Google 正式推出新一代旗艦人工智能模型 Gemini 4 Argon，主攻複雜推理、軟件工程、專業分析及自主 AI 代理任務。新模型即日起向全球推出，Google AI Pro 及 AI Ultra 訂閱用戶可透過 Gemini 應用程式及 Google 搜尋的 AI 模式使用；開發者則可透過 Gemini API、Google AI Studio、Android Studio 及 Google Antigravity 等平台使用。新模型更延伸至機械人開發，能夠單憑觀看人類示範影片，自動建立模擬程式，讓人形機械人學習現實世界的動作。

強化複雜推理與編程　支援 100 萬 Token 上下文

根據 Google 發表的 Model Card，Gemini 4 Argon 採用稀疏混合專家（Mixture-of-Experts，MoE）Transformer 架構，原生支援文字、圖片、音訊及影片輸入，並提供高達 100 萬 Token 的統一輸入及輸出上下文限制。

相比一般以問答為主的 AI 模型，Argon 更著重長時間、多步驟的工作，包括分析大型程式碼庫、處理複雜法律與金融文件、尋找網絡安全漏洞，以及協助科學研究。Google 表示，Argon 在涵蓋金融、編程、法律及稅務等專業領域的 Vals Index 排名第一。

Model Card 的基準測試顯示，Argon 在 DeepSWE v1.1 代理編程測試取得 77.9%，在衡量專業知識工作的 Vals Index 達 68.9%，而評估多模態理解能力的 LVBench 得分則為 91.7%。不過，模型並非在所有測試中領先，例如 Terminal-bench 4.0 的得分為 57.4%，低於部分競爭模型，反映不同任務的表現仍有差異。

Google AI Pro、Ultra 可使用　開發者另有 API 付費方案

Google 已公布不同產品及開發平台的使用安排：

對一般用戶而言，Google AI Pro 已可使用 Gemini 4 Argon，毋須一定升級至 AI Ultra。但若希望利用 Argon 在 Google Antigravity 進行自主程式開發，目前面向個人的訂閱途徑主要是 AI Ultra。實際用量及功能仍受各產品、地區及帳戶配額限制。

此外，Gemini macOS 應用程式現已整合 Google Antigravity 的代理式編程介面，用戶可直接在 Gemini 內切換對話及編程工作。Gemini 亦新增更直接的任務操作模式，讓 AI 在用戶離開電腦後繼續處理獲授權的工作，並支援連接超過 40 個應用程式。

開發者方面，Google Antigravity 桌面應用程式支援 Windows、macOS 及 Linux，亦可透過命令列工具配合 Android CLI 插件工作。Android Studio 則能利用 AI 代理分析 Gradle 建置錯誤及 Kotlin 編譯記錄，自動嘗試修正程式碼，並協助產生 Jetpack Compose 介面及 AGSL 圖像效果。

API 推出限時半價　11 月底後恢復原價

Gemini 4 Argon API 的推出優惠期至 2026 年 11 月 30 日，收費如下：

優惠期內快取輸入 Token 可獲 95% 折扣。Google 指出，上述收費適用於公開提供的 Argon 模型；API 用量收費與一般消費者的 Google AI Pro、Ultra 月費訂閱屬不同計費機制。

在實際工程應用中，Google 表示 Argon 已協助 Antigravity 團隊將代理式程式碼提交量增加超過 35%，同時把程式碼回滾次數減少接近三分之一。Chrome 團隊亦曾利用 Argon 重構橫跨數百個檔案的 Chromium 程式，將原本可能需要數月的工作縮短至數星期。

另一項案例是 Google 的 Agent Development Kit。Argon 在夜間自主執行程式優化，將長工作階段的記憶體內 Session 準備時間縮短 40%，冷啟動匯入速度亦提升 21%。

機械人開發重大突破　觀看影片即可學習動作

Gemini 4 Argon 另一個重要發展方向，是將 AI 的推理及編程能力應用到機械人技術。傳統機械人學習新動作，往往需要工程師逐步設定關節運動、物理模型及模擬環境，再經過反覆測試才能在真實機械人上執行。

Google 展示了一套名為 Video-to-Sim-to-Real（影片至模擬再到現實） 的開發流程，利用 Argon 的視覺理解、空間推理及自動編程能力，大幅減少人工建模工作。

在 Google 的內部實驗中，研究人員讓 Argon 觀看一段人類玩布袋球投擲遊戲（Cornhole）的影片。Argon 先分析影片中的環境和物件位置，建立空間座標，再推算機械人完成投擲動作所需的全身關節運動，最後自主生成模擬程式碼。

當研究人員將模擬所得的動作部署到 Apptronik Apollo 人形機械人後，Apollo 成功在真實環境連續七次將布袋投入目標。

Google 表示，這套技術可將以往需要數星期的人工模擬建模工作縮短至數小時，讓普通示範影片變成機械人技能訓練的素材。在評估 AI 理解三維空間及物理問題能力的 ERQA（Embodied Reasoning）測試中，Gemini 4 Argon 取得 87% 的成績。

這種方式有望降低機械人開發的門檻，未來可能應用於工業操作、物件搬運及其他需要動作規劃的工作。不過，今次成果仍屬 Google 公布的內部實驗，並不代表機械人已能在任何環境觀看影片後，立即掌握所有人類技能。

協助網絡安全及科學研究　同時加強 AI 代理監控

除編程和機械人開發外，Argon 已被應用到網絡防禦、量子運算及生命科學研究。

在網絡安全方面，Wiz 利用 Argon 協助發現及修補關鍵系統漏洞。Google 研究團隊亦利用 Argon 改善量子糾錯系統 AlphaQubit 的運算效率，並協助設計新型酶，縮短生物化學研究所需的時間。

隨著 AI 代理能自主執行越來越多工作，Google 同時加強模型的安全機制，包括要求代理遵守系統權限、如實回報失敗結果，以及在執行不可逆轉操作前取得人工確認。

根據 Model Card，Argon 在部分網絡安全及生物風險能力評估中，已達到不能排除觸及關鍵能力門檻的程度，因此 Google 額外部署安全防護及監測措施。模型本身亦仍可能產生錯誤資訊，或在複雜任務中遇到速度緩慢及逾時問題。

Gemini 4 Argon 的推出，顯示 Google 正將旗艦 AI 從單純的對話及內容生成工具，進一步發展成為能夠規劃、編程、執行及驗證任務的智能代理。尤其從影片學習機械人動作的展示，更反映 AI 的應用範圍正由數碼工作環境，逐步延伸至真實物理世界。