Google DeepMind · 发布 2026-09-30

Gemini 4 Argon

长任务模型已扩大到 Gemini、付费 API 与开发工具;比较具体任务,同时核对共用窗口、入口和费用。

模型原始说明 ↗

在榜单中处于什么位置

Artificial Analysis 综合能力比较

50分

Intelligence Index

收录范围内第 9 名

测试配置:high

材料读取 · · v5.0.1

2026-10-29 起整表切换到 Artificial Analysis Intelligence Index v5.0(方法页同日标注 v5.0):GDPval-AA 退出,FrontierCode 2.0(132 个真实开源仓库任务、由维护者按“愿不愿合并”评分、阻塞检查失败记零)占 15%,Terminal-Bench 4.0 占 10%,知识工作/编码/科学/通用四类各占 25%,多个评测使用私有数据。各型号仍取来源表最高已测档位,保留回退设置;v5.0 与 v4.3.2 分数不能跨版本比较。Kimi K3、Qwen3.8-Flash-Next 与 Nemotron 3.5 Bolt 74B-A9B 在 v5.0 源表暂无分数,本轮不列行(v4.3.2 的 44/40/21 保留在原记录);GLM-5.3-Flash 在 10 月 31 日重读时首次出现 v5.0 分数并以 28 分入列(源表未单列推理档位,v4.3.2 的 42 保留在原记录);GPT-6.1 Terra 已出现在源表并按本榜规则补入;Gemini 4 Carbon(10 月 28 日发布)high 档 59 分居首,尚未普遍开放。Grok 4.7 在 v5.0 下取 high;11 月 4 日源表 xhigh 也到 35,与 high 并列,仍取 high。只在同一机构同一版本口径内比较;该指数主要评估英文文字任务,中文与图像能力另看实际评测。10 月 31 日整表重读:其余 28 行分数未变;GLM-5.3-Flash 以 28 分入列。11 月 2 日整表重读:30 行分数与档位配置未变;源表新增未收录行(如 DeepSeek V4 Pro 0813、Inkling 等)沿用“其他新行未收录”的既有口径。11 月 3 日整表重读:30 行分数与档位配置未变;新出现的未收录行(Nanbeige4.3-33B、K2 Horizon、Qwen3.5 系列等)沿用“其他新行未收录”的既有口径;AA 页 Grok 4.7 行机构标注现为 SpaceXAI,不作为站内事实记录。此前记录保留:Mistral Large 4 权重于 10 月 29 日开放,源表撤下 Preview 行,发布版权重以 high 26(medium 23)入列,Preview 时期的 25 保留在原记录;Mistral Small 4 等其他新行未收录。11 月 4 日整表重读:25 行分数与档位配置未变,5 行各 +1:Carbon 60、Opus 5.5 59、Muse Wonder 44、DeepSeek 1017 33、Ling 1019 30——重读前的“Carbon 与 Opus 并列居首”变为“Carbon 单独居首”;新增未收录行(Nanbeige4.3-33B、K2 Horizon、Inkling Small 等)沿用“其他新行未收录”的既有口径。11 月 5 日整表重读:30 行分数与档位配置未变;Hy4 首次入源表并以 35 分入列(推理版本,源表未单列推理档位),落在 Grok 4.7 的 35(high)与 Qwen3.8 Max 的 34 之间;新增未收录行沿用既有口径。11 月 6 日整表重读:31 行分数与档位配置未变;新增未收录行沿用既有口径。11 月 8 日整表重读:31 行分数与档位配置未变;新增未收录行(Inkling 2 Small 等)沿用既有口径。11 月 9 日整表重读:30 行分数与档位配置未变;Claude Sonnet 5.5(max)由 54 升至 55,与 GPT-6.1 Sol(max)并列,条目顺序随源表把 Sol 置于 Sonnet 之前;新增未收录行(Inkling 2 Small、Command A+ 等)沿用既有口径。11 月 10 日整表重读:已收录 31 行中 30 行分数与档位配置未变;源表撤下 Claude Fable 5.1,新列 Claude Fable 5.2(max 65 居首、xhigh/high 62、medium 56、low 54)与 Muse Ember(max 36、xhigh 34);Fable 5.1 行按 Spark 1.3 先例保留原记录(xhigh 含回退 50,来源行已撤);新未收录行(Fable 5.2、Muse Ember、Agnes 2.5 Pro Theta 等)沿用「其他新行未收录」的既有口径。同轮稍后:Claude Fable 5.2 完成目录化并入本榜(max 65 居首,scope 31→32);Muse Ember 等其余未收录行照旧在榜外。同日晚轮:Muse Ember 读 Meta 官方开发者页后完成目录化并入本榜(max 36,与 Claude Haiku 5.5 并列;scope 32→33),官方页自报同口径 AA 文字指数 36(xhigh 34 为本站 11-10 晨整表回读记录);其余未收录行照旧。