谷歌把最强模型锁进了保险柜：Gemini 4 Argon 只发给「受信任的防御者」

9 月 30 日，Google DeepMind 发布了 Gemini 4 系列的第一款模型 Argon。它不负责陪聊，官方圈定的三块地盘很明确：大型代码库上的软件工程、法律和金融这类的专业知识工作、以及网络安全防御。

但发布当天最值得看的东西不是跑分，是准入方式。

这次不是「发布」，是「发通行证」

Argon 首发只通过谷歌的 Fairwind 计划，开放给经过审查的网络安全防御者，同时交付美国政府使用，并参与美国政府那套自愿的预发布模型评估流程。据媒体报道，皮查伊在表态里还提到，对这些受信任的防御者和谷歌内部团队，不设常规的网络防护栏——也就是让他们把模型的全部能力拿去分析恶意软件、追攻击链路。

后面的顺序是：付费 API 客户和 Google AI Ultra 订阅者排第二阶段，企业和普通消费者排第三阶段。什么时候轮到你我，谷歌没有给时间表。

为什么卡得这么死？我理解就是「双用途」这三个字。Argon 最被强调的能力是自己找漏洞：在一整个代码库里定位薄弱点、验证漏洞真实存在、然后产出补丁，像安全研究员那样跑完一整条链路。同一个本事，防守方拿去补洞，攻击方拿去开洞。谷歌自己讲的一个细节挺有说服力：早期测试者用 Argon 挖出一个全球医院系统都在用的软件漏洞，而这个洞，其他先进模型都没找出来。

先给守方发枪，逻辑上说得通；但这也意味着，一款模型的能力边界之外，又多了一层「谁有资格拿到」的边界。

硬指标：长程任务的味儿很重

Argon 最容易被忽略、其实最有信息量的一项规格，是单次响应最多可以输出 100 万 token。同类模型常见的上限是 128K，这差不多是八倍。它的意义不是「一次能写更多废话」，而是让「发现漏洞 — 验证 — 出补丁」这种长链路，能在一整条推理轨迹里走完，中间不被截断。

跑分上，按谷歌公布的数据，19 项基准里 13 项领先 OpenAI 和 Anthropic 的竞品：

项目	Argon	对比
DeepSWE v1.1（软件工程）	77.9%	Claude Opus 5.5 为 74.2%、GPT-6 Astra 为 74.1%
CWE-bench v1（漏洞识别与修复）	68%	与 GPT-6 Astra 持平
Harvey（法律智能体）	19.6%	对比模型 6.7%
每任务成本（Arena 统计）	约 0.62 美元	比 GPT-6.1 Sol 低 33%、比 Opus 5.5 低 70%

内部已经在大规模用。谷歌说数千名员工拿它写代码、做研究，其中一个项目是把 C 和 C++ 老代码迁到 Rust，规模最大的对象是 Fuchsia 系统里 80 多万行的 Zircon 内核；它还被用来做数据中心的内存优化，谷歌估算能省下 500TiB 到 1PiB 的内存。

定价是介绍价每百万输入 token 2 美元、输出 10 美元，缓存输入打 95% 折，折后每百万约 0.10 美元，正式价格回到 4 美元和 20 美元。这里有两个坑得说清楚：一是 Ars Technica 指出，这套价格并没有出现在谷歌官方定价页上，和博客公布的数字有出入；二是第三方测出来，Argon 完成同一个任务的 token 消耗大约是 Astra 的两倍——单价便宜，账单不一定便宜。

我的三点判断

第一，竞争点从「谁更强」挪到了「谁能用」。 白名单、政府预审、分阶段开放，这套流程以前是安全类模型的特殊待遇，现在越来越像前沿模型的标配发布方式。以后比较模型，除了跑分，可能真得再加一列「门槛」：谁能拿到、多久能拿到。

第二，对开发者来说，公告不等于可用。 现在没有任何理由把 Argon 写进技术选型，也别看着跑分焦虑。它的 API 定价、模型 ID、配额，都还没在常规开发者渠道里露过面。

第三，闭门验证是有代价的。 外部研究者复现不了谷歌关于能力与风险的说法，评测又是厂商自评，Guardian 那篇报道里的质疑很实在。把这几天的新闻连起来看——加州总检察长给 OpenAI 递了调查传票，FTC 在查自主智能体的消费风险，OpenAI 把 5% 到 10% 的算力转去做安全监控——能力上限和能力边界，正在被同时往回拉。

所以 Argon 这条新闻，我会读成一个信号：最强模型越来越像被管起来的特种设备，而不是随手可下的应用。对我们这些普通用户和独立开发者来说，真正能立刻上手、能自己测、还便宜的那一层，反而更值得花时间。最强的那把枪在谁手里，短期内不取决于我们。