模型评测约 9 分钟
Gemini 4 Argon 参数与评测:和主流前沿模型全面对比
Gemini 4 Argon 把 1,048,576 token 统一上下文、多模态输入、长解码与工具调用组合在一起。官方成绩很强,但并非所有项目第一。
关键参数
Google 文档给出 1,048,576 token 的统一输入输出上限;同步全速输出为 65,536 token,使用长解码最多可输出 1,048,576 token。输入包括文本、图片、视频、音频和 PDF,输出为文本。
架构与工具
模型卡说明 Argon 是原生支持文本、视觉和音频的稀疏混合专家 Transformer。API 支持函数调用、文件搜索、代码执行、搜索接地、结构化输出和预览版计算机操作。
Argon 领先的项目
Google 表格中,Argon 的 Vals Index 为 68.9%、Vals Finance Agent v2 为 65.4%、Harvey 法律智能体评测为 19.6%、DeepSWE v1.1 为 77.9%、LVBench 为 91.7%。
| Benchmark | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|
| Vals Index | 68.9% | GPT-6 Astra 63.1% | Claude Fable 5.1 65.8% | Claude Opus 5.5 67.0% |
| DeepSWE v1.1 | 77.9% | GPT-6 Astra 74.1% | Claude Fable 5.1 67.4% | Claude Opus 5.5 74.2% |
| FrontierSWE v2 | 55.0% | GPT-6 Astra 65.5% | Claude Fable 5.1 56.3% | Claude Opus 5.5 62.3% |
| Terminal-bench 4.0 | 57.4% | GPT-6 Astra 58.2% | Claude Fable 5.1 57.9% | Claude Opus 5.5 66.4% |
| GraphWalks 256k–1M | 84.2% | GPT-6 Astra 71.8% | Claude Fable 5.1 65.0% | Claude Opus 5.5 66.8% |
| LVBench | 91.7% | GPT-6 Astra 87.5% | Claude Fable 5.1 79.7% | Claude Opus 5.5 83.7% |
其他模型领先的项目
Argon 并非每项第一。GPT-6 Astra 在 FrontierSWE v2 与 Terminal-Bench Science 0.1 领先;Claude Opus 5.5 在 Terminal-bench 4.0 与 PostTrainBench 领先;OSWorld-2.0 一项也由 GPT-6 Astra 领先。
怎样做自己的评测
基准设置不等于真实工作负载。应使用同一组提示词、文件、工具权限和复核标准跨模型测试,记录失败与成本,不要把不同配置下的厂商跑分和独立评测直接等同。
用真实任务开始
本站在运行时从本站实时目录读取 Argon 的能力标签和报价。选择模型、提交有代表性的任务,再检查结果和账本,不要只凭一项跑分做结论。