实测 Gemini 4 Argon：全面开放首日体验与三方评测梳理

原创 数字生命卡兹克 2026-10-14 06:56 北京

有点沉默了

就在今晚，Gemini 4 Argon，终于全面开放了。

其实这玩意，10月1号就已经官宣过一次了，就在OpenAI开完DevDay的第二天。

但是那一次，基本上就是纯官宣，没啥人能用上，只给一个叫Fairwind的网络安全计划开放，基本都是政府、关键基础设施、安全公司啊这些做防守的人。

终于在憋了两周之后，Google选在今天官宣了。

这一个多月，基本上新的大模型就是轮番轰炸，我简单顺了一下节奏。

9月4号，GPT-6 Astra。

9月22号，Grok 4.7。

9月23号，Claude Opus 5.5、GPT-6 Sol和Luna，一夜三连发。

9月30号，OpenAI DevDay，GPT-6.1 Sol。

10月1号，Gemini 4 Argon官宣。

10月13号，Meta的第一个前沿模型，Muse Wonder。

10月14号，Gemini 4 Argon全面开放。

基本上海外的几个巨头都到齐了，不过在模型层面，目前Anthropic还是无可争议的T0梯队，然后是OpenAI紧随其后，Meta和Google奋力追赶，Grok还在玩泥巴中。

我已经很久没有给Gemini付过费了，今晚又给他们贡献了100美刀，升级了一下Ultra会员，来体验一下Gemini 4 Argon。

最终几个小时体验下来，我个人觉得，还是很难冲击Claude Opus 5.5和GPT-6 Astra的地位。

一个一个说吧。

一. Google这大半年

在聊Argon之前，我觉得得先聊聊谷歌这大半年。

大家才能更加对这个模型的使命有一些理解。。。

时间拨回去年11月，Gemini 3 Pro发布，那个时候，它可以说是全世界最好的模型之一。

然后，谷歌就开始了一段非常魔幻的日子。

2月份发了个Gemini 3.1 Pro，然后在5月的I/O上，承诺一个月内发Gemini 3.5 Pro。

结果一拖再拖，说3.5 Pro的进度落后了好几个月，其中一个原因，是代码能力没达到内部目标，没办法，Anthropic和OpenAI给的压力太大了。

结果最后拖着拖着，内部直接砍掉了。。。

然后8月5号，谷歌AI这边，直接大换血。

哈萨比斯卸任Google DeepMind的CEO，改当DeepMind董事长兼Alphabet首席科学家，然后由科雷接手。

同一天，在谷歌干了27年的传奇Jeff，也就是大家口中的“姐夫”，宣布离职，出去创业。

姐夫是1999年加入谷歌的，那时候谷歌还是个小公司。

后来撑起整个谷歌的那些底层技术，MapReduce、BigTable、Spanner，都有他的名字，基本是他跟老搭档桑杰，两个人坐在一台电脑前结对写出来的。

2011年，他和吴恩达等人一起创立了Google Brain，后来又带队做出了TensorFlow。

再后来Google Brain和DeepMind合并，他当上了Google DeepMind的首席科学家，也是Gemini的技术负责人之一。

谷歌后来专门为他和桑杰两个人，设了一个新的最高职级，11级。

程序员圈子里甚至有个流传了快20年的梗，叫Jeff Dean Facts，专门编段子吹他。

比如：“编译器从来不给Jeff报警告，是Jeff给编译器报警告。”、“光在真空里的速度原来只有每小时35英里，后来Jeff Dean花了一个周末，优化了一下物理学。”之类的。。。

就是这么一个神一样的人，走了。

跟他一起走的，还有桑杰。

两天后，SemiAnalysis直接发了一篇文章，标题叫：

Gemini is Cooked but GCP is Cooking。

翻译过来就是，Gemini凉透了，但谷歌云正在起飞。

因为谷歌把大把的TPU算力，卖给了Anthropic这些对手，自家模型拉完了，但是卖铲子的生意反而越做越大。

这大半年里，谷歌基本就是靠Flash系列在续命，从3.5 Flash一路发到9月2号的3.8 Flash，这大概就是OpenAI再也掏不出来Astra了，天天发Luna，Anthropic也做不出来Fable了，天天发Haiku。

