Google发布Gemini 4 Argon

Google声称Argon在18至19项公开基准测试中的12到13项上领先或持平于GPT-6 Astra和Claude Opus 5.5，其中包括自报的DeepSWE v1.1得分为77.9% ^[1]。然而，这一DeepSWE分数是Google自行计算的结果，在独立的DataCurve排行榜上根本不存在——该榜单最高分仅为74%，其中一位并列榜首正是Google自家更小的Gemini 3.8 Flash。其他独立评估结果也呈现分歧而非确认领先：Vals AI将Argon列为41个模型中的第一名，而Artificial Analysis的智能指数给其评分53分，与GPT-6 Astra持平，落后于Claude Opus 5.5的60分 ^[2]，并在其价格区间内的223个模型中仅排第八，编码专项测试中Claude Sonnet 5.5表现更优。这些争议不会通过争论解决，而是需要在陌生代码库上运行模型来验证——而目前几乎只有Fairwind计划之外的人无法做到这一点。

Argon的首次发布面向超过650名Fairwind计划伙伴——即受信任的网络安全防御者、政府机构和Google Cloud客户 ^[3]，而非通过公共API开放。Google的解释是，一款能自主发现、验证并修补漏洞的模型，必须先由真实防御者对其安全机制进行压力测试，方可广泛发布 ^[4]。这一策略已初见成效：安全公司Wiz通过免费扫描项目使用Argon，揭示了一个早期前沿模型均未察觉的医院软件关键漏洞 ^[5]。但此举也带来了形象上的代价——Google正在营销“软件工程”作为该模型的核心能力，而绝大多数软件工程师却尚无法接触该模型 ^[6]。

Argon的发布距离Google上一代旗舰Gemini 3 Pro（2025年11月发布）约十个月 ^[7]，这段时间足以让OpenAI的GPT-6 Astra和Anthropic的Claude Opus 5.5相继问世，并引发分析师关于DeepMind已失去前沿地位的讨论。在此压力下，Alphabet股价从5月高点下跌了16% ^[8]。此次发布恰逢CEO Sundar Pichai在白宫签署自愿性AI安全协议的次日 ^[9]，华尔街反应谨慎乐观而非全然信服：Jefferies和KeyBanc均维持对Alphabet的买入评级，目标价分别为445美元和435美元 ^[8][10]，但同一股票的牛市预期（485美元）与熊市预期（295美元）之间的巨大差距 ^[8]表明市场将Argon视为证据，而非证明Google已追平差距的确凿事实。

两名Google员工向彭博社透露，该模型看起来像是‘刷榜’产物——针对披露图表进行了优化，而非为日常实际工作表现设计 ^[11]（该说法仅以片段形式出现，非完整验证文章）。另一项独立分析发现，Argon在广泛用于衡量模型质量的基准测试中表现良好，但在员工实际使用中表现不佳 ^[12]。这种内部怀疑与公众对其“幻觉率”宣传的反应相呼应：最初宣称的15%最低幻觉率（在Artificial Analysis智能指数得分45及以上的模型中最低）^[2]被解读为“幻觉已被解决”的证据，直到技术背景较强的读者指出，该指标衡量的是“错误时拒绝响应”而非整体错误率，并对此更强表述提出反驳。结合员工自身的怀疑，这一模式表明，对自报基准表的真实考验已不再是数字是否够高，而是外部方能否快速复现这些结果——而在复现完成前，实验室的图表与其员工对该模型的实际体验完全可以背道而驰。