Gemini 4 Argon：Google 重返前沿，台灣人還得再等

9 月 30 日，Google 發表新一代旗艦模型 Gemini 4 Argon。官方公布的基準多半領先 GPT-6 Astra 與 Claude Opus 5.5，但目前只交給經審核的網路資安防守方，一般使用者、開發者和台灣的 Google AI 訂戶都還用不到。獨立評測說它追平了 Astra，Bloomberg 則報導部分 Google 員工對實際表現存疑。

卡烏克庫魯（Koray Kavukcuoglu），Google DeepMind 資深副總裁、Google 首席 AI 架構師

皮查伊（Sundar Pichai），Google 執行長

01重點一次看：發表了什麼，誰能用到

先把目前查得到的事實排成一張表。「Google 自行公布」代表來源只有 Google 一家，「第三方」代表有獨立機構或媒體另外量過。

02國內外怎麼報：官方、國際媒體與台灣媒體

一手來源是 Google 官方部落格，以及 DeepMind 的 Fairwind 計畫頁面。多家媒體在台灣時間 10 月 1 日凌晨 4 點前後接連發稿，Bloomberg 的報導甚至比官方部落格早了約 7 分鐘：它的發稿時間是台灣時間 3 點 52 分，官方文章是 4 點整。

國際媒體的共同點是把重點放在「還不能用」。他們各自採用不同的第二個切角：Axios 與 Bloomberg 談 Google 為什麼落後了這麼久，VentureBeat 與 The Decoder 逐項拆基準，Techzine 與 Forkast 提醒數字全是廠商自報。

台灣媒體：多半轉譯外電，重點落在延遲與成本

台灣的報導集中在台灣時間 10 月 1 日上午。中央社 9 點 03 分發出綜合外電報導，引述 Google 發言人說 Argon 是「迄今性能最強」的模型，並提到 Google 公布的 4 項程式編寫相關基準裡，Argon 有 2 項落後對手，以及 Gemini 3.5 Pro 確定不推了。經濟日報同天轉載這則，另外還有一篇整理彭博報導的稿子，補了分析師馬哈尼（Mark Mahaney）的看法。

經濟日報引述 Evercore ISI 分析師馬哈尼的說法：能一次產生大量內容，是這款模型目前最明顯的特色，其他優勢還要更多使用者檢驗。同一篇也提到 Alphabet 股價在 9 月 30 日正常交易時段上漲 1%，盤後再漲 1.5%，這是該篇的說法，我們沒有另外核對股價。

另外，9 月 26 日經濟日報在發表前就寫過一篇：Google 傳出提前在年底前推出 Gemini 4，法人看好鴻海、緯創、廣達、英業達與仁寶這些打入 Google 伺服器供應鏈的代工廠受惠。這是台灣媒體最在地的切角，詳見第 06 節。

03台灣用得到嗎：目前不行，最新能用的是 Gemini 3.8 Flash

結論先講：台灣的一般使用者今天用不到 Gemini 4 Argon，不管付哪一個方案都一樣。台灣目前實際能用到的最新 Gemini，是 Gemini 3.8 Flash；最新的 Pro 級模型是今年 2 月推出的 Gemini 3.1 Pro 預覽版。

我們 2026 年 10 月 1 日的查證有四個結果。官方部落格寫明 Argon 只給 Fairwind 夥伴。Gemini 開發者 API 的定價頁（GMT 10 月 1 日 0 點 13 分的版本）列了 3.8 Flash 等模型，沒有 Argon。台灣訂閱頁的標題還寫著「取得 Gemini 3.1 Pro 等功能」。最後一個是我們自己的帳號叫不到，細節在第 04 節。

價格方面，Argon 的導入價按 1 美元約 31.9 元新台幣換算，輸入每百萬 token 約 64 元、輸出約 319 元。導入期結束後調成 4 美元和 20 美元，約 128 元和 638 元。拿來比的對手價格來自 VentureBeat 對 OpenAI、Anthropic 官方價目的整理。

Fairwind 是申請制。官方頁面說優先考慮政府與國家級網路主管機關、醫療、電信、能源、金融這類關鍵基礎設施營運者，以及核心技術平台，申請者要通過背景查核。夥伴只能把 Argon 交給內部的資安、事件應變或滲透測試團隊，必須追蹤員工的存取，不能轉售或分享。官方頁面目前列出 650 多個夥伴，名單裡有埃森哲（Accenture）、Armadin、網際網路安全中心（Center for Internet Security）等。

