Google 把最贵的前沿模型卖成水电煤：Gemini 4 Argon 全球开放，价格是对手的一半

2026 年 10 月 13 日，谷歌做了一件硅谷很少公开承认的事：它把自己最先进的 AI 模型 Gemini 4 Argon 向全球开发者、企业和消费者开放，同时把价格定到了一个让对手难堪的水平——每百万输入 token 2 美元、每百万输出 token 10 美元，促销期一直持续到 11 月 30 日。

这不是产品发布，这是价格战的宣战书。

在 Vals Index 和 Zapier 的 AutomationBench 上，Argon 以 51.3% 的分数领先 Claude Opus 5.5 的 42.5% 和 GPT-6 Astra 的 41.4%。但谷歌真正想说的不是“我的模型更强”，而是“我的模型更便宜，而且便宜得不讲道理”。按每个 token 计算，Argon 的促销价比 Anthropic 的 Claude Opus 5.5 低一半，比 OpenAI 的 GPT-6 Astra 低约五倍。

这场降价背后是一个更冷的问题：当最前沿的智能开始按水电煤定价，护城河到底还在模型里，还是在管道里？

现象层：前沿能力，商品化价格

Gemini 4 Argon 通过 Google AI Studio 和 Vertex AI 上的 Gemini 平台向全球 API 开放，同时进入 Google Antigravity 里的 Google AI Ultra 订阅、Gemini 应用的 Ultra 和 Pro 订阅，以及 Search 中的 AI Mode。Google DeepMind 高级副总裁兼谷歌首席 AI 架构师 Koray Kavukcuoglu 的表述很直接：“我们正在让开发者、企业、科学家和消费者都能用上 Gemini 4 Argon，这是我们最新的前沿模型。”

这个模型的定位是“深度工作”——编码、金融、法律、网络安全和科学领域里那些需要多步骤、持续推理的任务。谷歌给出的 benchmark 数字很有针对性：

在 Vals Index 上，Argon 排名第一，得分 68.9%，领先 Claude Opus 5.5 的 67.0%。这个指数衡量模型在金融、编码、法律和税务等经济部门的表现，并按各行业在全球 GDP 中的占比加权。在 Zapier 的 AutomationBench 上——这个基准测试多步骤业务流程——Argon 得分 51.3%，领先 Claude Opus 5.5 的 42.5% 和 GPT-6 Astra 的 41.4%。在 Harvey 的法律代理基准上，Argon 得分为 19.6%，而 GPT-6 Astra 只有 5.4%，Claude Opus 5.5 只有 3.8%。在 Vals Finance Agent v2 上，Argon 得分为 65.4%，领先 Claude Opus 5.5 的 58.6% 和 GPT-6 Astra 的 53.5%。

但并不是每个排行榜都讲同一个故事，而这些差距恰恰最有信息量。在 Artificial Analysis Intelligence Index 上，Argon 得分 53，与 GPT-6 Astra 和 Claude Fable 5.1 持平，但落后于 Claude Opus 5.5 的 58、Claude Sonnet 5.5 的 56 和 Meta 的 Muse Wonder Full 的 56。在更难的软件工程基准 FrontierSWE v2 上，GPT-6 Astra 领先 10.5 个百分点，65.5% 对 55.0%。在 Terminal-Bench Science 上，Astra 以 68.1% 对 57.6% 领先；在 Terminal-Bench 4.0 上，Claude Opus 5.5 以 66.4% 对 Argon 的 57.4% 领先。

换句话说，Argon 并不是每个基准上的绝对性能王者。它可能是拥有谷歌渠道背书的最便宜的前沿模型——而对许多企业买家来说，这个取舍正是重点。

上下文容量也大幅扩张：Argon 最多可以输出 100 万 token，而上一代只有 6.4 万。这一变化针对的是重构大型代码库、起草法律文件或运行扩展科学分析这类长周期工作流。缓存输入 token 打九五折，降至每百万 0.10 美元——这种结构奖励的正是企业 agent 反复引用同一批文档、代码库和手册的使用模式。这个定价表不只是便宜，它是围绕 agent 工作流量身定制的。

分析层一：为什么这是结构性重置，而不是促销

核心问题是：Argon 的定价是临时诱饵，还是对前沿智能成本的结构性重置？证据指向后者。

谷歌的促销价确实是有时限的——2026 年 11 月 30 日到期。但到期后恢复的标准价，即每百万输入 4 美元、每百万输出 20 美元，仍然与 Claude Opus 5.5 的标价持平，并远低于 GPT-6 Astra 的 10 美元和 50 美元。促销砍价是鱼钩，标准价才是信号。谷歌在传递一个信息：它可以以接近最接近的高端竞争对手一半的价格盈利地运行前沿工作负载，因为它拥有模型之下的整条栈：TPU、数据中心，以及 Google Cloud 里的客户关系。

