Argon 放进哪一层，代码先看你用的壳

两周前宣布的 Gemini 4 Argon，这期才放到可以试的位置。主持人先问它能不能在智能体编程上跟别人争。智能体指会自己分步去完成任务的系统。他随即把问法改掉：先看它在一组模型里适合哪一块，再谈要不要换掉每天用的那一个。知识工作的几项榜它站在前面，代码从这一集开头就没有合成一个声音。

原始来源：Where Gemini 4 Argon Fits。中文深度整理，非逐字翻译。本文依据 YouTube 自动生成的英文字幕，专有名词和数字可能有识别误差。

起诉书写到沙特籍员工，公司说权重没有被带走

头条先于模型。周二下午 OpenAI 新闻室写道：办公室里发现一台隐蔽录音设备。他们用自己的模型弄清来源，认定一名员工几天前放的，交给联邦调查局，对方迅速逮捕。司法部投诉文件说，大约两周前，旧金山办公室一间会议室的电视机背面，插着一台伪装进卫生纸的录音设备。那里的会会谈到机密的技术、商业和战略。监控里，Abdul Rahman Alosan 在发现前多次出现在附近，却没有进入这间屋的权限。字幕后又写成 Alphaan、Alpha、Alphazan。他在 OpenAI 大约一年，做智能体产品的工程负责人，之前在 Meta 五年。10 月 5 日他看了电视机后面，被拍到。同一天的包里还有钱包、证件和第二台类似设备。罪名是企图用电子设备截取口头通讯。

投诉还写到，他用生产力工具问过会议室布局、高管位置和对外会议。配偶名下的聊天机器人在发现前一周问过如何做持续录音，也问过和缴获设备对得上的标识。具体问法不复述。

主持人说，沙特国籍把案子从公司间谍抬到可能的国际间谍。司法部称之为潜在国家安全事件。局长名字写成 Cash Patel。投诉称设备用来秘密录下关于超级智能技术的敏感通讯。Jay Clayton 以国家情报总监身份参与，他也是新的政府人工智能特别工作组负责人。检察官名字写成 Craig H. Msikian。这一次卷进来的是名义上的盟友。Scott Steedman 说，据其消息源，此人是 OpenAI 唯一的沙特员工，也是 Raed Ventures 的风险投资合伙人，与 Prince Khaled bin Bader Alsad 共事。王子的父亲被说成情报系统的人，公开身份是驻英国大使。字幕把王室写成 House of Assad。OpenAI 称目前没有迹象表明模型权重、源代码或客户数据被带走。权重是决定模型如何计算的那组数。Chris Magcguire 认为，若与政府协同，之后很难再把前沿模型放在沙特。调查在反间谍部门。主持人补了一句：也存在不指向政府的解释。

名字有好几种写法。情报职务和大使身份并排。政府参与没有被说成已证实。

银行不让代理拿着密码登录

摩根大通准备拦住第三方代理。财报电话上，首席执行官的名字写成 Jamie Diamond：不会让随便一个外部代理进来，失控的代理可能上千。主持人认为他把 Hugging Face 的耸动头条和 Muse、Instinct 这类消费代理混在一起了，政策仍在改。Jeremy Barnum 说，能拦的就拦。发言人对 CNBC 说，第三方拿客户银行凭证代为登录是不允许的；客户授权、经开放银行的共享可以。字幕把连接写成 Agenda。主持人读到的后果是：做预算、找出该停的订阅，也许以后可以；付账单多半不行。银行也不会像赔欺诈那样，为出错的代理兜底。Apollo 的 Thorston Sllock 警告，代理若追更高存款利率，可能引发挤兑。若把这情景当真，0.01% 的平均储蓄利率会让这家银行成为中心。银行自己担心的是乱花钱：Muse 若出去花，他们不退。Bob Sue 写道，风险看对了，修法看错了。要的是有限权限、硬上限，和一个能关掉的开关。

Shopify 走另一头。它先让 Muse 经后端接口浏览和购买，免得承担代理抓网页的托管成本。现在任何代理都能从应用里接上，名单里有 Muse、Town、Hermes、Instinct、Dots。亚马逊、eBay 和摩根大通把客户留在自己的代理里。Salesforce 开放接口，SAP 收紧。谁赢还不清楚。字幕把采用写成 Zion，可以读成听错。

