench 2.50%。Vals Index 單次測試成本記 15.68 美元，延遲 46 分 33 秒。Arena.ai 的 Text Arena，The Decoder 寫 Argon（High）1525 分排第一，比 Claude Opus 4.6（High）高 20 分；網頁開發的 Code Arena: WebDev 1679 分排第八，比 3.8 Flash 進步 96 分、名次從 29 跳上來，仍沒進前段班。Arena 用導入期混合單價約每百萬 8 美元，把 Argon 畫到 Text Arena 的 Pareto 前沿。
Investing.com 引 Reuters：Alphabet 盤後約漲 2%。那是股價對「Google 又有旗艦了」的瞬間反應，不是對 Fairwind 鎖門、也不是對獨立榜打平 Astra 的定價。
內部案例寫得很滿，員工側寫不一樣
官方舉了三組已經在 Google 裡跑的工作。量子計算研究員用 Argon 壓子程序的時空資源（qubit × gate），有一例在幾分鐘內比已發表基線好 40%。一組 Argon AI代理 掃全艦隊 profiling，已釋出逾 300 tebibyte 記憶體，預估總量 500 TiB 到 1 PiB。C／C++ 遷 Rust：從 re2、libgav1 這種數萬行核心庫，拉到 Fuchsia 的 Zircon 核心逾 80 萬行。libgav1 這例，代理從既有 Rust 移植出發，用多輪 profile-guided 實驗換掉 3.2 萬行 SIMD，改成讓編譯器自己向量化的安全 Rust；官方程式說速度是舊 Rust 移植的 2.7 倍，影像輸出相同。這類改寫都還在自動加人工稽核、模擬測試，沒寫已經全數進生產。
Kavukcuoglu 寫「數千名」Googler 用 Argon 做專門編程、更深的研究與寫作品質。同一天 Bloomberg 引「直接接觸這項工作的人」：榜上好看，員工真拿去幹活比較普通，某些編程任務吃力。Google 對 Bloomberg 的回應是，講 Gemini 4 在編程這類領域表現不佳並不準確；另有員工說公司內部有「很大共識」認為模型已在前沿。兩套敘事並存。站內 9 月中寫過 Google 工程師可在 Antigravity 用 Claude Opus 5，當時仍規定 Gemini 是主力、不准開 Claude Code。Argon 若要改寫這條內部配額，官方這次沒宣布。
The Decoder 另點 Google 現在的弱點不在權重、在套件：跟 Claude Cowork、ChatGPT Work 比，Gemini 應用仍落後。模型分數追上，不自動等於工作流追上。Arena 的 Text Arena 把 Argon（High）放到 1525 分第一，寫作、長提問、指令跟隨都在前列；網頁開發 Code Arena 卻停在第八。這跟官方圖表裡「DeepSWE 新高、FrontierSWE 與 Terminal-bench 落後」是同一條縫：長推理與知識工作往前，終端與真實倉庫的髒活沒有同步封頂。員工側寫說某些編程任務吃力，獨立榜把這條縫量化了，不必把它讀成「模型很差」，但也不該讀成「編程全面領先」。
官方還寫 Argon 擅長圖表與長影片，LVBench 91.7%、Chartography 71.6%。後者只比 Astra 高 0.6 分，前頭那句「多模態明顯勝出」主要靠長影片與對 Fable 的 Chartography 落差。輸入吃影像、影片、音訊，輸出只出文字——能看懂圖，不能把圖生回來。法律與金融代理題則是另一種「看起來贏很多、絕對值仍低」：Harvey 19.6% 是相對倍數，不是可以無人值守的完成率。
防禦版先出門，護欄還在加
資安這條線，官方寫 Argon 為防禦而訓練，能自主找洞、驗證、打補丁。CWE-bench v1 修補 68%，並列第一。內部綜合漏洞基準涵蓋 20 種語言；對上 3.8 Flash Cyber，The New Stack 引官方數字：內部漏洞發現 85.8% 對 71.0%，Wiz 黑盒滲透 70.9% 對 58.2%。這些對照只跟自家上一代比，沒放 Astra 或 Opus。
Wiz——Google 今年 3 月以 320 億美元買下的雲端資安公司——已把 Argon 接進免費的 Scan for Good，掃公共基礎設施。官方說模型在全球醫院使用的醫療軟體裡，挖到一處會暴露個資的嚴重漏洞，先前的前沿模型沒抓到。醫院名稱、CVE、修補進度，發布文都沒給。Fairwind 成員手上那份沒有網路護欄的權重，能力與風險是同一把刀。
