2026年10月13日星期二

Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验

Gemini 4 Argon正式全球上线,提供百万级统一工作空间。文章深度解析其在Chrome大仓重构、开源ADK长任务无人值守、科学实验室与机器人控制中的实战表现,并梳理了官方入口、API价格及国内可用渠道。

Tags:
Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验

先结论:Argon 不是「又一个更大的模型」

Gemini 4 Argon 已经全球上线。对开发者来说,我更关心的不是又一张榜单,而是它能不能把「看懂任务 → 调工具 → 写代码 → 自己改到能跑」这条链路真正串起来。

官方说法里,Argon 把图像、视频、语言理解和推理、代码执行绑在一起:模型先理解目标,再持续调用工具把活儿往下推。过去一个月,Google 内部据说有超过 10 万名员工拿它做过实战;开发者生态负责人 Logan Kilpatrick 提到,全栈团队为 Gemini 4 埋头干了大约半年。

Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验

我自己看完发布材料后的判断很简单:能跑分,也能啃大仓、啃长任务——后者才是我愿意立刻试用的原因。

能做什么:看懂之后,还能接着动手

能力面上,可以粗分成三块:多模态理解、长程 Agent 执行、以及把结果落到真实系统(浏览器、机器人、实验室)。

谷歌在 Antigravity 里甩出的 demo,核心卖点就是「目标定好,中间脏活它扛」。我挑几条对开发者有参考价值的,不展开成流水账:

从代码到可交互世界。 工程师让 Argon 搭一座中式寺庙:Blender 建模,多 Agent 盯画面、按反馈迭代,飞檐斗拱到院落光影逐步补齐。再扔一张办公桌照片,它能搭出微型赛车场——Blender 建桌面与赛道、检查碰撞,Nano Banana 补纹理,Three.js 接物理与操控,再配上 Gemini Omni Flash 生成的引擎声。照片里的水杯、书本、键盘就变成障碍物,车真能在桌上跑。

更硬核一点:不依赖现成 3D 引擎,用 Python + NumPy 手写光线追踪,从零渲出一间有阳光的图书馆,顺带写视频工具和混音器;巫师国际象棋则从棋子建模、绑骨、贴图,一路接到网页交互和单人对战 AI。Hassabis 看完还联想到当年 Amiga 上《战争象棋》的快乐——这话听着像情怀,其实侧面说明:生成物已经接近「能玩」,而不只是「能看」。

Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验

从屏幕到真机。 给 Argon 一段人类投沙包的视频,它在仿真里练动作,再搬到 Apollo 真机上;真实场地里继续观察落点、把释放位置微调几厘米,最后连续投中 7 次。官方口径是:原先可能要数周的人工仿真建模,被压到了几小时量级。对我而言,这说明「空间理解」已经不只是谈视觉,而是能闭环到控制。

社区侧上线后也很快涌出一批 3D / 物理实测(熔岩灯、傅里叶圆画羊驼、鲁布·戈德堡装置、Three.js 海景、SVG 动画重绘等)。我这边把列表收一收:3D 物理与长链条因果,是目前网友最爱拿来压测的方向,也是 Argon 最容易「一眼看出差距」的场景。

跑分与实战:纸面第一梯队,工程才是加分项

先看公开数字(措辞按官方材料复述,细节以谷歌原文为准):

在官方公布的约 19 项基准对比里,最高思考档的 Gemini 4 Argon 拿下约 13 项单独最高、另有 1 项并列最高,成绩单直接对齐 GPT-6 Astra、Fable 5.1 这一档。第三方 Artificial Analysis 智力指数上,Argon(high)约 53 分,与 GPT-6 Astra(max)持平,比 GPT-6.1 Sol(max)大约高出 1 分。

Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验
Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验

跑分好看,我更在意下面这些「像真实工作」的结果。

Chrome:祖传大仓里做架构重构

Chromium 体量大约四千万行;其中一个旧浏览器功能目录就约占六百万行。Chrome 团队要从中拆出核心网页处理逻辑,改动横跨数百个文件。Argon 协助并行推进多组修改,把原本可能拖数月的架构重构,压到了数周量级。重构目标包括:网页在标签页、侧边栏、浮动窗口之间移动时不必整页重载,并消掉一类崩溃问题。

Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验

作为长期维护过遗留系统的人,我对这句话的理解是:它不是只会写新玩具,也能进「不敢乱动」的代码库帮你推进拆分。

ADK:通宵无人值守,带着测试交 PR

开源 Agent 框架 ADK(约 20.5 万行 Python)是另一场实战。工程师给维护规则和一段话目标:降框架开销、接口不变、现有应用不能坏、改动必须带测试。第二轮实验大约从晚上 9 点 11 分起,Argon 在 Antigravity 的 /goal 模式下无人值守跑了约 11 小时——查瓶颈、改代码、审查自己的 diff,最终跑完 16892 项单元测试,交出涉及 32 个文件、6 项优化的合并请求;维护者保留了其中 2 项,并结合第一轮成果合入主分支。效果上,长会话里内存会话准备耗时大约降 40%,冷导入大约降 21%。

Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验

能撑住这种长任务,背后有约 100 万 token 的统一工作空间(输入、思考、输出共用);后台长任务输出可扩到百万 token 级,普通同步调用默认最多输出约 65536 token。

它还反过来给别的模型「提速」:在 A100 + vLLM 这组配置下,优化 Gemma 4 E2B 推理程序,吞吐从大约每秒 3.79 万 token 推到 10.8 万以上,端到端约 2.85 倍,输出 token 保持一致。谷歌称,通常可能要几个月的优化,这次几天量级就落地了。

放到 Google 内部整体看:Argon 在 Antigravity 中的使用,让 Agent 代码提交量增加超过约 35%,代码回滚减少近三分之一。Isomorphic Labs 则用它整理药物研发里的复杂 PDF 与专利,过去常要几周的资料工作,压到几小时量级。

科学与实验室:从猜想验证到酶设计

科学侧几条我同样只记「可核对」的要点:

  • 仿星器 / Grad 猜想:
     1967 年提出的 Grad 猜想,认为除某些特殊构型外,一类满足严格条件的平滑平衡解并不存在。马里兰大学 Matt Landreman 等研究者此前找到反例;谷歌团队与其合作,借助 Argon 进一步去掉原有解中的仿星器对称性限制,找出更广一类精确解。论文与问题交给 Antigravity 里的 Gemini 4 Agent,数小时内得到有希望的候选,并写出验证代码,研究者再独立重算核对。
  • 酶设计:
     与科学家共设计 5 种新酶,用于切开特定化学键;设计环节从常见的数月筛选,压到几小时量级,实验室做出后 5 种均能催动目标反应(产物在紫外下发亮,结果直观可见)。
  • 量子与基因组:
     优化内部 AlphaQubit 纠错解码器,单位时间处理数据接近翻倍;写出计算反正弦的量子子程序并通过 Lean 形式化验证,时空开销相对已发表量子 CORDIC 方案降到约 1/100 以下。Gamow Labs 用 Argon 分析去标识化新生儿基因组,发现一例被常规软件漏检多年的染色体重排,并解释漏检原因。
Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验
Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验

这些案例我不打算神化成「AI 独立发现科学」——更准确的说法是:研究者定目标、把关推导,模型加速搜索与验证脚手架。 对工程同学,迁移过来的启发是同一套:目标清晰 + 测试/验证闭环,长任务才有意义。

怎么上手:官方入口 + 国内可用渠道

官方侧大致是:

  • Pro:
     可在 Gemini 应用与搜索 AI 模式中体验;开发者可通过付费 API 在 AI Studio、Android Studio 调用。
  • Ultra:
     在 Pro 能力之上,还能在 AI Studio 和 Antigravity 里开工。
Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验
Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验

价格方面(按官方公布口径):输入、思考与输出共用百万级窗口;截至 11 月 30 日,每百万输入 / 输出 token 分别约为 2 美元 / 10 美元,之后恢复为约 4 美元 / 20 美元。首发窗口明显是在拉开发者进来试长上下文 Agent。

Gemini 4 Argon全球上线:开发者长程Agent与大仓重构新体验

国内想先摸一手,也可以走这些渠道(Web 体验 + API 注册):

  • Web:https://kelaode.maynor1024.live/list/#/home
  • API:https://tryallapi.com/register?aff=5A6A

我的建议很务实:先用小任务验证「工具调用 + 代码执行」是否稳定,再把 ADK / 大仓类长任务扔进去;别一上来就赌百万 token 全砸在一个模糊目标上。

小结

Gemini 4 Argon 全球上线后,我个人排序是:

  1. Agent 长任务与大仓改造
    (Chrome、ADK)比单点创意 demo 更值得跟进;
  2. 百万 token 统一工作空间 + 首发价
    降低了试错成本;
  3. 机器人与科学实验
    说明「看懂—动手」在往真实世界延伸,但工程落地仍要人把验证闭环建好。

谷歌这次明显是在把自己的浏览器、开发工具、机器人与科研问题,一并丢进同一场压力测试。对写软件的人来说,竞争已经不只是「谁回答得更漂亮」,而是谁能更快把想法变成可合并的代码、可复现的实验。

没有评论:

发表评论

2026淘宝联盟年度榜单揭晓 两类新玩家正在改写淘客格局

本文解读淘宝联盟2026年度优秀合作伙伴榜单,重点拆解手机厂商流量型与广告媒体投流型两类新玩家,剖析其资源迁移打法与头部格局变化。对想入局淘客的新人,建议结合所在城市的产业圈子选赛道,并重视自身流量资源与能力的长期积累。 Tags: 淘宝联盟 淘客榜单 手机厂商流量 ...