Gemini 4 Argon 在早期测试中与 GPT-6 Astra 表现相当，幻觉问题明显更少

事件核心：发生了什么

Google 于本周三发布 Gemini 4 Argon，但只提供给一小批网络安全防御人员使用。据 Artificial Analysis 测试，Argon 在智能指数上得 53 分，与 GPT-6 Astra 持平，比 GPT-6.1 Sol 高 1 分，落后 Anthropic Claude Opus 5.5 的 58 分。相比 Google 上一款 Flash 级别以上的模型 Gemini 3.1 Pro Preview，Argon 高出 23 分，被评测机构认为让 Google 重回前三实验室行列。

幻觉控制是 Argon 最突出的差异点：在 AA-Omniscience 事实知识测试中，其幻觉率为 15%，是所有智能指数 45 分以上模型中最低的；GPT-6 Astra 为 51%，GPT-6.1 Sol 为 54%。代价是正确率只有 50%，低于 GPT-6 Astra 的 63%——它更倾向承认不知道，而不是猜测。此外，Argon 在 AutomationBench-AA 商业软件工作流测试中以 78% 排第一，领先 Claude Sonnet 5.5 七个百分点；但在 Terminal Bench 4 编程测试中仅得 57%，落后于 Claude Sonnet 5.5、Claude Opus 5.5 和 GPT-6 Astra。它还在 Arena 文本排名中登顶，WebDev 排第八，并成为首个登顶 Vals Index 的 Gemini 模型。

为什么重要

这组数据说明 Google 在旗舰模型上重新具备与 OpenAI 正面竞争的能力，尤其选择用“更低幻觉、更愿承认不确定”作为差异化路线，对金融、医疗、法律等对事实准确性敏感的 API 场景有实际吸引力。但成本结构值得注意：Argon 每个任务约消耗 6.2 万输出 token，远高于 GPT-6 Astra 的 2.7 万，折扣期内单任务成本 1.99 美元，靠的是更低 token 单价而非更高效率。按标准价 4 美元/百万输入、20 美元/百万输出计算，单任务成本将升至约 3.98 美元，反超 GPT-6 Astra。Bloomberg 援引内部人士称，部分 Google 员工认为 Argon 存在“benchmaxxing”倾向，即追求跑分而非产品好用，前端设计能力偏弱，编程表现参差。Google 否认模型在编程等领域表现不佳。

对用户/开发者/创作者的影响

目前公开信息显示，Argon 尚未开放给普通用户和大多数开发者，付费 API 客户与 Google AI Ultra 订阅者是下一批。对开发者而言，如果幻觉率是核心考量，Argon 值得列入候选，但需注意其编程与前端能力可能不如 Claude 或 GPT 系列，且 token 消耗高意味着长任务成本更难控制。对内容创作者和企业采购来说，折扣期价格有吸引力，但 Google 未公布折扣结束时间，标准价下性价比优势会消失。建议先等 API 实际开放后，用自己的业务数据做小规模对比测试，而不是只看指数排名。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是 Argon 何时向付费 API 客户和 Ultra 订阅者开放，以及折扣期结束后实际定价；二是 Google 是否针对编程和前端设计短板推出后续版本或专项优化；三是 Claude Opus 5.5 与 GPT 系列在幻觉指标上是否会跟进改进，毕竟 51% 以上的幻觉率在严肃场景中仍是明显障碍。

来源：The Next Web