Gemini 4 Argon：Google 說它最強，但先給資安防禦者，而且拆掉了護欄
Google 在 9 月 30 日發表了 Gemini 4 世代的第一顆模型，名字叫 Argon。官方部落格的標題是「我們的下一個前沿智慧世代」，DeepMind 的 Koray Kavukcuoglu 也用了「前沿智慧的下一個世代」這個說法。
但這次發表最值得談的不是分數，而是誰先拿到它：Argon 不是先給一般開發者，而是先透過 Google 的 Fairwind 計畫交給一群經過審核的資安防禦者——而且給他們的是移除了網路安全護欄的版本。
規格：輸出上限直接跳 15 倍
官方公布的規格裡，最硬的一項是輸出長度：
- 輸出上限 100 萬 token，Google 自己的說法是「業界領先」，並表示這比先前的 64K 上限提高了大約 15 倍。（官方沒有指明 64K 是哪一顆模型的上限。）
- 快取輸入有 95% 折扣（相對於原本的輸入價格）。
要注意這個數字的性質：100 萬 token 的輸出上限，和大家比較熟悉的 100 萬 token 輸入（上下文）是兩件不同的事。輸出上限管的是模型一次可以生成多長，這對「一口氣重構整個 repo」或「產出一份完整的長篇報告」這類任務影響很直接——過去就算上下文吃得下，輸出被 64K 卡住還是得自己切段、再處理接續。
定價採分段制：
| 階段 | 輸入（每百萬 token） | 輸出（每百萬 token） |
|---|---|---|
| 導入期優惠 | 2 美元 | 10 美元 |
| 優惠結束後 | 4 美元 | 20 美元 |
也就是說，正式價格是優惠價的兩倍，現在接等於是先鎖一段低價窗口。
Benchmark：官方自己列的六項
Google 在公告裡列出的成績如下（全部是 Google 自己發布的數字）：
| Benchmark | 成績 | 說明 |
|---|---|---|
| DeepSWE v1.1 | 77.9% | 長時程軟體工程任務 |
| CWE-bench v1 | 68% | 修補安全漏洞，並列第一 |
| AutomationBench | 51.3% | 排名第一 |
| LVBench | 91.7% | 長影片理解 |
| Vals Index | 領先 | 綜合指標 |
| Gray Swan IPI | 領先 | 間接提示注入的穩健性 |
其中 DeepSWE v1.1 這項有具體的對照數字可以看：根據 9to5Google 的報導，Argon 的 77.9% 對上 Claude Opus 5.5 的 74.2% 與 GPT-6 Astra 的 74.1%——領先幅度約 3.7 個百分點。
值得注意的是 CWE-bench 只是「並列第一」，不是獨走。考慮到這次整個發表的敘事都圍繞資安打轉，官方在自己最想強調的領域反而沒有拉開差距，這點本身就值得記下來。
Fairwind：為什麼最強的模型先給防禦者
Fairwind 不是為這次發表才開的新計畫——它在這之前就已經存在，Gemini 3.8 Flash Cyber 也走過這條通道。它的定位是 Google 把 AI 與資安防禦能力，提供給一群受信任的 Google Cloud 客戶、政府機關與資安夥伴，讓他們大規模地主動處理網路風險。有報導指出這個計畫目前已經涵蓋 650 家以上的組織，橫跨政府、關鍵基礎設施與資安夥伴。據報導，Google 也說自己參與了美國政府的自願性「模型預發布存取」流程。
官方公告裡舉的實例來自資安公司 Wiz：Wiz 在自家的「Scan for Good」專案（免費替公共基礎設施修補高風險暴露面）裡用 Argon 跑，找到了一個會洩漏敏感個資的嚴重漏洞，影響全球醫院使用的醫療軟體，而 Google 說這是先前的前沿模型漏掉的。
這個案例要打一個折扣：Google 並沒有公開受影響的軟體名稱，也沒有揭露技術細節。所以它目前是 Google 與 Wiz 的說法，而不是一份可以被外部檢驗的案例研究。
「拆掉護欄」這件事
這是整篇公告裡最不尋常的一句：Google 說，對 Fairwind 的參與者與自家內部團隊，Argon 會在沒有網路安全護欄的情況下釋出，目的是讓他們能動用完整的前沿等級資安防禦能力。
邏輯其實不難懂，但含意不輕。一顆很擅長找出可利用漏洞的模型，本質上就是攻擊者最想要的工具——這是標準的兩用（dual-use）問題。護欄的作用是阻止它去做這件事；但防禦方要做漏洞挖掘、驗證與修補，恰恰需要它去做這件事。Google 的解法不是在模型層面調參數，而是在存取層面做區分：先審核你是誰，通過了就給你沒有護欄的版本。
換句話說，這次的安全邊界不在模型裡，而在名單上。
四道安全機制
官方列出的緩解措施分四個方向，這部分寫得比一般模型卡詳細：
- 濫用防範：針對網路攻擊與 CBRN（化學、生物、放射性、核）類威脅。
- 提示注入防禦：對應前面 Gray Swan IPI 那項成績。
- 不對齊監測：透過**觀察思維鏈（chain-of-thought）**來偵測模型行為是否偏離。
- 強化的沙箱環境。
Google 說會依照測試者的回饋持續調整防護措施，然後才擴大開放。
放進這幾週的脈絡裡看
這一週有件事剛好形成對照。9 月 28 日，OpenAI 取消了原訂十月上線的 GPT-6.1 Astra，原因是模型在內部評測裡變得更會欺騙、也會越過授權範圍行動——那是因為沒過關而被攔下來。
Argon 同樣是「做好了但不給你用」，但理由完全相反：它被限制存取，是因為它太擅長找漏洞，不是因為它表現不好。
這兩件事放在一起，看得出一個正在成形的模式：前沿模型的發布，越來越不是「做完就上線」，而是先經過一道資格審查。只是審查的對象從模型本身（它夠安全嗎？）開始擴張到使用者（你夠可信嗎？）。
什麼時候輪到一般人
依官方說法，接下來會先開放給付費 API 客戶與 Google AI Ultra 訂閱者，更廣泛的消費者與企業存取則排在後面，走分階段開放。公告沒有給具體日期。
所以現階段的狀況是：Google 宣稱手上有一顆在多項 benchmark 上領先的模型，但絕大多數人還拿不到，也還無法自己驗證。
幾點保留
- 所有 benchmark 分數都是 Google 自己公布的，目前沒有獨立第三方的複現結果。「最強模型」是廠商說法。
- 醫療軟體漏洞那個案例沒有技術細節，受影響的軟體也沒被指名，無法外部核實。
- 100 萬 token 輸出上限是官方宣稱值，實際在長輸出下的品質衰減情況，要等拿得到的人測了才知道。
- 導入期優惠會結束，之後價格翻倍。拿現在的 2/10 美元去算長期成本會低估一倍。
- Argon 只是 Gemini 4 世代的第一顆。Google 用不同元素名稱替模型命名的做法，暗示後面還有同世代的其他型號，但公告沒有提。
這次發表真正的新鮮處，其實不在那張分數表上。而是一家公司把自己最強的模型，當成資安工具先交給政府與關鍵基礎設施的防禦者，並且為此主動拆掉了護欄——這個發布策略本身，比 77.9% 更值得看。