Character.AI 申请破产。2024 年它在 A6Z 消费应用名单上排第三，用聊天机器人做角色扮演。Google 以数十亿美元收走大部分核心人才之后，它仍有过一阵用户。寻求免除的负债在 5000 万到 1 亿美元。诉讼涉及用户自伤，以及模仿医生的聊天机器人；2025 年又撞上迪士尼的未授权角色。迪士尼以 2000 万美元买部分知识产权，并雇了其首席执行官做移交。Colin Adams 的宣誓书：算力每月 1000 万美元，订阅最高的月份 280 万，有的月份不到 100 万。404 Media 据此称人工智能的经济学不成立。主持人不同意这能否定全部消费产品。人们不愿为这一套角色扮演付够钱。Pleometric 说它迷上免费用户的数字，成人内容的审核一直拖着。John Kentman 称它是 pets.com，破产并不等于 Anthropic 是下一家。

0.01% 和破产数字都是转述。Shopify 的名单按字幕。

榜上像前沿折扣，代码口碑裂开

主持人回顾 Google 这一程：曾经落后，又在 2025 年大部分时间和 OpenAI、Anthropic 大致并列，然后几乎错过 2026 年这一波智能体编程。没有 Meta 今年早些时候那么糟。Argon 在九月底宣布时还不能用，很多人把这读成不好的信号。愿意再给它机会的人，只能等能上手的那天。

基本事实按他两周前的复述：全新预训练，今年早些时候 Gemini 3.5 Pro 被取消之后才有它。多大不清楚。Google 把它放在和 Astra、Fable 同一档。知识工作上，Valves 指数、automation bench、Val 的金融代理、Harvey 的法律代理被说成最先进。除了核心 Valves 指数，和竞争者都有一大段差距。Harvey 的法律基准比最近的 Fable 5.1 高 13 分。

代码更混。Deep Suite 上它最先进，比 Opus 55 高几点。Frontier Suite 上离领先的 Astra 大约 10 分。Terminal Bench 4.0 上比领先的 Opus 55 低 9 分。主持人说分差最近变宽了，它落在后面，仍在前沿这一档。Google 自选的智能体科学、网络安全和多模态基准上，它最先进。计算机使用基准 OS World 上，Argon 是 69.2%，Astra 是 72.6%。Astra 那个数字公布时，曾被看成一次范式变化。

Artificial Analysis 给它总分 53，和 Fable 51、GPT6 Astra 并列第四。Muse Wonder Full 和 Sonnet 55 以 56 分并列第二，Opus 55 以 58 分领先。他说现在大约六到八个模型、四家美国实验室，都能声称自己在前沿能打，还要看你怎么放 GPT61 Soul 和 Gro 4.7。接口上 Argon 到 11 月 30 日有五折。那次基准每次任务的成本被说成 199，接近 GLM 53，比多数前沿对手便宜，61 Soul 除外。补贴结束后它会比 Astra 贵，大约仍是 Anthropic 价格的三分之二。只看数字，他把它收成打折的前沿模型。

13 分、9 分、69.2% 和 53 分都按这期口播。版本号和榜名可能有识别误差。199 在字幕里没有货币单位。Google 自选的那几项基准，领先是“在它选的题目上”。

同一道找错题，换一层壳分数就跳了

他以为这期真正要回答的是：它会不会写代码。过去一年，代码是 Google 的弱点。有猜测说，正是代码不行，才让 Gemini 3.5 Pro 在夏天被收起来。

Pavl Hurin 的找错测试里，Argon 大约和 MUS Spark 1.3 相当，明显落在 Astra、Fable 和 Opus 后面。他仍写：比 Gemini 38 Flash 好很多，Google 看起来回来了。Railway 的 Noah Dunigan 说它对真实代码没用，并认为 Google 放弃了编程竞赛，转去瞄准知识工作者。Theo 在代码库分析上看到，这是唯一一个错误陈述率超过 50% 的模型。Dan Shipper 写道，高级工程师基准上它是 21%，远低于 Soul 6，也低于 Muse。Max Weinbach 回复：要看壳。壳是包着模型、让它改代码的软件。他不喜欢 Antigravity，在 cloud code 和 open code 里则很好。有人指出，放进其他壳按条款算违规。Rishi 说用了几十亿 token 之后，Gemini 4 大致等于 Opus 4.8。

差异有一部分在订阅档。专业版只能在 Gemini 那层壳里用 Argon。命令行还在，Antigravity 是另一层，被比作 Codex 或 Claude Code。要在里面用 Argon，得升到 Ultra。Pavl 的名字后文写成 Pavlur。他改用 Antigravity 的命令行重跑，分数从好用变成前沿，非常接近 Opus 55 Max。他跑了三次，没料到壳会差这么多。Marcelo P. Lima 有 Workspace 账号，个人才能付 100 美元加购 AI Ultra，他得去找销售。他建议让 Argon 自己写一个能买到附加包的页面。

主持人认为，若差的是安装方式，对 Google 是好消息，因为智能体编程仍然重要。他又补了一笔自己的账：Google 大约错过了八个月的代码模型，也大约错过了八个月的壳的界面。

