Gemini 4 Argon 在 ARC-AGI-3 基准拿下 97.5%，成为全球第二个突破 95% 临界线的模型，同时通过真实工程任务（Chrome 代码重构、xTB 量子化学加速 2.3 倍）证明了超越基准的实际智能，API 定价 $2/M 输入/$10/M 输出，cached 折扣 95%。
ARC-AGI-3：97.5%背后的临界线跨越
2026 年 10 月 16 日，Google DeepMind 公布了 Gemini 4 Argon 的最新评测数据：在 ARC-AGI-3（Abstraction and Reasoning Corpus，抽象推理语料库第三代）基准测试中斩获 97.5% 的得分。ARC-AGI 被誉为 AI 推理能力的「试金石」，要求模型在没有任何直接训练样本的情况下，通过抽象逻辑推理解决全新问题，是衡量通用人工智能进展最受认可的核心指标之一。在此之前，全球仅有 OpenAI 一家 AI 实验室跨越过 95% 这一临界线，Gemini 4 Argon 是第二家达成此里程碑的实验室。
值得注意的是，ARC-AGI-3 与前两代相比难度大幅提升：任务类型从静态推理扩展到需要多步规划与工具调用的复合任务，97.5% 的得分意味着 Argon 在绝大多数从未见过的抽象任务上已能给出正确答案。
| 基准 | Gemini 4 Argon | 对比 |
|---|---|---|
| ARC-AGI-3 | 97.5% | 全球第二个突破 95% 临界线 |
| Vals Index | #1 | 金融/编码/法律/税务多经济部门综合第一 |
| Agentic 代码提交 | +35% | vs 基准，Chrome 团队实测 |
| 代码回滚率 | -33% | vs 基准 |
| xTB 分子结构预测 | 2.3x 提速 | 量子化学开源包 |
| xTB 构象搜索 | 1.8x 提速 | |
| Gemma 4 E2B 吞吐量 | 108,000 tokens/s | vs 37,900 tokens/s（2.85x） |
| 会话预准备内存时间 | -40% | 长时间会话，ADK Python |
| 冷启动 import | -21% | ADK Python |
Chrome 代码库重构：6 百万行遗留代码的手术刀
Argon 已在 Google 内部多个团队投入实际生产任务，其中最引人注目的是 Chrome 浏览器代码库重构案例。Chrome 的代码库规模达 4000 万行，其中一个包含约 600 万行遗留浏览器功能代码的文件夹长期与核心页面处理逻辑耦合，导致大量潜在稳定性问题。
Argon 在 Antigravity 中以多轮自主方式处理这一任务：每次并行提交多组干净的代码改动，在数百个文件间完成架构重构。Google 团队估算，这项工作若由人工完成需要数月，而 Argon 在数周内完成。重构完成后，Chrome 将支持标签页、侧边栏和悬浮窗口之间的实时切换而无需重新加载页面，从根本上消除了一类浏览器崩溃问题——这对全球数十亿 Chrome 用户直接影响。
定价策略：$2/M 输入，首发优惠锁定开发者
Gemini 4 Argon 已于 10 月 16 日全球同步上线，分为三个使用渠道：开发者与企业可通过 AI Studio 和 Gemini 平台 API 访问；Google AI Ultra 订阅用户可在 Antigravity 中使用；Gemini app 和 Search 中的 AI Mode 则面向 Pro 和 Ultra 订阅用户。
API 首发定价为 $2/百万输入 tokens，$10/百万输出 tokens，cached 输入 tokens 折扣达 95%。作为对比，GPT-4o 当时的定价为 $5/$15，Argon 的价格优势明显。Google 尚未公布此为永久定价还是限时优惠。
工程验证：从开源加速到科学计算
Argon 的能力不只体现在基准分数上，Google 同步披露了多项内部工程验证成果：
量子化学开源包 xTB 提速 2.3 倍：xTB 是分子 3D 结构预测和药物/材料筛选领域最常被引用的开源工具之一。Google 研究团队使用 Argon 对 xTB 进行优化，使分子结构预测速度提升 2.3 倍，构象搜索速度提升 1.8 倍，相关改动已合并至 GitHub 官方仓库。
