模型指南
Gemini 4 Argon:物理推理、实测方法与 Agent 接入
Argon 已开始公开推送。看懂 3D、视频和机器人演示的边界,再用可验收的小任务评估它,并配置 Hermes Agent 或 OpenClaw。
Gemini 4 Argon 是什么?谁能用?
Google 的 10 月 13 日公告将 Argon 从 9 月的 Fairwind 预览扩展到公开使用,面向推理、软件工程与专业知识工作。Fairwind 仍是单独的网络安全项目,已经不是唯一的访问入口。
| 使用入口 | 官方公布的访问方式 |
|---|---|
| Gemini App、搜索 AI Mode | Google AI Pro 或 Ultra;以账号可用性和额度为准 |
| Google Antigravity | Google AI Ultra |
| Gemini API | 付费 API 层级,单独计费 |
| AI Studio 模型体验 | Ultra 订阅者访问;开发者可通过付费 API 构建 |
聊天界面里看到 Argon,不代表机器人使用的 API 已获得同样权限。需要分别确认 Key 的访问范围、提供商路径和 Agent 版本。
「物理推理」到底体现在哪里?
Google 的机器人开发文章报告 Argon 在具身空间推理 ERQA 基准上取得 87%。演示把视觉观察、仿真代码和机器人动作连接起来,包括草图转 MuJoCo 场景,以及仿真中的十二球称重任务。这是厂商在特定工具与条件下报告的结果,不能直接推断所有现实环境中的控制可靠性。
对 Agent 用户更实用的思路是:把观察转成模型,执行一个范围明确的实验,再核对结果。动画好看只是一个指标,几何、单位、约束和求解器输出需要独立验收。
怎样读你分享的 3D 与视频实测?
你分享的新智元实测报道展示了傅里叶级数鹈鹕动画、应县木塔重建、泰坦尼克号短片和科学可视化。这些适合作为测试选题,本页没有亲自复现。报道也提到木塔层数不一致、视频较短和中文发音问题。
官方模型规格列出多模态输入与文本输出。Argon 可以生成代码、计划和工具调用,驱动 Blender、浏览器渲染器或独立视频、语音模型。完整工作流产出带解说的短片,不等于 Argon API 原生输出视频或声音。
网上的成本和耗时对比还受执行环境、推理档位、缓存和重试影响。比较时统一任务、素材和验收条件,保留失败尝试,不能只挑最漂亮的一次结果。
三个可以自己复测的任务
以下是本页编写的评估提示词,没有实测成绩。使用临时工作目录,准备浏览器或渲染器,保存源码,并要求模型提供实际运行证据。
1. 傅里叶动画:验证数学实现
生成一个独立 HTML canvas 演示,用离散傅里叶系数和旋转圆
逼近闭合的「鸟骑自行车」轮廓。提供 10、30、100 个谐波选项、
暂停和重置。解释采样、系数计算与重建公式,并显示各档重建误差。
不使用外部素材。检查谐波数量是否真正改变重建路径、暂停是否停止时间,以及解释和代码是否一致。只有装饰性旋转圆、没有傅里叶系数,不算通过。
2. 参考图转 3D:验证结构还原
根据附件中的木塔参考照片生成可交互的 3D 模型。
先列出可见楼层数、屋檐层数、对称关系和无法确定的尺寸,保留这些数量。
添加环绕相机和构件标签,列出假设,并将成品与参考图逐项比较。
保存源码与截图,明确说明未能还原的部分。分别数楼层和屋檐、比较轮廓、检查背面,并实际操作相机。建筑看起来合理,与符合参考图,是两个不同的验收条件。
3. 物理仿真:验证数值结果
制作使用 SI 单位的抛体运动演示,可调初速度、角度、重力和固定时间步长。
显示位置与速度;将无空气阻力轨迹和落地时间与解析公式比较。
提供重置、暂停,报告最大数值误差,并说明哪些视觉效果只是装饰。先与已知解析解比较,再将时间步长减半检查收敛。真正的核聚变研究求解器,还需要超出浏览器演示的专业验证。
API 价格、思考费用和百万 token 限制
下表是 10 月 13 日核实的 Google 标准 API 报价。托管、聚合提供商和独立媒体工具按各自条款计费。
| 每百万 tokens | 截至 2026 年 11 月 30 日 | 2026 年 12 月 1 日起 |
|---|---|---|
| 未缓存输入 | 2 美元 | 4 美元 |
| 输出,包含思考 tokens | 10 美元 | 20 美元 |
| 符合条件的隐式缓存命中输入 | 0.10 美元 | 0.20 美元 |
10 万未缓存输入 tokens 加 2 万计费输出 tokens(含思考),首发期的 token 费用为 0.40 美元,之后为 0.80 美元。整项任务还要累计多轮调用、重试与工具费用。
