Google DeepMind 資深副總裁暨 Google 首席 AI 架構師 Koray Kavukcuoglu 透過官方部落格宣布，Gemini 4 Argon 於 2026 年 10 月 13 日正式全球上線。這款模型被定位為處理高難度真實任務的前沿模型，應用場域涵蓋程式開發、金融、法律、資安與科學研究。發布管道分成幾條路線：開發者與企業可透過 AI Studio 及 Gemini 平台的 API 取用；Google AI Ultra 訂閱者可在 Google Antigravity 中使用；一般使用者若具備 Ultra 或 Pro 訂閱身分，則可在 Gemini App 與搜尋的 AI Mode 中體驗。導入期價格為每百萬輸入 token 收費 2 美元、每百萬輸出 token 收費 10 美元，快取輸入 token 另享 95% 折扣。官方同時指出，Argon 在衡量金融、程式、法律與稅務等關鍵經濟部門表現的 Vals Index 上排名第一。
值得注意的是，這次公告的內容並不只是跑分，而是大量來自 Google 內部與早期企業客戶的實際工程紀錄。這讓 Argon 的定位更接近能長時間獨立作業的代理人，而不只是問答式的模型。
內部工程實證
Google 表示，過去數週內部軟體工程師交付程式碼的速度明顯提升。在 Antigravity 環境中使用 Argon，讓團隊的代理人程式碼提交量增加超過 35%，同時程式碼回退減少將近三分之一。最具體的案例是 Chrome 團隊。Chromium 的程式碼庫規模約四千萬行，其中包含一個約六百萬行的瀏覽器功能舊資料夾，長期與核心網頁處理邏輯糾纏在一起。Argon 協助團隊拆開這兩者，一次送出多筆乾淨變更，完成橫跨數百個檔案的架構重構，把原本估計要花數個月的工作壓縮到數週內完成。對全球數十億 Chrome 使用者而言，這項重構的實際意義是網頁未來可在分頁、側邊面板與浮動視窗之間流暢移動而不需重新載入，同時消除一整類瀏覽器崩潰情境。
另一個案例是 Google 開源的 Agent Development Kit（ADK，一套驅動企業級代理人的框架）。團隊把 .agents/skills 規則手冊與一段簡短目標交給 Argon，要求在不破壞既有應用的前提下消除框架額外開銷。Argon 在夜間自主工作，提出的最佳化已併入 google/adk-python，讓長時間工作階段的記憶體內 session 準備時間縮短 40%，冷啟動匯入速度提升 21%。
科學運算方面，xTB（Semiempirical Extended Tight-Binding，一種半經驗量子化學套件）是最常被引用的開源分子模擬工具之一，用於預測分子三維結構與大量篩選藥物、材料候選物。研究人員透過 Antigravity 使用 Argon 後，xTB 預測分子結構的速度最高提升 2.3 倍，構形搜尋提升 1.8 倍，相關變更已回饋到 GitHub 官方儲存庫。此外，團隊以 Argon 在 A100 上透過 vLLM 對 Gemma 模型進行優化，在 Gemma 4 E2B 上取得 2.85 倍的端到端推論加速，吞吐量從約每秒 37,900 token 提升到超過 108,000 token，且維持 100% token 一致性、品質零下降，整個過程只花幾天，而非過往動輒數月。
專業工作流程與科學突破
Argon 的設計結合前沿推理、深度視覺感知、擴充的領域知識與更強的寫作能力。官方強調它在回答時更直接、較少模稜兩可、不重複贅述，也更能遵循風格指示。早期存取的企業客戶已用它處理多模態文件理解、長期資料分析與互動式分析沙箱。舉例來說，Argon 能整合約 50 GB 的機載光達掃描、GIS 房間向量、美國國會圖書館 CAD 圖與國家公園管理局檔案，重建查科峽谷的三維模型，把破碎的考古紀錄轉成可探索的數位遺產。在生醫領域，Isomorphic Labs 以 Argon 作為藥物探索與設計研究的夥伴，快速綜合複雜 PDF 與專利文件並擷取關鍵資訊，把原本數週的流程縮短到數小時。