如果單位不符合資格，Google 的說法是仍可搭配公開模型使用 CodeMender，那是一個自動修補程式漏洞的代理工具。申請表單我們只看了頁面，沒有填寫，也沒有送出。

04試用結果：別人的數字，和我們叫不到的紀錄

目前沒有一般使用者能自己上手測 Argon，所謂試用結果只有三類：Google 自己公布的數字、拿到早期存取的獨立機構量到的分數，以及少數早期測試者的說法。下面依序講，最後交代我們自己的查證。

Google 自己公布的基準

官方對照表有 19 列，對手是 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。Argon 在 13 列單獨最高、1 列並列（CWE-bench v1，和 Astra 同為 68%）、5 列落後。VentureBeat 把長脈絡測驗 GraphWalks 的兩個長度合成一項，數成 18 項、12 項領先，差一項是算法不同。這張表的數字全部由 Google 自行公布。

領先幅度最大的是法律與長脈絡。在 Harvey 的法律代理測驗，Argon 得 19.6%，最接近的 Claude Fable 5.1 只有 6.7%，四個模型分數都很低，表示題目很難。在長度 25.6 萬到 100 萬 token 的 GraphWalks，Argon 是 84.2%，Astra 是 71.8%。落後最多的是 FrontierSWE v2 與科學類的 Terminal-Bench Science 0.1，兩項都輸 GPT-6 Astra 10.5 個百分點；Terminal-bench 4.0 則輸 Claude Opus 5.5 9 個百分點。

寫程式方面的招牌數字是 DeepSWE v1.1，測的是真實程式庫裡的長時間工程任務：Argon 77.9%，Claude Opus 5.5 是 74.2%，GPT-6 Astra 是 74.1%。這個領先幅度不大，Google 自己也只說是「新高」。

DeepSWE v1.1：長時間軟體工程

AutomationBench：業務流程自動化

Google 另外公布了內部使用案例。量子運算研究人員用 Argon 最佳化一個子程序的時空資源（量子位元乘以閘數），幾分鐘內比已發表的基準少 40%。一組 Argon 代理分析了全公司的效能剖析資料，找出並套用記憶體最佳化，推出後預計釋出 300 TiB 以上的記憶體，總共估計省 500 TiB 到 1 PiB。另有代理把 C 與 C++ 程式碼搬到 Rust，從 re2、libgav1 這類核心函式庫，到 Fuchsia 作業系統 Zircon 核心的 80 萬行以上。

其中最具體的是 libgav1，也就是 Google 開源的影片解碼器：代理把 3.2 萬行 SIMD 程式換成安全的 Rust，解碼器比原本的 Rust 版快 2.7 倍，輸出的影片完全一致。這些都是 Google 內部案例，沒有公開程式碼可以驗證，大規模改寫也還在審查與測試階段才會上線。

資安：Wiz 的案例與 CWE-bench

資安是這次發表的主軸。Google 說 Argon 能自己找出、驗證並修補嚴重的軟體漏洞。資安公司 Wiz 在公益計畫「Scan for Good」用它掃描關鍵公共基礎設施，說它在全球醫院使用的醫療軟體裡，找到一個會外洩個人資料的嚴重漏洞，是先前的前沿模型沒看到的。細節沒有公開，也沒有第三方驗證。

獨立評測與早期試用

獨立機構 Artificial Analysis 在發表當天拿到早期存取。最高推理強度「High」下，Argon 的智慧指數是 53 分，與 GPT-6 Astra（最高強度）並列，比 GPT-6.1 Sol 高 1 分，比 Google 上一個非 Flash 模型 Gemini 3.1 Pro 預覽版高 23 分。The Decoder 補充，Claude Opus 5.5 是 58 分、Claude Sonnet 5.5 是 56 分，Anthropic 的模型仍然領先。

