《实测 Gemini 4 Argon - Google 这跌跌撞撞的背水一战》
作者: 数字生命卡兹克 @Khazix0918
自费 100 美刀升级 Google Ultra 会员深度实测数小时后：Gemini 4 Argon 依然很难撼动 Claude Opus 5.5 与 GPT-6 Astra 的 T0 统治地位。其能力长板集中在金融、法律、税务等专业知识工作（Vals Index 68.9% 综合第一），但在电脑操控（CUA-bench 4.83% 倒数第二）、Antigravity 额度消耗速度与中文原生写作质感上存在明显短板。
就在今晚，Gemini 4 Argon，终于全面开放了。
今天，Gemini 4 Argon 正式推出。（Today, Gemini 4 Argon is officially rolling out.）
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：
- 09-04GPT-6 Astra 发布
- 09-22Grok 4.7 发布
- 09-23Claude Opus 5.5、GPT-6 Sol 和 Luna，一夜三连发
- 09-30OpenAI DevDay，GPT-6.1 Sol 发布
- 10-01Gemini 4 Argon 首次官宣（仅限 Fairwind 安全计划）
- 10-13Meta 的第一个前沿模型，Muse Wonder 发布
- 10-14Gemini 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（Demis Hassabis）卸任 Google DeepMind 的 CEO，改当 DeepMind 董事长兼 Alphabet 首席科学家，然后由科雷（Koray Kavukcuoglu）接手。
同一天，在谷歌干了 27 年的传奇 Jeff Dean，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（Sanjay Ghemawat），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（Level 11）。
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：会员割裂、伪百万输出与缓存价格
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。
“这对谷歌来说非常令人失望。Gemini 4 Argon 仅限 Antigravity 中的 Ultra 用户使用，而 Pro 用户只能在 Gemini 应用中访问它。所以谷歌期望 $20 Pro 计划的开发者使用聊天机器人来进行编码，而不是 Antigravity？即使是 OpenAI 和 Claude 也在 $20 档位开放了 IDE 工具……”
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。
1. 上下文与“续写协议（Continuation Protocol）”真相
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。。。而 GPT-6 Astra 原生单次最高输出甚至是 128K，比 Gemini 4 Argon 还高点。。。
2. API 价格与 Agent 缓存成本横向对比
然后是价格。现在是优惠期，2 美刀/百万输入、10 美刀/百万输出，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（Prompt Caching），对比一下：
| 模型名称 | 输入单价 (每百万 Token) | 输出单价 (每百万 Token) | 缓存命中单价 (Cache Read) |
|---|---|---|---|
| Gemini 4 Argon | $2.0（12月1日起 $4.0） | $10.0（12月1日起 $20.0） | $0.10（12月1日起 $0.20） |
| GPT-6.1 Sol | $2.0 | $10.0 | $0.10 |
| Claude Sonnet 5.5 | $2.0 | $10.0 | $0.10（10月7日刚从 $0.2 降价） |
| Claude Opus 5.5 | $4.0 | $20.0 | $0.20 |
| GPT-6 Astra | 旗舰档 | 旗舰档 | $1.00 |
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：AA 与 Vals 第三方硬核评测
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（Artificial Analysis） 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，而 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！
对比来看：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。而 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。
四. 糟糕的使用体验：Antigravity 额度黑洞、前端对比与中文“神仙山头”
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。
1. 上线一年仍无中文语言设置
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）。
2. 离谱的额度消耗：不到 10 个任务清空 $100 Ultra 的 5 小时额度
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。
3. 前端交付体验与 3D 精细度被 GPT-6 Astra 吊打
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。。。左边是 Gemini 4 Argon 的效果，单看好像还是挺不错的 3D 动态对吧？但让我们来看看右边 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。
4. 内容写作：英文盲测第一，但中文“AI 味”与雷霆比喻惨不忍睹
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：每月 6000+ 元的个人主力 AI 订阅体系全公开
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：
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。
核心使用场景：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。对于大众用户来说，ChatGPT 还是最水桶的，聊天免费、有生图额度，开发小东西 GPT-6.1 Sol 也够了。
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，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。
马斯克的全新会员体系，今天刚刚上线，直接把 Grok、Grok Bot、Cursor 和 X 合并掉了。Grok 4.7 比较拉，但我依然愿意买，纯粹就是冲着 Grok Bot 去的——相比 ChatGPT 的 Dots 目前好用很多，后端模型还给你用 Claude Opus 5.5。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）。
Suno Pro：独一档做音乐的，偶尔刚需，包年与视频团队共用。
LibTV 至尊版：主要给视频团队高频跑视频使用，非视频方向没必要定，目前视频 AI 依然贵得肉疼。
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～谢谢你看我的文章，我们，下次再见。