Gemma 4 E2B 推理吞吐量提升 2.85 倍：使用 Argon 优化 Gemma 4 E2B 的推理效率，在 A100 GPU 上通过 vLLM 加速，吞吐量从约 37,900 tokens/s 提升至超过 108,000 tokens/s，同时保持 100% token 一致性和零质量下降——整个优化过程仅用数天，而通常这类优化需要数月。
Agent 开发工具包（ADK）优化：Argon 在 Antigravity 中自主分析 Google 开源 ADK Python 的 .agents/skills 规则手册后，在长时间会话中将内存预准备时间削减 40%，冷启动 import 速度提升 21%，相关改动已上线 google/adk-python。
Vals Index：经济部门综合能力的新标尺
除 ARC-AGI-3 外，Gemini 4 Argon 还在 Vals Index 上拿下 #1 排名。Vals Index 是衡量大模型在关键经济部门（金融、编码、法律、税务）综合表现的一套评估体系，区别于传统单一任务基准，Vals Index 更贴近真实工作场景中的复杂多步决策需求。
Google 在博客中表示，Argon 在 Vals Index 的 #1 排名与其在 ARC-AGI-3 上的突破具有内在一致性：高抽象推理能力是跨领域深度任务的基础，而 Argon 在这两项指标上的双重领先说明其已具备在真实高价值专业场景中替代人类专家的潜力。
与前代及竞品的定位差异
Gemini 4 Argon 的核心定位是「深度工作」（Deep Work），区别于前代 Gemini 4 Flash 的「快速响应」路线。Argon 在复杂多步任务上展现出明显优势，尤其在代码重构、科学计算和金融/法律等高价值专业领域。Vals Index（覆盖金融、编码、法律、税务等关键经济部门）的 #1 排名进一步印证了这一定位。
与同期竟品对比：ARC-AGI-3 97.5% 的成绩意味着 Argon 在抽象推理维度已与 OpenAI 最高水平持平甚至小幅领先，而 $2/M 的 API 定价则在成本侧构建了明确竞争优势。
FAQ
ARC-AGI-3 97.5% 是什么概念？
ARC-AGI-3 是抽象推理基准的第三代测试，要求 AI 在零样本条件下通过抽象逻辑解决全新问题，难度远超前两代。95% 被业界视为「通用智能临界线」，此前只有 OpenAI 的最高端模型触及过。97.5% 意味着 Argon 在绝大多数未见过的抽象任务上已能正确解答，已接近人类专家水平。
Gemini 4 Argon 与 Argon Flash 版有何区别？
Argon 主打深度工作能力，适合复杂多步推理和代码重构等高价值任务；Flash 版侧重快速响应和低延迟场景。价格上，Argon API 为 $2/$10（输入/输出每百万 tokens），Flash 版定价更低。Vals Index #1 和 ARC-AGI-3 97.5% 的成绩主要由 Argon 取得，Flash 版未披露同类数据。
首发定价 $2/M 贵不贵？
相比 GPT-4o 当时的 $5/$15 定价，Argon 的输入 tokens 定价便宜 60%，输出 tokens 便宜 33%。结合 95% 的 cached tokens 折扣和已在 Google 内部验证的实际任务提效（Chrome 重构数周完成数月工作、xTB 提速 2.3 倍），性价比具备竞争力。但 Google 尚未明确此为永久定价还是首发优惠价。
- Gemini 4 Argon 机器人版：一图生成 4500 条训练数据
- 谷歌量子突破：魔态培育使 Willow 错误率降 40 倍
- Meta Muse Spark Open：816B 开源多模态跑通两台 Mac
延伸阅读
- Gemini Notebook 返校更新：讲座录音自动转录，60 秒视频概览支持 80 多种语言4 周前
- Qwen3.8-Omni-Flash发布：原生全模态Agent，29项基准涨25%，音视频API降幅超93%6 天前
- 豆包免费送 30 天订阅权益 标准套餐体验至 10 月 17 日 订阅加额度双层运营3 周前
- Anthropic 发布 Claude Science：科研 AI 工作台上线，资助 50 个项目最高 3 万美元额度4 周前
继续读
同一批更新里这几篇值得一看：
想快速查定义？对应的词条在这里：
- Gemini 4词条 · AI 自学笔记