谷歌最前沿 AI 模型：Gemini 4 Argon 登场，长周期代码工程 DeepSWE 测试超 Claude Opus 5.5

IT之家 10 月 1 日消息，谷歌昨日（9 月 30 日）发布 Gemini 4 Argon， 称其为公司迄今最先进的 AI 模型，但目前并未面向公众全面开放。 定位方面，Gemini 4 Argon 是谷歌当前“最先进”模型，重点是长流程软件工程、企业知识工作和网络安全防御。官方称其在真实世界软件工程测试创纪录，网络安全基准并列第一，并在金融、法律等专业任务基准领先。 模型特性方面，Gemini 4 Argon 单次输出上限达到约 100 万 tokens，高于此前的 64,000 tokens，适合处理大型代码库、长文档和多阶段任务。 谷歌 DeepMind Gemini 产品负责人 Tulsee Doshi 表示：“Argon 是一个功能全面的模型，在多个领域都具备前沿能力。” 在新模型在某些编码和知识工作基准测试中处于最先进水平，在多个方面都优于竞争对手 OpenAI 的前沿模型 GPT-6 Astra。 性能方面，谷歌宣称其 DeepSWE v1.1 得分为 77.9%。Claude Opus 5.5 的得分为 74.2%，GPT-6 Astra 的得分为 74.1%。 安全防御性能方面，谷歌对 Gemini 4 Argon 进行了训练，使其“在网络安全防御方面能力超群”，比 3.8 Flash Cyber 有了显著提升。在评估模型修复安全漏洞能力的 CWE-bench v1 测试中，Argon 以 68% 的最高分并列第一。 评测项目 Gemini 4 Argon 对比 / 排名 主要考察能力 DeepSWE v1.1 77.9% 第 1；Claude Opus 5.5 为 74.2%，GPT-6 Astra 为 74.1% 长周期、真实软件工程任务 Vibe Code Bench 91.9% 领先竞争模型 自然语言到代码、应用构建 CWE-bench v1 68% 并列第 1 自动发现并修复软件安全漏洞 AutomationBench 51.3% 第 1 跨业务软件的端到端自动执行 LVBench 91.7% 当前最佳 / State of the art 长视频理解 GraphWalks，0–128K 99.7% 极高水平 长上下文图结构推理 GraphWalks，256K–1M 84.2% 明显领先 超长上下文推理 Agent’s Last Exam 39.5% 高于 GPT-6 Astra 的 34.2% 综合代理与知识推理 Vals Index 68.9% 高于 GPT-6 Astra 的 63.1%、Claude Opus 5.5 的 67.0% 金融、编程、法律、税务等经济任务 Artificial Analysis Intelligence Index 53 与 GPT-6 Astra 持平 多项综合智能与代理能力 分发方面，谷