谷歌的Gemini 4 Argon正式亮相了。
此前被外界认为已落后的谷歌，如今强势回归。
从测试成绩来看，该模型在文本与逻辑推理方面，与GPT-6 Astra和Claude Opus 5.5不相上下。
在定价方面，其成本仅为竞品的五分之一，运行速度却提升了数倍。
更令人瞩目的是，它被视为首个让用户感受到“融合图像、视频、语言乃至物理直觉”的通用物理推理模型。
有用户惊叹：Gemini 4 Argon开始理解物理规律了！
沃顿商学院教授Ethan Mollick的感受是，Gemini 4与其他模型截然不同，而其他模型或多或少都与Claude或GPT存在微妙的相似性。
那么Gemini 4 Argon的实际表现如何？我们进行了亲身体验。
以往测试大模型时，常使用“鹈鹕骑自行车”的SVG作为标准。
但X平台上一位博主将难度提升：他要求Argon利用傅里叶轮转圆来生成一个骑自行车的鹈鹕图像。
他的体验是，Argon对世界有着惊人的直观理解，遵循第一性原理。
我们也用Argon进行了类似测试。令人欣喜的是，它迅速掌握了傅里叶级数逼近闭合曲线的几何本质。
最终，它直接“计算”出了踩踏板的鹈鹕轮廓。
接下来，我们要求它生成应县木塔的3D模型。
初版结果看起来精致，但缺乏震撼力，且并非准确的应县木塔。于是我们提供了提示图。
原本的五层结构，在结果中仅能辨识出四层。
这次生成的3D图效果尚可。
我们进一步要求它制作一个生动的结构解析视频，需具有大片视觉效果。
生成的视频自带中文解说，但仔细听，发音略显滑稽。
近期，笔者沉迷于各种AI科普视频。于是让Argon复现一个印象深刻的AI视频场景——
由机器人带领我们深入深海，还原当年泰坦尼克号的海难现场。
它生成的两个版本视频均只有10秒，无法产出更长的内容。若要求不高，画质已基本可用。
此外，中文配音的口音问题依然存在。
据悉，Gemini 4 Argon已在多个硬核科学领域取得突破，例如完成量子计算、解决核聚变问题、基于染色体重拍诊断罕见病、设计五种高活性新酶等。
那么，我们来实际测试一下Gemini 4 Argon的科学推理能力有多强。
三维恒星器超导线圈与核聚变磁面求解
既然Argon已为核聚变领域的“格拉德猜想”找到新反例，我们直接要求它用纯代码编写一个三维恒星器磁场求解器。
这直接展示了Argon在前沿计算物理与三维微分几何方面的能力：它能将磁流体力学平衡方程与超导线圈的空间拓扑，准确转化为视觉仿真。
接着，我们复刻了X平台上广受好评的“特斯拉三相交流感应电机工作原理”测试。
这体现出Argon具备强大的多物理场（电磁-机械）耦合推理能力。
它生成的演示中，不仅三维机械结构实现了同轴对齐，连右手螺旋定则、三相相位差与洛伦兹力转矩之间的因果链条也精确无误。
遗憾的是，我们原本计划测试更多案例，但作为月费20美元的Pro用户，在测试几个案例后，额度已用尽。
以下内容来自其他网友的测试。
Gemini 4 Argon一上线，各种实测案例便纷至沓来。
对于其3D生成和空间视觉语义推理能力，多数网友给予了正面评价。
网友@Bhavani_00007仅通过一段提示词，Argon便生成了一个逼真的3D图书馆。
他评价道：这是一个性能猛兽！我从未期望任何大模型能达到如此逼真的细节。这很难被超越。
确实，许多网友分享的案例显示，Argon在3D和复杂动态效果代码方面创造力十足。
有人使用Argon结合Nano Banana，仅用three.js从零生成了一架充满未来感的3D武装直升机。
开发者随意要求它“在.html文件里做点酷的东西”，Argon直接生成了四个具备物理效果的视觉特效，看起来非常炫酷。
它甚至能直接复刻《我的世界》。
网友@notjazii耗时19分钟，消耗630万tokens，在Devin中仅花费3美元，就使Argon生成了一个完美的Minecraft克隆版。
还有人要求它生成一座不可能的博物馆。
@pankajkumar_dev测试了3D场景生成后，感叹“它的3D速度和创造力完全是另一个维度的存在”。
Gemini 4的一大优势在于，它与Claude和Astra拥有不同的个性和审美风格。
真正让用户满意的是Argon的极致性价比。
我们来看几组对比。
开发者@marcthecreatorr使用相同的提示词进行测试。
Opus 5.5：耗时30分钟，花费约12.50美元。
Gemini 4 Argon：耗时15分钟，花费约5美元。
结果显示，Argon不仅色彩更丰富、细节更到位，而且速度快了近4倍，成本还不到一半。
另一位开发者@notjazii也得出了几乎一致的结论（Opus 15分钟/8.2美元 vs Argon 13分钟/1.2美元），称赞“谷歌团队这次确实做出了好东西”。
网友@xKaka1456的结果更为夸张。
Astra：耗时25分钟，成本11美元。
Argon：耗时3分钟，成本0.5美元。
速度相差8倍多，成本相差整整22倍。
在视觉基础任务（如目标检测、密集场景、小文本/手写文本/复杂表格提取）上，有网友宣布：“Astra被拉下神坛，Gemini 4 Argon是目前最好的视觉模型，且在High模式下比Astra便宜4倍。”
谷歌在官方博客中如此定位Gemini 4 Argon：一款通用物理推理模型。
它被设计用于打通机器人技术栈中的物理理解、代码生成与视觉语义推理。
在具身推理（ERQA）基准测试中，Argon仅凭纯推理便获得了87%的高分，碾压所有前沿模型。
这意味着，AI可以通过观看视频，直接在现实世界中控制物理实体。
谷歌让Argon观看了一段人类玩“扔沙包”的普通视频。
随后，Argon自行测绘环境，计算全身关节运动，并自主构建仿真代码在虚拟世界中反复练习。
最终，当这些数据被传输到Apollo人形机器人身上时，该机器人在现实测试中连续7次命中目标。
正如大V@StockSavvyShay所言：
如果机器人能从普通视频中学习物理技能，那么谷歌庞大的YouTube视频库，将成为其在物理AI时代无需自行制造机器人便能称霸的最大护城河。