你就说魔幻不魔幻吧。。。

所以Argon对谷歌来说，真的不是一次普通的模型发布。

这是谷歌的，背水一战。

二. 基本信息

惯例先总结一下基本信息。

目前Gemini 4 Argon已经上线，20刀的Pro会员可以在Gemini APP里面用。

但是呢，如果你想在Antigravity（也就是Google家的Claude Code、Codex）里面去用，你必须要开100刀的Ultra会员才能用。

这一点非常的蛋疼。。。

然后，果不其然的就被喷了。

推理强度有三档，低中高，虽然他们这个翻译让我觉得团队里没有任何一个懂中文的人了。

模型上，Gemini一贯的传统，是个多模态的模型，支持视频、声音、图片、文字等几乎全模态的输入。

知识截止日期是2026年3月，比GPT-6 Astra和Claude Opus 5.5都要旧一点。

上下文这块，有个小细节。

9月30号官宣的时候，谷歌的说法是，输出上限从上一代的6.4万Token，直接拉到100万。

但是今天的说法，变成了“输入输出合计100万”，也就是你的输入、思考、输出共享了，还配了一个所谓的续写协议，continuation protocol。

这玩意的意思就是，Argon一次请求，最多还是只能吐6.4万Token左右，跟上一代差不多，写到上限了，它不会直接断掉，会返回一个加密的续写令牌，里面记着它前面写到了哪，然后开发者再拿着这个令牌，把原来的请求原封不动再发一遍，它就接着往下写。

