Gemini 4 正式发布：写作与长文本最强，编程排第 8

【导语】Gemini 4 Argon 发布，写作与长文本能力最强，编程却掉队。这篇用官方数字说清它的强项、短板，以及普通人现在该继续用谁。

停更七个半月，Gemini 4 换了个名字回来

10 月 1 日，Google 相关账号同步放出 Gemini 4 Argon。上一代旗舰停在今年 2 月，七个半月没有大更新。Argon 是氩，元素周期表第 18 号，这个名字直接沿用了测试期的内部代号，官方没有解释原因。

现在还不能上手。延续最近流行的安全叙事，Gemini 4 Argon 只通过 FAIrwind 计划对少量网络安全合作伙伴开放。官方没给全面公开的时间点，只说届时先向付费 API 用户和 Google AI Ultra 订阅者开放，普通订阅用户还要再等一段时间。

18 项官方测试赢下 13 项，最猛的是知识和长文本

官方一共列了 18 项测试，Gemini 4 在其中 13 项领先。领先幅度最大的是知识工作：涉及真实金融分析的 Vals Finance Agent v2、模拟真实律师工作的 Harvey's Legal Agent Benchmark，差距大到可以拉开两档。

长上下文是老本行。在 GraphWalks 这个考察能不能用好 256k 到 1M 上下文的项目里，Gemini 4 领先其他旗舰模型 10% 以上。

一个能解释这种领先的变化是输出上限：从上代的 6.4 万 token 提到 100 万 token。按汉字算，一次能输出 70 万到 100 万字，铺很长的思维链不会被截断。官方的解释是，在一次推理里生成几十万个词元，能给推理过程留出新的深度。

短板也很清楚：编程和终端任务排到后面

编程这次起伏大。在最常用的真实长周期软件构建测试 DeepSWE v1.1 上，Gemini 4 拿到 77.9%，比 GPT-6 Astra 和 Claude Opus 5.5 高出约 4 个百分点。

换成从零搭建项目的 FrontierSWE v2，以及操作 Linux 终端处理复杂任务的 Terminal-Bench 4.0，它就落到垫底。第三方 Arena.ai 的盲评给出同样方向：Text Arena 排第 1，Code Arena: WebDev 和 Agent Arena 掉到第 8。

把三块能力排一下，顺序是知识写作、编程、终端。

• 知识、写作、长文本：领先，领先幅度最大
• 编程：单项有胜有负，整体波动大
• 终端与 Agent 任务：偏弱，排位靠后

幻觉率 15%，价格约为 Astra 的五分之一

Artificial Analysis 的测试里，Gemini 4 的幻觉率是 15%，在所有前沿模型里最低。碰到拿不准的问题，它更倾向于直接答不知道，很少编造答案。

定价方面，API 每百万 token 输入 2 美元、输出 10 美元，命中缓存按 5% 收，也就是 0.1 美元。官方说首发优惠结束后价格翻倍，但按以往经验，下一代模型发布前优惠期通常不会结束。

按优惠价算，它的价格约为 GPT-6 Astra 和 Fable 5.1 的五分之一，与中端的 GPT-6.1 Sol、Sonnet 5.5 大致持平。只要官方能力没有掺水，用中端模型的钱能买到旗舰级的智能。

下单前先看两个反向信号

第一是跑分可信度。几乎同时，彭博社报道称 Google 内部员工对 Gemini 4 的实际性能存疑，援引知情人士的说法是它在真实任务里难以处理某些编码任务。Google 很快反驳，也有员工说它表现不错。等它真正实装，chatGPT 和 Claude 足够再迭代一个版本。

第二是免费额度。小众软件的消息说，Gemini 免费版 10 月 9 日起只剩 Flash-Lite。想靠免费额度用上旗舰模型，空间在缩小。

普通用户怎么选：按任务分，比按品牌分省事

把常见需求拆开，对应的选择其实不复杂。

• 写稿、翻译、长文摘要、查资料：把 Gemini 4 记进备选，等它开放后优先试长文本和低幻觉这两项
• 写代码、跑 Agent、操作终端：暂时继续用 Claude Opus 5.5 或 GPT-6 Astra，不必为一张跑分表换工具
• 只想白嫖：先确认 Flash-Lite 够不够用，不够再考虑付费
• 订阅决策：等公开定价和第三方实测出来再动，别提前续费

一句实话

跑分榜看趋势，真实任务看手感。同一件事分别在两个模型上跑一遍，最后留下来的那个才算数。

关注格熊，持续分享最新免费资源！