資安方面，Google 宣布將在 Fairwind Program 中擴大與數百個防禦方夥伴合作。Wiz 已在「Scan for Good」倡議中使用 Argon。在一項與美國聯邦機構合作的網路韌性計畫中，Argon 協助預先找出並修補一個可能暴露敏感資料與政府基礎設施的缺口；在醫療場域，它串連多個複雜漏洞，發現一個公開檔案下載繞過問題，該問題會洩漏主金鑰並取得管理員權限，進而保護了數十萬筆病患紀錄。
科學研究上，Argon 在多個領域已有實際成果。量子計算方面，它把 Google 內部的 AlphaQubit（機器學習量子錯誤更正解碼器）改寫成單一高度最佳化的硬體核心，推論吞吐量幾乎翻倍，有助於在嚴格即時限制下部署更大模型並擴展到更大規模的量子裝置。針對量子模擬演算法中的 arcsin 子程序，Argon 撰寫並在 Lean 中完成形式化驗證的實作，相較已發表的量子 CORDIC 基準，時空成本降低超過 100 倍。
核融合方面，仿星器（stellarator）是極複雜的機器，被視為無限潔淨融合能源的候選方案，但其三維磁場最佳化極為困難。自 1967 年以來，Grad 猜想假設這些磁場的精確數學解不存在，直到近年出現反例，包括馬里蘭大學教授 Matt Landreman 的成果。Google 團隊與 Landreman 合作找到範圍更廣的一類反例，為融合社群提供可靠基準，用來驗證仿星器模擬程式。罕見疾病研究上，Gamow Labs 以 Argon 分析新生兒的去識別化基因體，找出一個例行軟體多年來漏掉的染色體重排並解釋其成因；在 RareBench 上取得 57%、LabBench 上取得 52.2%。酵素設計方面，團隊與 Argon 合作設計絲胺酸酯酶（serine esterase），以 4MU-acetate 為目標分子，數小時內完成資料彙整、模型調校與多層生化篩選，得出五個新設計，後續實驗也確認具備催化活性。
機器人與空間推理
Argon 在 Embodied Reasoning（ERQA）基準上取得 87%，超越其他前沿模型，該基準測試模型理解並解決三維環境中物理與空間問題的能力。內部測試中，Argon 觀看人類玩沙包洞遊戲的原始影片，對應出環境空間座標並計算全身關節動作，自行生成模擬程式碼；轉移到 Apptronik 的 Apollo 人形機器人後，機器人在實測中連續投進七球。這種「影片到模擬到實體」的流程，把原本數週的手動模擬建模壓縮到數小時。
安全設計與限制
Argon 是 Google 目前最完整的安全堆疊。在 Frontier Safety Framework 下，外部生物紅隊測試只能解鎖不到 1% 的生物子任務；在壓力測試的對抗集上，違規情況減少近兩倍。代理人對齊方面，Google 訓練 Argon 尊重系統邊界、誠實回報負面結果，並在不可逆步驟前暫停等待人工確認，程式基準中的取巧嘗試降到 2%。另有一層自動化錯位監控器，即時讀取代理人的推理與行動以攔截非預期繞道。提示注入防禦上，Argon 在 Gray Swan 間接提示注入基準中領先，15 次自適應嘗試的攻擊成功率降到 0.7%。
整體來看，Argon 透過 Gemini API 提供 100 萬 token 的統一輸入輸出上限，並新增續接協定，使其能長時間處理複雜任務。需要留意的是，這些成果多半來自 Google 內部環境、合作夥伴或特定基準，實際效益會隨任務型態、資料品質與部署條件而異；對企業而言，真正的課題仍是如何把模型能力接上既有的權限、稽核與流程治理。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。