就这么一段一段接下去，最多能接到100万。。。

GPT-6 Astra原生单次最高输出甚至是128K，比Gemini 4 Argon还高点。。。

然后是价格。

现在是优惠期，2美刀/输入、10美刀/输出，跟GPT-6.1 Sol、Claude Sonnet 5.5，是同一个价。

但是优惠期是11月30号到期，优惠期一过，就变成4美刀/输入、20美刀/输出，就跟Claude Opus 5.5一模一样了。

但是对Agent来说，真正的大头，其实是缓存，对比一下。

Gemini 4 Argon，优惠期0.1美元，12月1号以后0.2美元。

GPT-6.1 Sol，0.1美元。

Claude Sonnet 5.5，0.1美元，这个是10月7号刚从0.2美元降下来的。

Claude Opus 5.5，0.2美元。

GPT-6 Astra，1美元。

然后是跑分，先看看他们自己的跑分吧，我觉得...简单看一眼就得了。

基本的信息大概就是这样了。

三. 为知识类工作而生

自己的赢学之外，三方的评测，很多时候我还是觉得更客观一点。

首先还是看AA吧，总分53，跟GPT-6 Astra打平。

AA的跑分里面，编程和Agent的权重还是挺大的，Claude Opus 5.5依然是稳如泰山的第一名，第二名是Claude Sonnet 5.5。

这里还有一个特别值得注意的细节。

在AA的综合测试里，Argon平均每个任务花费大约1.99美元，GPT-6.1 Sol Max只有0.72美元。

两者现在的API单价明明都是2美元输入、10美元输出。

核心还是相比GPT-6.1 Sol，Argon还是太能思考，太能输出了，不过相比Claude家那几个喜欢雷霆思考的，还是好一点。

但是人Claude模型是喜欢雷霆思考，但是人出来的任务质量就是高到离谱，你这也完全没办法。

然后另一个三方评测，是很有意思的，叫Vals。

Vals你可以理解成一家专门考“行业专业能力”的第三方评测公司，金融、法律、税务、医疗、编程这些，题目都尽量贴近真实工作。

这次他们一共拿Argon跑了26个测试。

综合分Vals Index，就是金融、法律、税务啊之类的，Argon直接站在了帕累托前沿的最顶端。

拿到了68.9，综合第一。

Sonnet 5.5是67.04%，Opus 5.5是66.97%，Fable 5.1是65.83%。

而且Vals还算了每跑一次的成本。

Argon是15.68美元，Sonnet 5.5是21.34美元，Fable 5.1是28.71美元，Opus 5.5是32.14美元。

又强，又便宜，比Opus 5.5便宜了一半还多。

拆细节看，真正拿第一的是金融，然后法律、税务、医疗、编程，基本都在前几名。

然后有一块拉完了，Vals上测操作电脑的CUA-bench，Argon只有4.83%，8个模型里排倒数第二，倒数第一是Gemini 3.8 Flash。

GPT-6 Astra是第一，19.17%。

Claude Opus 5.5第二，14.00%。

这个短板差的还是挺多的。

所以综合来看，Gemini的模型，这次在纯专业类办公的地方，表现还行，但是不能帮你操作电脑。

所以总结一下Argon的能力，大概是这样的：

知识工作 > 科研 > 写代码 > Agent能力。

四. 糟糕的使用体验

模型聊完，来聊聊使用体验吧。

Gemini的网页版我就不提了，用过的都知道工具调用和思考有多糟糕。

直接说说Antigravity吧，这个Google对标Codex和Claude桌面版的产品。

首先还是这个语言问题，Codex上线的第一天，就支持了汉化，连Claude这种黑心鬼，都在Claude里支持了中文（别说钓鱼啥的，我用一周了，用的好好的）

但是Antigravity，上线也快一年了吧？至今，没有设置语言的地方。

我一度怀疑我是个笨逼，甚至让Codex去找了，确实就是没有。

然后就是离谱的额度消耗。

Gemini 3 Pro最开始闻名于世界，几乎就是以他们领先于世代的前端能力。

我到现在还记得当年给我惊艳的瞬间，真的很强。

但是到了今天，用代码做前端已经被玩出花了，无论是GPT-6 Astra超强的空间与3D能力，还是Claude Opus 5.5的无敌审美和动效节奏，都几乎压了Gemini一头。

我本来也打算今晚去跑我自己特意整理的社区比较火的20个多维度的审美测试的。

结果，我根本就没做几个任务，我的额度，就空了。。。

天地良心，我好歹也是100刀的会员，我一共做了不到10个任务，5个前端测试，3个内容创作测试，1个逆向测试。

而且这些任务，根本也不是啥那种多Agent并行的大活，我的5小时额度就全空了，周额度直接干没了27%。

相信我，你用100刀的GPT-6.1 Sol，消耗都不会这么离谱的。

然后，跑出来的前端的case，我是不敢相信，2026年10月了，给我输出的HTML文件，是直接给我一个展开的HTML文件，让我自己复制的？？？

结尾一句多余的话都不给我。

就真的给了我一个HTML啊。

最后，是我点了Review，然后选择从文件夹里打开，手动双击运行，才在网页上看到效果。

至于这个出来的前端效果吧，不对比还好，一对比的话。。。这是Gemini 4 Argon的效果。

单看好像还是挺不错的3D动态对吧。

但，让我们来看看GPT-6 Astra的。

在精细度上，就是纯粹的吊打。。。

而后端任务，我准备了，但是因为额度限制，完全没有测成，这些任务都来自我自己的线上项目，是真实出现过BUG，而且反复返工过很多次的案例，最后我把它们整理成了一套包含几十个任务的小型评测集。

可惜没额度了。

而在内容写作上，Gemini 4 Argon拿到了Arena盲测的第一名。

但是大家一定要注意，这个语言其实是英文的。

而在中文写作上，坦率的讲，我觉得味道太重了。

就比如我把我前几天写的OpenAI发数学那个事，蒸馏成了一个prompt。大纲、框架，以及我的核心观点，都给Gemini 4 Argon了，我刻意没有给我过去的文风参考，其实主要就是看看模型在基础框架上面的内容直出能力。

但，这个写出来的内容，我已经不想用不尽如人意来形容了，简直就是惨不忍睹，Gemini 3所遗留下来的奇怪的雷霆比喻、喜欢双引号的怪癖，全都在，大家自己看吧。

特别是下面这个标题。。。攻克了哪几座“神仙山头”

