Gemini 4时代，正式开启！
就在今夜，谷歌CEO劈柴、Hassabis等几乎同一时间，全员齐刷刷宣告：
新一代旗舰Gemini 4 Argon全球首发。
Pro用户可在Gemini应用和搜索AI模式中体验，开发者可通过付费API在AI Studio、Android Studio调用。
Ultra用户除了拥有Pro的体验之外，还能在AI Studio和Antigravity里开工。
自两周前首次亮相以来，许多人翘首以盼，被各路预热吊足了胃口，如今终于可以上手了。
Gemini 4 Argon把图像、视频和语言理解，与推理、代码执行结合起来。
AI看懂任务之后，还能接着调用工具、执行代码，把任务往下推进。
实际到底有多能打？
在官方公开的19项基准对比中，最高思考档的Gemini 4 Argon拿下13项单独最高，还有1项并列最高。
同一张成绩单，实力直接对标GPT-6 Astra和Fable 5.1，杀回全球第一梯队。
第三方Artificial Analysis智力指数中，Argon（high）拿到53分，与GPT-6 Astra（max）同分，比GPT-6.1 Sol（max）高1分。
更狠的是，除了纸上跑分，谷歌还端出了Argon解决真实工程、科学和机器人难题的成果。
只要定个目标，繁琐的活儿它全包了。Argon这次正式上线，交出的就是这样一份答卷。
开发者生态负责人Logan Kilpatrick表示，为了Gemini 4，全栈团队埋头干了6个月。过去一个月，Google内部超过10万名员工已经拿它做过实战测试。
接下里，直接划重点：
AI通宵干11小时，交出工程成果：Argon跑完16892项单元测试；Chrome一项架构重构，从数月压到数周。
AI给AI提速：Gemma 4 E2B在指定推理配置下提速2.85倍，输出token保持一致。
从屏幕走向真实世界：机器人连续投中7次沙包，AI辅助设计的5种新酶全部通过实验室催化活性验证。
百万token工作空间，首发价格减半：输入、思考与输出共用百万窗口；截至11月30日，每百万输入/输出token分别为2美元和10美元，之后恢复4美元和20美元。
Python手搓光追，代码开始「造世界」
「代码写完，直接生成可运行的3D世界」，是这次Argon最吸睛的能力。
谷歌工程师给Antigravity里的Argon布置了一个任务：搭建一座中国风寺庙。
Argon先用Blender建模，再让多个Agent反复检查画面，根据反馈继续修改。经过一轮轮调整，搭出了一整座寺庙建筑群。
从飞檐、斗拱，到庭院里的植被和整座建筑的光影，细节也都补齐了。
接下来，扔给它一张办公桌照片，让它手搓一个微型赛车场。
要让车真的跑起来，先得把照片变成能交互的场景。Argon用Blender搭出桌面和赛道、检查碰撞，再让Nano Banana补上纹理。
场景搭好后，它又用Three.js接入物理模拟和操控功能，并配上Gemini Omni Flash生成的引擎声。
于是，照片里的水杯、书本和键盘成了赛道上的障碍物，小车真的能在桌上跑了。
还有更硬核的，Argon不调用现成的3D引擎，自己用Python和NumPy写出光线追踪程序，从零渲染出一间洒满阳光的图书馆，还配套写了视频工具和混音器。
巫师国际象棋这边，Argon先做出棋子，为它们绑定骨骼、加上动作和贴图。棋子能动了，再接上网页交互和单人对战AI，一盘可以直接玩的3D棋局就成了。
Demis Hassabis看完，想起了自己当年在Amiga电脑上玩《战争象棋》的快乐。
虚拟世界里，小车能跑、棋子能动。可要把这套空间理解能力带到现实里，机器人还得真正学会怎么动。
谷歌给Argon看了一段人类投沙包的视频，随后，它在仿真世界里练习的动作，直接被搬到Apollo真机上。
到了真实场地，Argon继续观察每次落点，把释放位置微调几厘米。就这样边投边调，机器人最后连续投中7次。
人类的示范视频，就这样变成了机器人练习动作的起点。按谷歌的说法，其中原本需要数周的人工仿真建模，被压到了几小时。
从一张照片造游戏，到指挥机器人干活，Argon确实把看懂和动手连在了一起。
啃下数月工程，重构Chrome「祖传代码」
从零做出游戏之外，Argon还得证明自己能接手长期维护的大型项目。谷歌把自家的Chrome代码库交了出来。
Chromium有约4000万行代码，其中一个旧的浏览器功能目录就占了约600万行。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帮团队并行推进多组修改，把原本需要数月的架构重构，压到了数周。
这次重构，将让网页在Chrome的标签页、侧边栏和浮动窗口之间移动时，无须重新加载，同��消除一类浏览器崩溃问题。
到了开源Agent框架ADK，Argon直接干了一个通宵。
面对约20.5万行Python代码，工程师给它一份维护规则和一段话的目标：减少框架开销，接口不能变，现有应用不能坏，改动必须带测试。
工程师做了两轮实验，第二轮从晚上9点11分开始。
Argon在Antigravity的/goal模式下无人值守地跑了11小时，查瓶颈、改代码、审查自己的修改，最终跑完16892项单元测试，交出涉及32个文件、6项优化的代码合并请求。
维护者从中保留了2项，并结合第一轮成果合入了主分支。
最终，长会话中的内存会话准备耗时减少约40%，冷导入耗时减少21%。
