Google 於 10 月 13 日宣布 Gemini 4 Argon 向全球開放。開發者可透過 AI Studio 與 Gemini API 付費方案呼叫，模型名稱為 gemini-4-argon；Gemini 應用程式與搜尋中的 AI 模式開放給 Google AI Pro、Ultra 訂閱用戶；程式開發工具 Antigravity 仍僅提供給 Ultra 訂閱用戶。
兩週前這款模型剛發表時，只提供給 Fairwind 計畫中的網路安全防禦團隊。這次 Google 一口氣把開放範圍拉大到開發者、企業、研究單位與一般訂閱用戶，安全團隊那條線則予以保留，持續依申請滾動審核，提供不含網路安全護欄的版本。
從安全團隊到所有付費用戶
把 Argon 的幾個時間點串起來看，Google 的節奏是先窄後寬。9 月 30 日首度發表時，官方劃定的三塊工作是軟體工程、法律與金融這類企業知識工作，以及網路防禦；當時公布的成績以 DeepSWE、CWE-bench 這些程式開發與漏洞基準為主。
10 月 13 日這一輪，Google 在主發表文之外，同步推出一篇針對機器人的開發者部落格，以及一篇以 Argon 最佳化自家開源程式庫的工程回顧。重點從「能不能寫程式」轉向「能不能理解物理世界」。
價格沒有變動：介紹期每百萬輸入 token 2 美元、輸出 10 美元，命中快取的輸入再減 95%。首發時 Google 沒有說明優惠期多長，這次明確寫出截止日：11 月 30 日起恢復為輸入 4 美元、輸出 20 美元。
機器人部落格中的幾組數據
Google 在具身推理基準 ERQA 上回報 87%，這套題目考的是三維空間中的物理與空間問題。官方原話如下：
「Using pure reasoning, Argon scores 87%, outperforming every other frontier model.」（只靠推理，Argon 得分 87%，超越其他所有前沿模型。）
示範部分使用了波士頓動力的 Spot 四足機器人。Argon 先在 MuJoCo 中建立帶有關節的數位孿生反覆練習，再去操作實體機器人，學會用腳踩開垃圾桶、把鋁罐丟進去。另一個例子是以零樣本方式控制機械手臂，把杯子扶正，再把餐巾紙塞進杯中。
最實用的一組數據來自模擬生成。研究人員拍下一張桌面照片，讓 Argon 建出模擬場景，產生 4,500 多個領域隨機化回合，用來微調一個視覺-語言-動作模型。在真機測試中，成功率從 56% 提升到 75%，完成時間從 35 秒降到 24 秒。另有一項 SO-101 機械手臂的抓取放置任務，經過三輪自我改進，耗時從 58.9 秒降到 22.9 秒，再降到 17.4 秒。
這些都是 Google 自己的實驗，樣本規模、測試了多少次，部落格中並未交代，目前也沒看到第三方重現。
其他客戶回報的成績
在主發表文中，Google 列出一連串內部與合作夥伴的使用案例：Chrome 團隊在 4,000 萬行程式庫中處理約 600 萬行舊版程式碼，數百個檔案的重構從數月縮短到數週；Google 內部由智慧代理提交的程式碼量增加超過 35%，回滾減少近三分之一。
開源智慧代理框架 ADK 的 Python 版是可公開查證的一例。工程師讓 Argon 在程式庫上無人值守執行 11 小時，提出 6 項最佳化，人工審查後合併 2 項，長時間工作階段的記憶體準備時間降低約 40%，冷啟動匯入加快 21%。6 項只採用 2 項，這個比例比宣傳說法更能說明現階段該怎麼使用它。
在安全測試方面，Google 表示，在 Gray Swan 的間接提示詞注入測試中，面對 15 次自適應攻擊，攻擊成功率降至 0.7%；程式開發基準中「走捷徑」的行為降至 2%。
第三方評測機構 Artificial Analysis 在正式開放當天更新了結論：智慧指數與 GPT-6 Astra 持平，單一任務成本約為後者的六成。這項成本比較採用的是介紹期價格，11 月 30 日之後需要重新計算。
參考來源：Google 官方部落格、Google Developers Blog 機器人專題與 ADK 最佳化回顧、CocoLoop、Google DeepMind 模型卡；Artificial Analysis 智慧指數與單一任務成本計算口徑。