我看到的时候，真的有那么一下子没有绷住。。。

坦率地讲，这个模型肯定还有很多其他的优点，比如在专业办公领域，但那些领域是我不懂也无法去评判的。

可在我能看懂的这些领域，还有最核心的产品的用户体验上，整个组合起来的感受，我可以非常明确的说，我今晚几个小时的体验是极其糟糕的。

写在最后

在看完了这篇文章以后，如果你是跟我大部分任务比较相同的用户，我并不是很推荐你去定Ultra会员，如果真的想尝鲜，先订阅20刀的Pro就行。

最后，我也分享一下我自己目前每个月的主要的订阅会员，给大家做个参考。

1. ChatGPT Pro会员，100刀（约670块）

GPT-6 Astra刚出来的时候，我是200刀的会员，那时候还在重构AIHOT，基本一天1个200刀账号，所以我还临时开了2个200刀的会员，配上重置才勉强够用。

现在因为Claude Opus 5.5在产品构建上实在太强了，所以对ChatGPT会员进行了降级，100刀配上补偿的62500还有重置卡，感觉也够用了。

我现在用它的是几个场景：

自己和公司项目的反馈和PR自动化开发、项目运维监控的自动化等等，GPT-6.1 Sol在BUG优化和修复上确实还是很不错的。

同时对后端、还有一些硬件进行定向优化或者协议破解，比如今晚就让它在优化新公司的网关和AP设置，提升大家的网络稳定性。

不过对于大家来说，我觉得ChatGPT还是最水桶的，聊天是完全免费的，也有生图的额度，开发点小东西，GPT-6.1 Sol也够了。 

2. Claude Max会员，250刀（从Google Play订阅的，所以多收了50刀的渠道费，约1675人民币）

没啥可说的，Claude Opus 5.5基本上是现在的版本真神，GPT-6.1 Sol和GPT-6 Astra除了在一些后端、硬件的优化还有浏览器操控上，我觉得很难跟Opus 5.5去打，并且我自己整体额度体感大概是Codex的5倍，高强度开发+设计+做动效做了一周了，今天下午重置，我周额度只用到了96%，还没用完。

我整体消耗都是Claude Opus 5.5，Fable 5.1基本不咋用。 

3. X Ultra会员，200刀（今天新定，可以在网页上用国内信用卡支付，也约1338人民币，我是走了Google Play渠道，多花了60刀，亏麻了）

马斯克的全新会员体系，今天刚刚上线，我直接定了一下，首月半价，100刀，它直接把Grok、Grok Bot、Cursor和X合并掉了，Grok 4.7比较拉，但是我依然愿意买，纯粹就是冲着Grok Bot去的，这玩意相比ChatGPT的Dots，目前还是好用的比较多的，后端模型还给你用Claude Opus 5.5。

且本身我是X用户，而且老马给的额度很足，200刀的Ultra直接给了50x的额度，Claude和Codex都是10x，所以我觉得性价比还行。

不过如果ChatGPT把Dots优化好了，没有这么蠢了，且老马的Grok 4.8或者5又拉了，那我大概率不会续定了。 

4. Suno Pro，8刀（我开了年付费，所以打折了，月53块）

独一档做音乐的，不常用，但偶尔得用，属于刚需，直接包年了，主要是跟视频团队共用。

5. LibTV至尊版，1499元/月（我开了年付费，所以打折了）。

我偶尔跑视频用，主要还是给我们视频团队用，他们跑视频的量太大了，不是做视频方向的没必要定，现在视频的AI太贵了，贵的肉疼。 

我自己个人最常用的基本就这些。

杂七杂八的会员费加上API费用，我每个月在AI上大概花6000多块。很贵，我也想只订阅一个平台

所以这么看，ChatGPT还是最全面的水桶，对所有人都友好的。

而至于这次Gemini 4 Argon，基于如今的模型和产品表现，我目前不会把它纳入我的订阅体系里，我不觉得我会为它再付一笔钱。

大概就是这样。

希望对大家有用～

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。

>/ 作者：卡兹克

>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com

跳转微信打开