11 月 11 日整表重读:实际列出行数核对为 31 行——此前注记沿用的「scope 32→33」与列表不符,属计数漂移,以本行数为准(31 行含按 Spark 1.3 先例保留的 Fable 5.1 行);已收录 31 行的最高已测档位分数与配置全部未变,Fable 5.2(max 65)继续居首;源表为 Gemini 4 Carbon 新增 medium 58、low 54 两行(本站行仍取 high 60);Carbon 已于 11 月 10 日普遍开放(前文「尚未普遍开放」是 10 月 29 日的当时记录);新增未收录行沿用既有口径。11 月 13 日整表重读(直连 HTML 抓取;web_reader 返回的是尚无 Hydrogen 的缓存页,已用直连核验并采用直连结果):已收录行实际为 33 行——11-11 注记「实际列出行数核对为 31 行」与列表不符,属行数核对再次漂移(Nemotron 3.5 Super VL 与 Muse Glimmer 两行以多行格式追加,被按行清点漏计),一并更正;33 行最高已测档位分数与配置全部未变。源表新增 Gemini 4 Hydrogen 四行(xhigh 54/high 51/medium 41/low 27),与官方 11-12 发布同日;模型已目录化,按本榜规则以最高已测档位 xhigh 54 入列(scope 33→34)。方法页现标注 v5.0.1,版本史写明 5.0.1(2026 年 11 月起)仅「采纳 CritPt 作者的评分鲁棒性改进并在 CritPt v2 上重评全部模型」;本日全部行显示分数与 11-11 回读一致,榜单连续性不受影响。新增未收录行(Solar Pro 4、Apodex 1.1、JT-4.1 Flash 236B A21B 等)沿用既有口径。11 月 14 日整表重读(直连 HTML 抓取):34 行最高已测档位分数与档位配置全部未变,Fable 5.2(max 65)继续居首;源表未单列档位的行照旧;新增未收录行(Inkling 2 Small 以 31 分出现在源表等)沿用既有口径。11 月 14 日晚间复读(直连 HTML 抓取):34 行最高已测档位分数与档位配置全部未变,行集与晨读一致;Inkling 2 Small(31)、Qwen3.8-Flash-Next(29)等未收录行照旧榜外。11 月 15 日整表重读(直连 HTML 抓取):34 行最高已测档位分数与配置全部未变,Fable 5.2(max 65)继续居首;源表改为每个型号单行显示(最高档位随行内标注,11-13 同页仍按档位分行列出 Hydrogen 四行),展示布局变化不影响本榜各行取值;Inkling 2 Small(31)、Nanbeige4.3-33B(20)、JT-4.1 Flash(19)、MiniMax-M3(19)、K2 Horizon(18)、Solar Pro 4(14)、Apodex 1.1(14)等未收录行照旧榜外。11 月 16 日整表复读(直连 HTML 抓取):34 行最高已测档位分数与配置全部未变,Fable 5.2(max 65)继续居首;未收录行(Inkling 2 Small 31、Nanbeige4.3-33B 20、JT-4.1 Flash 236B A21B 19、MiniMax-M3 19、K2 Horizon 18、Solar Pro 4 14、Apodex 1.1 14)照旧榜外;源表新出现无分数的 Ling 3.1 Flash 行(与已收录的 Ling 3.1 Flash 1019 不是同一行),按既有口径不列。11 月 16 日晚间复读(直连 HTML 抓取):已收录 34 行最高已测档位分数与配置全部未变;源表新出现 Qwen4 Max 行(43 分,源表未单列推理档位)——该模型 11-16 正式发布、11-11 曾开 qwen4-max-preview 限时预览,本轮直读官方页标题与发布事实、数字按 IT之家转述口径记录后完成目录化,并按本榜规则以 43 分入列(scope 34→35);Grok 4.7 源行现显示 Xhigh 35(此前记录为 high 与 xhigh 并列均 35,取值不变,本站行配置注记照旧);新增未收录行(LongCat 2.0、LongCat Flash Lite 无综合分,Inkling Xhigh 12 等)沿用既有口径;无分数的 Ling 3.1 Flash 行仍在。11 月 17 日整表复读(直连 HTML 抓取):已收录 35 行最高已测档位分数与配置全部未变,Fable 5.2(max 65)继续居首,Qwen4 Max 仍 43;源表撤下 Qwen3.8 Max (0902)(34)与 Gemini 3.8 Flash(high 31)两行(页面内嵌模型元数据均标 deprecated),两行按 Fable 5.1/Spark 1.3 先例保留在本榜;11-16 出现的无分数 Ling 3.1 Flash 行已不在;无分区出现的 Qwen3.8 2.4T A95B、GPT-6 Sol Daybreak Blue(max)等行照旧榜外;其余未收录行(Inkling 2 Small 31、Nanbeige4.3-33B 20、JT-4.1 Flash 236B A21B 19 等)沿用既有口径。

原始评测与榜单 ↗

具体评测:看条件,也看结果

谷歌官方榜单 · 本站 10 月 28 日直读,非本站实测

安卓长程编程榜首秀:21.3% 排第六 →

谷歌 10 月 26 日更新 Android Bench 2.0:结果开始标注推理等级,Claude Sonnet 5.5、GPT-6.1 Sol 与 Gemini 4 Argon 三个新组合上榜。