21% 是 Dan 在这期被引用的数字。Opus 55、Opus 4.8 和 Opus 55 Max 同时出现，节目没有把它们收成同一个版本。条款违规是“有人指出”，不是这期做的法律结论。Pavl 和 Pavlur 可以读成同一人，字幕没有写明。

贴图会漂，也有人做出十七万个面

多模态一直是 Google 的强项，视频和三维也更容易占住注意力。Dennis Sabis 做的现代战斗象棋被说成像 3A 游戏。Cheddlua 被一座塔和寺庙群击中，有多个角度和完整行走。别人指出那是一次很大的多智能体运行，会很贵。Ethan Mollik 做出自己用来试模型的 imminence 游戏，视觉同样强。后文的 Ethan Malik 可以读成同一个名字。

Max Techno 的体验相反。Argon High 跑一台能换角度的三维车，车身比 Opus 55 更接近参照，颜色发灰，贴图在漂，车库太简单，界面停在 2024。他怀疑模型在被热议的公开测试上训练过。火箭、鹈鹕和体素那种测试它行，一到要创作，就交出废物。有时 Solen Sonnet 看着更好。

主持人想起自己谈 Astra 时的说法，字幕有一处写成 Astro。那种模型要人去做完全不同的一类事。对 Argon 印象最深的人，多半在做动态的多模态、更难的或科学上的用法。FA for AI 写道，它对世界有一种自然的理解，很多事能从基本原理做起。Bonx 的未来感武装直升机用 3JS 写成，画面由程序生成，来自 Argon 和 Nano Banana 的多轮迭代。Justine Moore 让它做苹果电脑的互动博物馆，没有提供图片或数据。它自己抓档案照片，写了清洁图片的工具，拉了五十年规格，界面会随年代变。Websim Sera 说，这是第一个让他同时感到图像、视频和语言的模型。一位开发者只给了一张哥特维多利亚马车的图，得到约 17.4 万个面：门能开，窗有铰链，轮子有物理和悬挂，灯笼会闪，还有雕出来的头骨。全是代码，没有用 Blender。

马车站在开发者的帖子里。塔和寺庙被别人标明不是一次生成。Max 的车和这些演示都在这期，没有被收成一边倒的结论。

写作是他愿意单独打开的那一块

Ethan Malik 写道，用了 Gemini 4 会发现，不少别的模型像是在蒸馏 Claude 或 GPT。它的感觉相当不同。Theo 承认这是很大一跳，价格也值，同时说它仍会定期做出奇怪的事，他完全不能信任。Kavish Krishna Kumar 写了一天代码，才想起这一系的习惯：把代码排成某种结构，加上整齐的一行评论。他看着舒服，还不确定能不能跑。

Google DeepMind 的通用人工智能经济学负责人 Alex Emos 认为，前沿上多样的输出被看轻了。写作、品味、代码和背景颜色都有签名。他说 Gemini 4 完全是另一个。信号若都相关，就会脆弱，也会变成套话。这是机构里的人在说话。

Dan Shipper 写出最接近日常用法的一段。他本想看到基准就批评。Every 六个人用了一周，覆盖代码、写作、设计和知识工作，结果比预想好。公司若活在 Google 生态里，这是一次突破；在模型之间跳着试用的人，可以把它当某些任务的第二选择。重构不稳，新应用做得快，已有代码库里会在自我检查上抄近路。壳被他说成 2026 年的模型关在 2025 年的壳里。Antigravity 比 cloud code 和 Codex 落后六个月到一年，缺少云环境、SSH、内置浏览器和聪明的权限检查。人要么不停点弹窗，要么打开不加限制的 turbo。写作则是他的新搭档。DeepMind 请职业写作者用红笔清套话，他说有效。他用它解开结构、磨尖比喻。结构和细的解释，是 Astra 和 Opus 那里缺少的手感。他白天仍开着 ChatGPT 和 Claude，需要编辑时换到 Gemini 4：难文章的结构、一个比喻、或细读一本书。也用在当场一起写、省力的原型，以及能被引导的界面。最好走 Cursor 或接口，绕开 Antigravity。模型好到迫使人忍受一个坏壳，本身就说明了什么。

主持人说，若 Dan 的写作结果站得住，就值得花时间。Argon 该放在哪，他到结尾仍不确定。写作足够让人去试。也可以去做更难、更怪的事，或等别人先做、他再讲哪些管用。他高兴的是十月中这个周三，Google 和 Meta 都回到了模型竞赛里。

六个人一周，是 Dan 的原话。红笔清套话是否“有效”，也是他的判断。主持人把“放在哪”留成还不确定。