Gemini 4 Argon GA：定价 2/10 美元，能力近 GPT-6 但可靠性存疑
Latent Space · rss · 2026-10-14
Latent Space 的 AI News 周报，核心是 AI Engineer NYC 大会（约 2 万人参加，Anthropic、Vals AI、Coatue 主题演讲）与一周模型动态。
Gemini 4 Argon 正式发布
- 面向编码、知识工作、企业流程与网络防御，通过 Gemini API/App/AI Mode/Antigravity 全线开放；介绍价 $2/$10 每百万 token（缓存输入 95% 折扣），11 月 30 日后翻倍至 $4/$20。
- Google 称 Argon 帮助从 600 万行 Chromium 遗留代码中拆分出网页核心处理模块，把数月工作压缩到数周；内部 agentic 代码提交量 +35%，回滚减少近三分之一（为内部数据）。
- DeepMind 演示 Argon 从人类视频推导 cornhole 仿真，并在 Apptronik Apollo 机器人上调整后连续 7 次投掷成功。
- Cursor 报告 Argon 在 CursorBench 得 52.8%，与 Opus 5.5 相当；Cognition 在 FrontierCode 得 60.5%。
评测：强能力与可靠性缺口并存
- Artificial Analysis：Argon 智能指数与 GPT-6 Astra 持平，每任务成本约其 60%（$1.99）；AA-Omniscience 幻觉率 15%，为 45 分以上模型中最低。
- Arena 排行 Argon High 居第五，落后于 Opus 5.5、GPT-6.1 Sol、Fable 5.1 与 GPT-6 Astra Max。
- 视觉与文档理解突出：Roboflow 报告文本定位 84.7%（Astra 76.8%），成本约为四分之一，延迟 19.6s 对 29.7s。
- 但 Theo 的代码库分析基准上，Argon 虽拿下 Skatebench-private 满分，虚假声称率却超过 50%；Ethan Mollick 也指出其在复杂多智能体执行上偏弱、过度自信——「构建能力强」与「分析可信」是两回事。
Meta Muse Wonder
- 定位超越编码，主打个人助理：Active Focus（任务持续与恢复）与 Active Memory（个人上下文）；Alexandr Wang 称消费级使用是首要方向。
- 订阅昂贵且配额紧：有用户数小时内耗尽 $200 套餐五小时额度，另一人一天用完每周 $200 配额；Meta 承认部署问题并持续修复。MemoryBench 仅测长对话内事实更新，并不证明跨会话持久记忆。
其他
- Artificial Analysis 发布 Decision Index：决策模型（如 Jev 1.13 得 58）在分类与路由上具竞争力，但在知识与推理上弱且常过度自信；Haiku 5.5 Low 得 61 但成本 $184 对 $42 每百万任务。
- ScaleDown 推出分类/抽取/摘要端点，百万 token 输入 $0.05，号称比前沿 API 快 200 倍、便宜 467 倍（厂商口径）。
「公司和人」频道最新
- PostHog 给 devtool 厂商的建议:别问怎么加 AI,要问 agent-first 版本是什么 — edwin · 2026-10-14
- METR 评估报告获认可，Jeff Ladish 呼吁 OpenAI 公开完整日志 — JeffLadish · 2026-10-14
- NVIDIA 成为 Earthshot Prize 创始合作伙伴,为环保项目提供 AI 算力 — nvidia · 2026-10-14
- 数学家澄清：OpenAI "Navier-Stokes" 证明并未窃取两人工作 — analisereal · 2026-10-14
- 美国 AI 公司 DevRel 岗仅 33 个,前置部署工程师一年涨 4 倍 — FinanceYF5 · 2026-10-14
- NVIDIA 加码英国:5 年 2.5 亿美元算力投入 AI Agent 安全研究 — nvidia · 2026-10-14