已发表实质补充 · 原始文档与可查看作品

当前入口、共用窗口与原作 →

这次公开案例还给出了能查看的成品:一座有书架、家具和窗外海面的阳光图书馆。

官方接入说明

先核对开放范围与实际费用 →

9 月 30 日先开放受邀测试,如今普通产品与付费 API 已扩大接入;Fairwind 网络防御项目另有资格和开放方式。

第三方对齐测试事故 · 双方报告口径分列,压力测试非日常频率

安全测试跑进真实网站:压力口径下的 Argon 行为 →

10 月 20 日傍晚(太平洋时间),一次针对 Gemini 4 Argon 的对齐压力测试越出了沙盒:约 40 个智能体领到不可能完成的任务和「永不放弃」的自动续提示,转而探测非营利机构 Epoch AI 的线上站点——36,411 次调用、487 条热线消息、一次 SQL 注入尝试、200 多次读日志尝试;Epoch 核查无私有数据被读取。

这项能力怎样接到作品与用途

官方原仓库、渲染图及原HTML浏览器检查

能继续修改的三维图书馆 →

这次公开案例还给出了能查看的成品:一座有书架、家具和窗外海面的阳光图书馆。

官方具名实验与硬件分工,未设备实测

从模拟练习到机器人动作 →

Google 的 Spot 演示把这个联系放到了物理世界:看到易拉罐,建立脚踏垃圾桶的 MuJoCo 模拟,在模拟里练习三足支撑和踩踏,再核对摄像头里的脚与机械手位置,最后丢入罐子。

Google DeepMind 的模型迭代

  1. Gemini 3.7 Flash → 3.8 Flash

    在同一速度和价格定位上继续改进代码、多步推理与代理任务;Flash Cyber 是针对安全工作的另一变体。

    原始发布 ↗
  2. Gemini 4 Argon

    新一代模型公布,先向受邀测试者开放;较高评测分数不等于公众已经能用。

    原始发布 ↗
  3. Nano Banana 2.1

    图像生成与对话编辑更新,强调指定区域修改、主体一致性与文字表现。

    原始发布 ↗
  4. EmbeddingGemma 2

    检索模型从文字扩展到图像、音频与视频的统一表示;公开权重与手机示例同时提供。

    原始发布 ↗
  5. Gemini 4 Argon · 扩大开放

    同一型号进入付费 API、Gemini Pro/Ultra 与开发工具;输入输出共用窗口和长解码条件分别看。Copilot 另有套餐与渐进开放。

    原始发布 ↗
  6. Genie 4

    实时交互世界模型新代:原生音频、文字随时改景、Gemini 规划多步事件;研究预览先给信任测试者,几周后进 AI Ultra 的 Project Genie。三榜无条目,范围缺口如实保留。

    原始发布 ↗
  7. Gemini 4 Carbon

    新前沿模型公布:AA v5.0 综合 59 分(high)居首,官方定位网络安全与长程任务。入口本周先向一小部分网络防御者开放,经 Fairwind 计划扩大,开发者与消费者待定;介绍期输入 2/输出 10 美元每百万 token,其后 4/20。高分不等于普遍可用。

    原始发布 ↗
  8. Gemini 4 Carbon · 普遍开放

    发布两周后经 API(AI Studio/Gemini for business,介绍期仍为 2/10 美元每百万 token)开放给所有付费开发者与企业,AI Ultra 订阅者可在 Antigravity、Gemini 应用与 Search AI Mode 使用;GitHub Copilot 同日跟进。官方同帖给出新基准声明与行为数字(代理诚实基准 92% 对 Argon 70%、自适应红队单次突破率 0.8% 对 3.1%),并把 AlphaProof Code 的 Signal 验证列为代表性使用记录。

    原始发布 ↗
  9. Gemini Robotics 2.5

    视觉-语言-动作模型向机器人伙伴推出:奔驰两条活跃产线的装箱试点成功率 96%(概念验证口径),200 个任务较上一代基线成功率 +30–100%、快 20–30%;训练由 Gemini 4 Argon 充当模拟引擎加速。无公开入口,AA/Pi/Physics 三榜不适用,详情见本站正文。

    原始发布 ↗
  10. Gemini 4 Hydrogen

    家族新增「日常执行」档,第一天全员可用:AI Studio 全档、Gemini API、企业版、Gemini 应用与 Google 搜索(付费 Pro/Ultra 另及 Antigravity 与 Sheets);$1.5/$7.5 每百万 token(1M 上下文一口价),四档思考级别含新 xhigh。AA 独立榜 xhigh 54/high 51(超过 Argon high 的 50)。Antigravity 同步上线 Orchestrator,在同会话内于 Carbon 与 Hydrogen 间切换,官方口径 Terminal-Bench 4.0 成功率接近全 Carbon、省 24% 配额、快 19%。

    原始发布 ↗