谷歌 Gemini 4 Argon 全球开放：重构代码与机器人

据 Woofun AI 消息，于 10 月 13 日正式将 模型向全球开发者与企业开放，标志着其战略重心从单纯的内容生成转向复杂任务的全流程交付。此次发布不仅涵盖了通过 、 及 等平台的广泛接入，更向符合条件的 和 订阅用户开放了应用及搜索中的 AI 模式体验。相较于 10 月 1 日的有限开放，本次全球上线的核心价值在于谷歌披露的一系列实证案例，旨在证明前沿模型的价值已超越回答问题或生成代码的初级阶段，转而聚焦于能否接手并串联多个环节，最终交付具备实际使用价值的结果。

在内部工程重构与性能优化方面，谷歌首先以自身庞大的工程项目作为检验 Argon 能力的试验田。数据显示，已有超过 10 万名员工通过 内部版本使用该模型，在过去四周内，工程团队的智能体代码提交量激增 35%，而提交后的代码回滚率则下降了近三分之一，这一显著的效率提升直接反映了模型在代码质量把控上的进步。 团队的重构项目尤为典型， 代码库规模高达 4000 万行，其中包含一个约 600 万行的遗留代码目录，该目录长期混杂着多种浏览器功能并与核心网页处理逻辑紧密交织。Argon 协助团队成功将核心功能从遗留代码中剥离，完成了涉及数百个文件的架构重构，将原本预计需要数月才能完成的工作压缩至几周。

此外，谷歌开源的 （）团队也进行了类似尝试，通过向 Argon 提供规则手册和优化目标，要求其在确保现有应用稳定性的前提下减少框架开销。经过一夜运行，模型提出的改动使长会话的内存准备时间减少了 40%，冷导入速度提升了 21%，相关代码已合入公开的 代码库。在底层模型优化层面，Argon 将 在单张 A100 上的推理吞吐量从每秒约 3.79 万个 token 提升至超过 10.8 万个，增幅约为 2.85 倍。谷歌指出，优化后的输出保持一致，整个过程仅耗时几天，主要涉及注意力调优和推测解码等技术环节。这些案例共同揭示了一个关键趋势：模型正深度参与从代码理解、架构调整到性能优化和问题排查的完整工程流程，而非仅仅遵循指令生成代码。

Woofun AI 整理数据显示，视觉生成与跨平台游戏移植案例进一步拓展了 Argon 的应用边界。在三维建模领域，谷歌展示的案例中， 4 Argon 通过 Antigravity 中的多代理视觉批判循环，在 中自主构建了一组高度精细的寺庙建筑群，包括多座建筑、植被和复杂光照，呈现出接近照片的视觉效果。

X 用户@ 分享的《心灵杀手 2》移植案例，则展示了 Argon 在跨平台工程中的强大能力。他称，模型协助将游戏从 x86 Windows 环境移植到原生 macOS Arm64 环境，涉及指令转换、Rust 绑定和 Metal 着色器转换，项目在 M3 Ultra 上达到了每秒 140 多帧的流畅运行效果。

大型代码库检验的是 Argon 处理复杂软件系统的能力，而机器人项目则考验模型能否理解真实世界中的空间关系和物理交互，并将这种理解转化为可执行的程序。谷歌展示的 项目正是围绕这一问题展开，Argon 可以观看真实机器人遥操作视频，构建对应的数字孪生环境，并获取或生成仿真资产，使物体不仅外观接近真实对象，在与灵巧机械手接触时也能呈现相似的物理行为。随后，模型通过反复视觉推理调整物体属性和场景设置，让仿真中的视觉效果与接触过程尽可能贴近真实记录。