Gemini 4 Argon

原文 ↗ Hacker News 讨论 ↗

Google 推出的新一代前沿模型 Gemini 4 Argon 引发了技术赞赏与产品层面的挫败并存的反应。早期用户报告称，Argon 在推理、写作、空间任务和多模态工作（如 SVG 和图像转 HTML）方面速度快、能力强，但在大规模编码 agent 方面通常仍落后于 Claude Opus 和 OpenAI 的最佳模型，并且存在推理循环和幻觉等问题。与模型本身相比，更多人批评的是 Google 碎片化的产品线、混乱的推出节奏、Antigravity 中的付费墙，以及按地区或套餐不一致的访问权限，认为糟糕的 UX 和定价策略限制了本可极具竞争力的产品。

访问与推出

  • 关于谁可以使用 Gemini 4 Argon，存在很大困惑：
    • 官方文案写的是“Pro 和 Ultra”，但 Antigravity 经常显示“仅 Ultra”。
    • 许多 Pro 用户（尤其是 EU/Workspace/Google One）报告没有访问权限、404，或“agent execution terminated”错误。
    • 推出明显是分批进行的；有些用户会在数小时后才获得，无任何解释。
  • Antigravity、Gemini 应用、AI Studio 与 API：
    • 用户报告的模式是：Ultra 在所有地方都能用 Argon；Pro 能在 Gemini 应用 / 网页端使用，但在 Antigravity（编码 IDE）中不行。
    • 通过 OpenRouter/API，Argon 通常比通过 Google 自家界面更早、更稳定地可用。
  • 有几位用户尝试订阅或升级时遇到支付失败、方案冲突（例如 Google One 与 AI Ultra），以及地理限制。

产品与 UX 摩擦

  • 发布页面被批评为很重、滚动卡顿且有故障感，尤其在 Safari 和 Firefox 上；移动端常常无法使用。
  • Google 的 AI 产品表面被认为令人困惑：Gemini 应用、Antigravity、AI Studio、Google One AI、Workspace，模型和限制略有不同。
  • 错误信息和限制不透明（例如通用的“因错误而终止”、每次查询的固定块状用量、Argon 在 Ultra 下非常小的“5 小时”窗口）。

能力与对比

  • 许多人认为 Argon 相比 Gemini 3.x 有明显提升，尤其在：
    • 文笔质量与结构、长文本推理、多语言输出（提到德语和印度语言表现不错）。
    • 空间推理、SVG 和 UI 生成，以及 3D/物理风格任务。
  • 编码：
    • 反馈混杂。有人说它在真实项目和审计中可与 Opus 5.5 竞争；也有人觉得它不如 Opus/Astra/Sol，甚至低于 Flash 3.8。
    • 一项系统评测把它放在 Fable 5 和 5.1 之间，属于“接近前沿”但略落后于顶级 agent。
  • 几位用户称赞它在细致的医学/技术解释上表现很好；也有人报告基础算术失误和指令遵循问题。

定价与使用

  • 初始 API 价格：输入 $2M / 输出 $10M token，12 月 1 日后翻倍为 $4/$20M；并被直接拿来与 Opus 5.5、Astra、Sol、DeepSeek、GLM 等比较。
  • 讨论反复指出“每 token 价格”具有误导性：
    • 不同模型在冗长程度、工具使用和每任务 token 消耗上差异巨大，会改变实际成本。
  • 订阅侧：
    • $20 Pro、$99 Ultra，以及通过运营商和 Google One 提供的捆绑/折扣方案。
    • 令人沮丧的是，Antigravity 中的 Argon 被锁定在 $99 Ultra，而竞争实验室会在更便宜的方案中开放最强编码模型。

基准测试与技术发现

  • 标准社区测试：
    • SVG“骑自行车的鹈鹕”：Argon 的输出属于见过的最佳之一；有人担心这个基准现在过拟合了。
    • 其他 SVG 任务（犰狳、UI 图）也表现很强；目标检测（COCO）比早期 Gemini 有显著提升。
    • Pac-Man 和编码 agent 基准：Argon 表现很好，但并未明显高于最强的 OpenAI/Anthropic 模型。
    • 德语基准确认了 Google 在非英语上的强势表现；法律领域得分与专门的法律模型具有竞争力。
    • 一位用户的基准里，视频生成质量只与更便宜的开源中文模型相当。

安全、循环与可靠性

  • 多次报告：
    • 无穷或很长的推理循环，尤其在 agentic 编码中；这被强调为相较其他前沿模型的退步。
    • 过于激进的安全/护栏导致在某些对抗性或小众语言场景下拒答。
    • 典型 Gemini 问题：幻觉 API、编造标准、无视明确的“更改前先讨论”指令。
  • 一些用户觉得 Argon“脑子更清楚”，没有以前的 Google 模型那么 RL-fried；但也有人仍不信任 Gemini 去做任何需要严格事实准确性或长期一致性的任务。

元讨论：AI 竞赛与 Google 策略

  • 关于进展是否放缓存在争论：
    • 有人认为最近的提升更小了；也有人指出同比跃升（数学、编码、模拟）并不见放缓。
  • Google 被认为：
    • 在模型层面极具竞争力（如今在通用聊天和多语言上重新回到“帕累托前沿”），但在产品、发布、计费和 harness 质量上长期薄弱。
    • 更依赖其巨大的用户基础与整合能力（Search、Android、Workspace），而不是主要争夺开发者心智份额。
  • 一些评论担心“追基准”（“pelicanmaxxing”）和古德哈特定律，但也有人指出，多家强大实验室之间的竞争对价格和能力增长是好事。