实测 Gemini 4 Argon：知识工作强劲但体验糟糕，卡兹克称难撼 Claude Opus 5.5 与 GPT-6 Astra

2026-10-14

Gemini 4 Argon 于 10 月 13 日全面开放，Pro 会员可在 Gemini APP 中使用，Antigravity 需要 100 美元的 Ultra 会员。

作者实测后认为，它的知识类专业能力强，Vals Index 综合排名第一（68.9），单次成本仅 15.68 美元，但 CUA-bench 只有 4.83%，排名倒数第二；前端效果不及 GPT-6 Astra，额度消耗快，中文写作味道重，整体体验糟糕，不建议订阅 Ultra。

Gemini 4 Argon 于 10 月 13 日全面开放，Pro 会员可在 Gemini APP 使用，Antigravity 需 100 美元 Ultra 会员。实测显示它知识类专业能力强、Vals Index 综合第一且单次成本低，但 CUA-bench 排名倒数第二、前端不如 GPT-6 Astra、额度消耗快、中文写作有机器味，整体体验糟糕，不建议订阅 Ultra。

这是什么信号：Gemini 4 Argon 在 10 月 13 日全面开放，Pro 会员即可在 Gemini APP 内使用，而 Antigravity 被放在 100 美元 Ultra 档位之后。一条实测给出的结论很割裂：知识类专业能力拿得出手，Vals Index 综合第一（68.9），单次成本只有 15.68 美元；但 CUA-bench 仅 4.83%、排倒数第二，前端效果不如 GPT-6 Astra，额度消耗快，中文写作“味道重”，整体体验被评为糟糕。

为什么重要：这组数据说明的并非“谁更强”的简单排序，它反映的是模型能力正在分化为不同的部分。知识密集型任务（检索、写作、分析、专业问答）上，Argon 已经具备成本和分数双重优势；但一旦涉及计算机操作类任务（CUA），它几乎掉到队尾。对使用者来说，这意味着“换模型”不能整体切换，必须按任务类型分层选型。同时，评测者明确表示它难以撼动 Claude Opus 5.5 与 GPT-6 Astra，说明头部位置的竞争还没有真正松动。

对谁有价值：第一类是已经在付 Pro 会员费的人，Argon 是可直接试用的增量能力，不需要额外成本；第二类是做知识类工作流（资料整理、长文写作、专业问答、分析报告）的团队，单次 15.68 美元的成本结构在大批量调用时是实打实的差异；第三类是正在评估是否升 Ultra 的人，这篇实测给出的答案是否定的，理由不在于能力不足，而在于额度消耗快与 Antigravity 的档位门槛。

可以怎么行动：把 Argon 放进“知识类专业任务”的首选池，但仍保留 Claude Opus 5.5 / GPT-6 Astra 作为前端与复杂交互类任务的默认项；对 CUA 相关场景暂时不要迁移，4.83% 的分数不足以支撑生产可用性判断；中文内容生产先做小样本比对，实测反馈中文写作“味道重”，直接上线容易产生风格问题；Ultra 订阅决策建议延后，先用 Pro 档跑通真实用量，再算额度消耗速度是否划算。

风险与限制：以上结论来自单一评测者的实测，样本与方法未公开，Vals Index、CUA-bench 的具体口径也不在信号中，分数高低不等于你的场景表现。成本 15.68 美元是单次口径，实际花费会随用量与额度消耗速度放大。另外，“体验糟糕”“中文写作味道重”属于主观判断，不同任务类型下的感受可能相反。把它当成分层选型的参考之一，而不是替换现有模型的唯一依据。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 mp.weixin.qq.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《实测 Gemini 4 Argon：知识工作强劲但体验糟糕，卡兹克称难撼 Claude Opus 5.5 与 GPT-6 Astra》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。