廣泛放行前，官方列了四層補強。濫用：拒絕協助網路攻擊與 CBRN（化學、生物、放射、核）武器，同時保留正當雙用途科研，走 Frontier Safety Framework；監測內部 activation，內外部 紅隊測試 用過人工加自動攻擊。間接 提示詞注入：官方稱 Argon 是他們對 Gray Swan IPI 基準最硬的一顆。失配（misalignment）：監測 思維鏈 與行動，必要時停執行；訓練時用過類似系統告警事故小組，且刻意不把發現餵回訓練，避免模型學會躲監測。系統硬化：高風險訓練或評測前把沙盒隔離封死，對齊他們的 agent control 路線圖。
對齊 這一段，官方點名希望業界在能力上升時保留推理透明度，讓模型的想法仍能被用來診斷失配。這句話是對 opaque recurrence 那條線說話——Astra 發布時外界吵過思維鏈被擋住的問題。Google 這次選擇把「看得到在想什麼」寫進發布文，當成自己的安全賣點。
現在能買的、還不能買的
導入價 2／10 對上 Astra 的 10／50、Opus 5.5 的 4／20，紙面上像半價旗艦。獨立榜把輸出量算進去之後，導入期單題智力成本仍高過 Sol，後期會貴過 Astra。快取九五折只在「同一段上下文反覆餵」時划算；長軌跡、高推理檔、一次生出數萬 token 的代理任務，輸出才是大頭。沒有 model ID 之前，這些數字都還不能進正式採購單。
下一棒官方寫的是付費 API 與 AI Ultra，再來才是開發者、企業、消費者。沒有日期。3.5 Pro 跳票的記憶還在：I/O 承諾 6 月，後來一串 Flash，旗艦改名叫 Argon。The Decoder 把它寫成「七個多月來第一顆前沿模型」。消費者端現在能繼續用的，仍是 3.8 Flash、3.8 Live、3.8 TTS 那一組已開賣的線。
同一天 Google 還有另一條硬體新聞：Suncatcher 原型星排上 Transporter-18，四顆 Trillium 張量處理單元 在軌道上大約只能連續跑 Gemini 15 分鐘。那是另一件事，站內另有發射清單與冷卻上限。Argon 這次沒宣布新的雲端 SKU、也沒宣布這顆權重要跑在哪一代 TPU。
單次長任務的帳單，用官方自己的數字就能估。假設一次倉庫遷移吃掉 8 萬輸入、12 萬輸出——這在 100 萬輸出上限面前不算誇張——導入期大約 0.16＋1.20＝1.36 美元；後期 0.32＋2.40＝2.72 美元。同一題若重試三次、再加工具回傳，輸出很容易翻倍。The Decoder 量過 Intelligence Index 平均 6.2 萬輸出 token，比 Astra 的 2.7 萬多一倍有餘；「導入期比較便宜」只在你的任務輸出量接近 Astra 時成立。法律或金融代理若真的把 Harvey 那類題目跑完，19.6% 的完整成功率代表五次裡有四次要人接手工。Vals Index 單次 15.68 美元、46 分鐘，已經把「知識工作第一名」的單位成本寫在榜上。
站內寫過 Gemini 3.8 Flash 導入價仍 0.75／3.75，單任務成本卻上漲。Argon 導入 2／10，大約是 Flash 輸入的 2.7 倍、輸出的 2.7 倍；後期 4／20 對齊 Opus 5.5 的標價，不是對齊 Flash。把日常補全留在 Flash、把失敗過的長任務留給 Argon 評測，比一上線就切旗艦更接近官方自己的分階段敘事。
兩份權重、一張還沒開門的價目表
Fairwind 無護欄版能自主找洞、打補丁；公開版被設計成拒絕網路攻擊與 CBRN。Wiz 在醫院軟體挖到的那處漏洞，官方用來證明防禦能力，也同時證明這顆模型找洞的能力已經超過先前放行的前沿模型。650 家 CrowdStrike、Palo Alto 這一級的夥伴先用，一般開發者還在等 model ID。雙用途就卡在這裡：防禦夥伴需要的能力，與濫用者想要的能力，技術上是同一條軌。Google 的答案是身分審核加分階段，不是把能力從權重裡拿掉。
自願性發布前取用，跟白宮那張沒罰則的協議疊在同一週。協議要公司自己找外部稽核、自己修；Argon 這次把「我們有參加政府流程」寫進發布文，但沒寫審查結果、沒寫哪一個機關看過、沒寫不過會怎樣。這不是新法生效，是同一套自願框架的產品實作。
評測與切換的最低條件其實很窄。要有官方 model ID 與地區。要用自己倉庫裡已經失敗過的長任務對打 3.8 Flash、Astra、Opus 5.5，不要只用 DeepSWE 或 Vals 指數做決定。要分開記「導入期 2／10」與「後期 4／20」，並量實際輸出 token，不要假設 100 萬上限用得到、也用得起。資安場景要確認拿到的是 Fairwind 無護欄版還是公開拒絕版——兩份權重不是同一個產品。Bloomberg 那條員工側寫不必當成結論，但 FrontierSWE 與 Terminal-bench 落後、AA 準確率低於 Astra，已經夠讓「編程全面領先」這句話從官方圖表裡拿掉。法律採購尤其不該只看 Harvey 的相對倍數：三倍於 Fable，仍是五題只完整過一題。