能撑住这类长任务，背后还有约100万token的统一工作空间，输入、思考和输出共同使用。后台长任务的输出可扩展到百万token级，普通同步调用默认最多输出65536 token。
它甚至开始给另一个AI提速。
在A100、vLLM这组测试配置下，Argon优化Gemma 4 E2B推理程序，把吞吐从每秒约3.79万token推到10.8万以上，端到端提速2.85倍，输出token保持一致。谷歌称，通常要几个月的优化，这次几天就做到了。
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35%，代码回滚减少近三分之一。
Isomorphic Labs拿它整理药物研发中的复杂PDF和专利，过去通常要几周的资料工作，如今压到几小时。
近60年核聚变猜想，AI又往前推了一步
工程师让Argon啃代码，科学家把更难的问题交了出来。
这不， Argon也在核聚变猜想领域，立下大功。
核聚变领域，仿星器需要用复杂的三维磁场约束高温等离子体。磁场怎样保持平衡，是设计中的一道硬题。
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。
最近，马里兰大学教授Matt Landreman等研究者找到了反例。
这一次，谷歌团队与Landreman合作，借助Argon进一步去掉原有解中的「仿星器对称性」限制，找出了更广一类精确解。
团队把已有论文和问题交给Antigravity里的Gemini 4 Agent，几小时内就得到有希望的候选解。Argon还编写了验证代码，研究者随后独立重算、核对每一步推导。
有了这些精确解，研究者就多了一套「标准答案」，可以检查仿星器模拟程序算得准不准，再拿它研究更复杂的磁场。
另一组成果，已经在实验室里亮了起来。
谷歌科学家和Argon一起设计了5种新酶，用来切开分子中的特定化学键。过去常要花几个月筛选、调模型的设计环节，这次几小时就完成。
随后，科学家把候选酶做出来，5种都能催动目标反应。
检测用的分子被切开后，产物会在紫外光下发亮，设计有没有用，直接看得到。
Argon还帮谷歌给量子纠错提了速：优化内部AlphaQubit纠错解码器，让单位时间处理的数据接近翻倍。
它还写出一个计算反正弦的量子子程序，并通过Lean形式化验证。与已发表的量子CORDIC方案相比，这段程序的时空开销降到了1/100以下。
在罕见病研究中，Gamow Labs用Argon分析去标识化的新生儿基因组，发现了一例被常规软件漏检多年的染色体重排，并解释了漏检原因。
全网开测，3D世界也太能打了
到了网友手里，Argon的画风立刻变了。全球上线之后，一批Argon实测新鲜出炉。
BridgeMind让六大模型，做同一道熔岩灯题。
结果显示，Argon不到2分钟、花费0.18美元；同组Opus 5.5用了9分35秒、花费1.27美元。透明灯体里，发光的熔岩已经流动起来。
Gemini 4 Argon巧用傅里叶旋转圆，勾勒出来一只打工羊驼。
3D物理测试，成为全网清一色主流。
开发者一手对比后，大呼Gemini 4和Astra都是3D之王。
下面Gemini 4徒手搭出一个3D版的鲁布·戈德堡装置，从重力滑行到机关弹射，直接跑通了复杂的3D物理长链条因果推理。
网友YU则用两次指令、约9分钟、0.88美元，做出了Three.js版宫古岛海景。
浅滩、珊瑚、热带鱼和远处的大桥都在，还能切到水下。画面纯代码生成，没有使用外部图片。
网友Chiao让模型照着参考图，用SVG重画初音未来，并把绘制过程做成动画。
轮廓、色块、发丝和高光逐步补齐，人物就这样从代码里一点点出现。
我们也出了一道题：把下班后被工作消息追着跑，做成真正能玩的小游戏。
《别让已读回执追上我》里，小人拎包往外跑，红色通知从四面追来。按「收到」，最近的通知停住两秒；回一句「马上」，眼前消息清空，十秒后却迎来双倍追兵。
这一局，前40秒我们一直满血，绕会议桌、穿走廊，把通知甩在后面。可之前许下的「马上」集中到期，追兵越涌越多。
最终，逃亡停在52.5秒，离家门解锁只差7.5秒。
谷歌，把家底压上战场
回看这次发布，谷歌已经把积累二十多年的工程体系，推到了AI竞赛的最前线。
Chrome交出庞大的代码库，Gemma交出推理程序，DeepMind的科学家交出研究难题。Argon在真实任务里受检验，做出的改进，又回到谷歌自己的产品和研究中。
今天的AI，已经开始给明天的研发抢时间了。
AI竞赛越往前走，争夺的就越接近科技公司的根基：谁能更快写出软件，谁能更快验证想法，谁能把下一代工具提前造出来。
对谷歌而言，这是一场必须把家底压上去的仗。浏览器、开发工具、机器人、科学实验，曾经分散在庞大帝国里的力量，如今正向同一个方向汇集。
谷歌要用二十多年的积累，为自己争一个继续定义未来的位置。
这一次，从模型到工具，再到产品，谷歌的反攻全面展开。
参考资料：
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/
https://x.com/Google/status/2110041297360699856?s=20
https://x.com/GoogleDeepMind/status/2110039274922131792?s=20
本文来自微信公众号“新智元”（ID：AI_era），作者：桃子 摩西，36氪经授权发布。