这就是平台拥有者的打法。纯模型实验室必须定价以收回第三方算力成本和投资者预期。谷歌可以定价以填满产能、交叉销售 Cloud 额度，并把企业锁进一个模型只是众多账单项之一的更大生态。这种不对称是结构性的，不是周期性的——它不会自行逆转。

这种信心背后的经济学在 Alphabet 的硅策略里清晰可见。Google Cloud CEO Thomas Kurian 说过，谷歌的 AI 服务器在两年内就能收回成本，而其定制 TPU 的回收时间大约只有那一半。如果这些回收周期成立，每一代自研芯片都会降低服务一个 token 的边际成本，让谷歌有空间在保持利润率的同时下调标价——并迫使依赖商用 GPU 的竞争对手跟进或丢份额。

在谷歌内部，生产力案例已经用硬数字被论证。在 Antigravity 中使用 Argon 的软件工程师，agent 代码提交量增加了 35% 以上，同时代码回滚减少了近三分之一。Chrome 团队用 Argon 解开了 Chromium 4000 万行代码库中一个约 600 万行的遗留功能文件夹，在几周内完成了跨数百个文件的架构重构，否则这需要几个月。对一个拥有数十亿用户的浏览器来说，谷歌称这解锁了在标签页、侧边栏和浮动窗口之间流畅移动活动网页而无需重新加载的能力。

分析层二：护城河从模型迁移到管道

一阶故事很简单——一个定价更好的模型。二阶故事对投资者更重要：当前沿模型在能力上趋同，竞争护城河从模型本身迁移到包裹它的渠道和基础设施。

Alphabet 的第二季度财报说明了为什么这很重要。营收同比增长 24% 至 1198 亿美元，Google Cloud 营收加速增长 82% 至 248 亿美元，超过市场共识的 224.6 亿美元。Cloud 营业利润从一年前的 28.3 亿美元跃升至 88.1 亿美元，增幅超过两倍。订单积压达到 5140 亿美元，环比增加超过 500 亿美元，其中略超一半预计在 24 个月内转化为收入。企业采用也在扩散：接近 90% 的财富 100 强企业已经在使用 Gemini Enterprise。

但资本支出指引也上调到了 2026 财年的 1950 亿至 2050 亿美元，高于此前 1800 亿至 1900 亿美元的范围。当季资本支出就达到了 449 亿美元，约为去年同期 224 亿美元的两倍。

这里有一个投资者正在消化的矛盾：谷歌一边把模型价格砍到对手的一半，一边把资本支出指引抬到历史新高。如果智能的价格持续下跌，这些 AI 基础设施支出还能继续获得回报吗？

答案可能藏在单位经济学的另一侧。谷歌的赌注是，降价带来的量会超过单价下跌的损失，而自研 TPU 的折旧曲线会让边际成本下降得比价格更快。这是一场用规模换时间的游戏——在折扣到期的 11 月 30 日之前，尽可能多地锁定企业工作负载，把它们变成 Cloud 里的长期消费。

结论层：谁会赢，谁危险

对 Anthropic 和 OpenAI 这样的纯模型厂商来说，Argon 的定价是一个结构性挤压。它们必须定价以收回第三方算力，而谷歌可以定价以填满产能。如果前沿模型的能力差距继续收窄——而 benchmark 显示这种收窄正在发生——那么企业买家的决策就会从“哪个模型最强”转向“哪个模型的总拥有成本最低、集成最省事”。在这两个维度上，谷歌都有优势。

对开发者而言，窗口期很明确：在 11 月 30 日之前，Argon 的促销价提供了一个低成本试验前沿 agent 工作流的机会。但真正的战略问题不是现在用不用 Argon，而是你的工作负载是否会被锁定在某个云生态里。

对投资者而言，关键观察点不再是模型 benchmark 的输赢，而是三个数字：Google Cloud 的积压订单转化率、TPU 的自给率，以及资本支出增速何时开始放缓。只要这三条线还在往有利方向走，谷歌的价格战就还有弹药；一旦资本支出继续攀升而单位经济性开始恶化，市场就会重新审视这场豪赌。

AI 战争的胜负，从来不在于谁的模型在榜单上多拿几分，而在于谁能把智能做成水电煤，还能在每度电里赚到钱。谷歌押上 2000 亿美元资本支出买的不是模型领先，而是定价权——当最前沿的智能变成 commodity，护城河就从算法迁到了账本。