這篇評測還有三個值得記的發現。第一是幻覺率：在知識題庫 AA-Omniscience，Argon 的幻覺率是 15%，是智慧指數 45 分以上的模型裡最低，GPT-6 Astra 是 51%、GPT-6.1 Sol 是 54%，意思是它比較常承認不知道，而不是亂猜；但答對率只有 50%，比 Astra 低 13 個百分點。第二是代理任務：它在 AutomationBench-AA 排第一，約 78%，比 Claude Sonnet 5.5 高 6 到 7 個百分點，但 Terminal Bench 4 只有 57%，輸給 Claude Sonnet 5.5（64%）、Opus 5.5（60%）和 Astra（59%）。

第三是成本。每題 1.99 美元，是 Astra 3.26 美元的 60%，但這靠的是 50% 的導入折扣：Argon 平均每題輸出 6.2 萬個 token，Astra 只要 2.7 萬個。折扣結束後每題約 3.98 美元，比 Astra 貴兩成左右。Artificial Analysis 說，Google 還沒公布折扣到什麼時候，至少會持續一個月。

人類盲測方面，The Decoder 引述 Arena 的文字評比：Argon（High）以 1,525 分排第一，比第二名 Claude Opus 4.6（High）高 20 分；Google 的上一個模型 Gemini 3.8 Flash（High）排第 11。這個數字我們只在這一家媒體看到，列為單一來源。

影片裡，Arena 的主持人說 Argon 在他們的 Agent Arena 排行榜排第 8，在成本與表現的前緣上，比 GPT-6.1 Sol 便宜約三分之一、比 Opus 5.5 便宜約 70%。他拿 3D 場景與小遊戲題比較，Argon 有幾題表現不錯，另外幾題的角色與操作明顯不如 GPT-6.1 Sol 與 Claude Sonnet 5.5，結論是各題之間的穩定度要觀察。這只是一個人跑的少數幾題，不是系統性測試。

另有一個單一來源的數字：評測網站 OrcaRouter 引述 Proximal Labs 的排行榜，說 Argon 在 FrontierSWE v2 每次試跑約 129 美元、10.6 小時，排行榜註明 Argon 的快取命中率偏低，因為是非正式環境設定，成本應視為上限。Hacker News 的發表討論串在抓取時有 1,000 多分、約 680 則留言：有人說前陣子在 Gemini 3.8 Flash 上看到驚艷的除錯表現，也有人說 Gemini 還是遠不如 Claude，更多人的態度是等實測。這是匿名網友的個人經驗，不當證據。

我們自己的試用：目前叫不到

我們手上的 Gemini 管道是本機的 agy，也就是 Google Antigravity 命令列工具。2026 年 10 月 1 日 10 點 08 分（台北時間），我們先列出可用模型：最新是 Gemini 3.8 Flash 的高、中、低三檔，再往下是 3.7、3.6 Flash 與 Gemini 3.1 Pro，沒有 Argon。接著分別指定 gemini-4-argon 與 gemini-4-argon-high 各呼叫一次，兩次都回「這個模型名稱不是已知模型」。

依照事先定好的做法，叫不到就不做程式除錯、找安全漏洞、中文摘要這三題小測，也不為了試用去申請、註冊或付費任何東西。這與官方的說法一致：Argon 此刻只在 Fairwind 夥伴手上，我們沒有申請 Fairwind，也不符合它的資格條件。等 Argon 在 Antigravity 或 Gemini API 上架，再用同樣的三題補測。

05外媒怎麼評：重返前沿，還是只會跑分

整體看，外媒分成兩派：獨立評測與資料型媒體多半承認 Google 回到前三名，Bloomberg 與幾家分析型媒體則提醒基準不等於實際工作表現。兩派都同意一件事：Argon 還沒開放，所有結論都是暫時的。

肯定的理由

最有分量的肯定來自獨立數字：智慧指數追平 Astra、幻覺率最低、AutomationBench-AA 第一、人類盲測榜首、Vals Index 第一（Vals AI 的排名，Argon 68.9%，是第一個登頂該指數的 Gemini）。The Decoder 轉述 Vals AI：Argon 在 22 項測驗裡有 20 項進前五。但它也提醒，Vals Index 上次一級的 Sonnet 5.5 排在 Opus 5.5 前面，這種排名要保守看。

另一個肯定來自時程。Axios 與電腦王阿達都提到，Google 這一年大多只推 Flash 級的輕量模型，Argon 是它隔了很久才端出的旗艦。9to5Google 也注意到，這個模型改用了新的命名方式。

