Gemini 4 Argon vs Claude Opus 5.5：Google 终于回归？

Google 发布 Gemini 4 Argon 后，科技圈迅速分成两派：一派认为 Google 终于回到第一梯队，另一派则翻出 Google 过往“跳票”的历史，提醒大家别急着庆祝。YouTube 创作者 Ebenezer Don 在实测后给出了一个相对克制的结论：Argon 是 Google 很久以来第一款真正能和 Claude Opus 5.5 同台竞技的模型，但它并不是最强的那个。

发布背景：从跳票到全民可用

Google 此前承诺的 Gemini 3.5 Pro 曾计划在夏季推出，但最终没有落地。Argon 最初也只面向“可信合作伙伴”开放，外界一度担心它会重蹈覆辙。如今 Argon 终于向所有用户开放，Google 官方将其定位为编码、商业工作和网络防御场景下的最佳模型，并在自家图表上把 Argon 排在 Opus 5.5、Fibu 5.1 和 GBD6 Astra 之前。

不过 Google 在图表脚注中承认，对其他多数模型的测试并非由 Google 自己执行，而是直接采用了各家公司公布的自我评测数据。这一点与 Meta 本周被诟病的行为类似，但区别在于：Argon 在独立榜单上确实拿到了第一名。

独立榜单上的真实位置

在 VAUX 指数——一个覆盖金融、法律和编码任务的独立排行榜上，Argon 排名第一，Opus 紧随其后，二者基本持平。但运行成本目前约为 Opus 的两倍。而在 artificial analysis 这个曾揭穿 Meta 排名的独立指数上，Argon 仅排第八，落后于 Opus，甚至落后于 MuseWonder。

两个独立榜单给出截然不同的结论，说明 Argon 的表现高度依赖任务类型。这正是它“不是世界最强，但已进入战局”的写照。

VAUX 指数与 artificial analysis 的差异：VAUX 指数是一个聚焦金融、法律和编码任务的独立评测榜单，其测试集更贴近专业工作场景，因此对模型在结构化推理和长上下文处理上的能力较为敏感。而 artificial analysis 是一个综合性的独立模型评测平台，覆盖推理、知识、编码、数学等多维度，并会公开测试方法和原始数据，曾因揭穿 Meta 的排名争议而受到关注。两者排名分歧的原因在于任务分布不同：Argon 在专业垂直任务上表现突出，但在更广泛的综合能力上仍有短板。这也提醒读者，任何单一榜单都只能反映模型能力的一个侧面，选择模型时应结合自身任务类型参考对应榜单。

实测表现：3D 惊艳，UI 拖后腿

Ebenezer Don 在 Gemini 应用中用 Pro 账户进行了实测（目前 Pro 用户只能在此使用 Argon，Anti-Gravity 工具仅限 Ultra 用户）。

第一个测试是熔岩灯。Argon 生成的版本“还不错”，但蜡会卡在顶部，而且它自作主张在灯上叠了一个控制面板。更糟的是等待过程：将近三分钟没有任何进度反馈，用户也无法切换到代码视图查看它在做什么。

第二个测试是机械手表。Argon 用时约五分钟，3D 部分表现远超预期——金色质感、光照、轮子运动都很到位。但 3D 之外的设计却像是两三年前的模型水平，画面还会闪烁。同一个提示词交给 Claude Opus 5.5，虽然耗时更长，但整体更精致、无闪烁、细节经得起放大。

第三个测试是纯前端创意：为小型服装网店构建最有创意的管理后台。Argon 用时约三分半，Opus 用时约十七分钟。Argon 的产出“不难看”，但只是常规的卡片、聊天框和数据表，缺乏创意。Opus 则把导航做成卷尺，商品挂在布架上、价签低库存标红，新订单像小票一样打印出来，点击商品还能看到尺码、销量和补货提醒。浅色主题甚至用了方格纸和手绘笔记。

在 Bug 修复测试中，Argon 表现不错：不到一分钟就找到了限流器中的缺陷，解释清楚并给出两个正确修复方案。

Gemini 应用、Anti-Gravity 与 AI Studio 的定位差异：Gemini 应用是面向普通用户的对话式入口，提供 Pro 和 Ultra 订阅层级；Anti-Gravity 是 Google 面向开发者的智能体编程工具，强调自主执行和多步骤任务；AI Studio 则是面向开发者的模型试验场，提供 API 调试和原型构建能力。三者功能存在重叠，但订阅权限并不互通——Pro 用户可在 Gemini 应用中使用 Argon，却无法在 Anti-Gravity 中调用，只有 Ultra 用户才能使用 Anti-Gravity。这种权限割裂加剧了产品线混乱，也让用户难以判断该在哪个入口完成工作。

价格陷阱与生态混乱

Argon 目前每 token 价格约为 Opus 的一半，但这只是 introductory price——12 月 1 日起价格翻倍，届时与 Opus 持平。artificial analysis 还发现，Argon 完成同一任务所需的 token 数超过 GPT-6 Astra 的两倍。便宜的单 token 价格，不等于便宜的单个任务成本。

另一个让用户头疼的问题是 Google 产品线的混乱。Gemini 应用、Anti-Gravity、AI Studio 功能重叠，Pro 用户在 Gemini 里有 Argon，却在 Anti-Gravity 里用不了。Google 还曾将 Project IDX 改名为 Firebase Studio 后关闭，Gemini CLI 也在六月对 Pro 和 Ultra 用户下线，由 Anti-Gravity CLI 取代。

Introductory price（介绍性定价）：这是云服务和 AI 模型发布时常见的定价策略，厂商以低于长期水平的折扣价吸引早期用户试用和迁移，通常设有明确的截止日期。Argon 目前每 token 价格约为 Opus 的一半，但官方已注明 12 月 1 日起翻倍，届时与 Opus 持平。这种定价方式容易让用户在对比时产生“更便宜”的错觉，却忽略了价格恢复后的长期成本。更关键的是，单个任务的总成本还取决于 token 消耗量——artificial analysis 发现 Argon 完成同一任务所需的 token 数超过 GPT-6 Astra 的两倍，这意味着即使单 token 价格较低，实际完成任务的成本可能反而更高。评估模型成本时，应以“每任务成本”而非“每 token 价格”为准。

结论：Google 回来了，但能待多久？

Argon 确实让 Google 重新回到了与 Opus 同一场对话中，甚至可以说是 Google 在竞争中的“回归之作”。但它不是最强模型，UI 生成能力和等待体验仍有明显短板，价格优势也只是暂时的。

更值得警惕的是历史模式：Gemini 3 Pro 发布时外界也曾以为 Google 回来了，但之后并未持续缩小差距。Argon 会不会只是 Google 在 2026 年的一次“打卡”，然后等到 2027 年再“回归”一次？这取决于 Google 能否在模型迭代之外，把产品生态的混乱一并解决。

对普通用户来说，最务实的建议来自创作者本人：用自己的真实工作去测试，而不是相信任何一方的图表或别人的 Demo。