保留的理由

保留意見集中在三點。第一，Bloomberg 的內部消息：一名員工說，新模型在基準上表現亮眼，實際拿來做某些程式工作時沒那麼好，前端設計尤其弱。Google 否認，說講 Gemini 4 在編寫程式方面表現不佳並不準確；另一名熟悉模型開發的員工則說，內部有「大致共識」認為它已經在前沿，也否認它處理不了較複雜的實際程式問題。兩種說法都是匿名消息，無法驗證。

第二，獨立數字沒有一面倒。Artificial Analysis 的智慧指數裡 Claude Opus 5.5 仍高出 5 分；Google 自己的表格在終端機類、超長時間工程類的任務輸給對手，而這些正是許多開發者每天用程式代理工具的情境。第三，也是所有人都提的：沒有公開存取，就沒有人能用自己的工作內容去驗證。byteiota 的結論是 Argon 與其說是產品發表，更像一次「公信力測試」。

安全與失準監控：官方怎麼說，外界怎麼看

Google 在發表文裡用了很長篇幅講安全，分四塊。防止濫用：模型被設計成拒絕網路攻擊與化學、生物、放射性、核子武器的有害請求，同時保留正當的雙用途科學研究；並改進監測模型內部啟動狀態的技術，用來抓濫用。防範提示注入：Argon 是「迄今對間接提示注入最有抵抗力的模型」，在 Gray Swan 的測試中攻擊成功率 0.7%，Claude Opus 5.5 與 Fable 5.1 是 1.0%，GPT-6 Astra 是 8.5%。

第三塊是失準監控：Google 部署機制監看 Argon 的思考鏈與行動，必要時停止執行，也用類似系統監看訓練過程，並刻意不把監測結果回饋進訓練，避免模型學會躲開監測。Google 還「強烈鼓勵業界」保留推理透明，Techzine 讀成是對 Anthropic 與 OpenAI 的暗示。第四塊是加固環境：在高風險訓練與評測開始前，把沙盒隔離密封。外界的背景是：OpenAI 才在 9 月底說因安全測試沒過關，取消 GPT-6.1 Astra（Axios、The Next Web）。Axios 因此說，Google 多花的時間在安全爭議的脈絡下，不見得被看成壞事。

06台灣脈絡：方案價格、法規對照與算力供應鏈

「台灣能不能用」在第 03 節已經交代。這一節補另外兩件：假如 Argon 先開給 Ultra 訂戶，台灣要付多少；以及它的發表方式，和台灣的《人工智慧基本法》放在一起看是什麼樣子。

照官方說法，Argon 會先給 Ultra 訂戶，所以台灣訂戶要付至少每月 3,300 元的 5 倍用量方案，才有機會先用到，那是 Pro 方案月費的 5 倍多。這是依官方「先從 Ultra 開始」做的推論，各國 Ultra 會不會同步、方案內怎麼分配額度，Google 都沒說。

法規對照：台灣的《人工智慧基本法》

台灣在民國 115 年 1 月 14 日，也就是 2026 年 1 月 14 日公布《人工智慧基本法》。第 4 條要求政府推動 AI 研發與應用時，遵循永續發展與福祉、人類自主、隱私保護與資料治理、資安與安全、透明與可解釋、公平與不歧視、問責七項原則。這部法規範的是政府怎麼推動與治理 AI，不直接對 Google 這類業者設義務；第 5 條要求經認定為高風險的 AI 產品或系統要標示注意事項或警語，第 16 條交由數位發展部推動風險分類框架，各主管機關據以訂定風險管理規範，細則還待另訂。

在地影響方面，經濟日報 9 月 26 日報導：Google 傳出提前在年底前推出 Gemini 4，Google 今年的資本支出預估 1,950 億到 2,050 億美元，是 2025 年不到 1,000 億美元的兩倍；它同時採購輝達的 GPU 伺服器、自建 TPU 伺服器，法人看好鴻海、緯創、廣達、英業達與仁寶這些打入供應鏈的代工廠受惠。這是法人的預期，不是 Google 公布的訂單。

至於在地活動與通路，Google 沒有公布 Argon 在台灣的上線時程，我們也沒有查到針對 Argon 的台灣發表活動。Fairwind 夥伴名單的頁面一次只顯示幾個，我們沒有逐一翻完，所以不能斷言名單裡有沒有台灣的單位。

07大事記