输入和输出共享 1,048,576 tokens 窗口,默认同步输出上限为 65,536。更长生成需要 long decode 与 continuation,输入会减少剩余输出空间。续写还会重新读取已有内容,因此计费输入总量可能大于唯一上下文大小。
官方迁移指南提供 low、medium、high 三档思考,默认 medium;支持隐式缓存,不支持显式缓存对象。依赖超长输出之前,确认当前安装的适配器具备这些能力。
自托管 Hermes Agent 接入
当前 Hermes 上游文档已将 Argon 列入原生 gemini 提供商。将你自己的 GEMINI_API_KEY 或 GOOGLE_API_KEY 存入 ~/.hermes/.env,运行 hermes model 选择 Google AI Studio,或将以下设置合并到 ~/.hermes/config.yaml:
model:
provider: gemini
default: gemini-4-argon
base_url: https://generativelanguage.googleapis.com/v1beta随后开启新会话。这里使用原生 ID,不加 google/ 前缀。上游适配器文档已描述 continuation 支持,较旧打包版本可能缺少实现。工具调用或长回复失败时,按 Hermes Gemini 指南核实安装版本。
自托管 OpenClaw 接入
OpenClaw 上游 Google 提供商文档支持 API Key 引导与模型发现。让 gateway 进程从 ~/.openclaw/.env 读取你自己的 Key,然后查看目录:
openclaw onboard --auth-choice gemini-api-key
openclaw models list --provider google如果你的 Key 和安装版本可以访问 Argon,将以下选择合并到 ~/.openclaw/openclaw.json,保留其他已有设置:
{
"agents": {
"defaults": {
"model": { "primary": "google/gemini-4-argon" }
}
}
}OpenClaw 的模型 ID 带提供商前缀。模型能列出来,不等于完整工具循环和 long decode 都已验证;迁移自动化之前,按 OpenClaw Gemini 指南完成提供商配置并逐项评估。
托管实例:以实际模型菜单为准
本站 Hermes 和 OpenClaw 实例使用共享模型选择器。在 Dashboard 打开机器人模型菜单,搜索 Argon 并查看计费路径。Google Key、聚合提供商 Key 和平台 credits 使用不同凭据与费用。
托管目录可能小于上游目录。我们尚未验证托管实例上的 Argon 推理,本页不承诺每个机器人现在都能选到它。若菜单没有 Argon,先保留正常工作的模型;手动修改 ID 不能证明兼容性或权限。
- 记录模型、提供商、推理档位与 Agent 版本。
- 先测试有明确答案的小任务,再测试一次范围有限的工具调用。
- 多跑几次,比较质量、耗时和全部计费 tokens。
- 迁移已有自动化之前,保存原模型设置方便恢复。
信息来源与更新时间
本页更新于 2026 年 10 月 13 日,依据 Google 公开发布公告、机器人演示、模型规格、API 价格、迁移文档、Hermes 上游与 OpenClaw 上游。你提供的中文报道属于二手评测,其快照显示北京时间 10 月 14 日发布。
Gemini 4 Argon 常见问题
Hermes Agent 现在支持 Gemini 4 Argon 吗?
当前 Hermes 上游文档已列出 Argon,可使用原生 gemini 提供商、模型 ID gemini-4-argon 和你自己的付费 API Key。托管实例可能运行较旧版本或采用较小的模型目录,切换前以实际模型菜单为准。
Google AI Pro 包含 Argon API 和 Antigravity 权限吗?
Google 公告列出了 Pro、Ultra 在 Gemini App 和搜索 AI Mode 中的访问;Antigravity 列出的是 Ultra。API 使用单独的付费层级和计费,消费者订阅不能当成 API 额度。
Argon 能直接生成视频、图片和中文语音吗?
Argon API 接受文本、图片、视频、音频和 PDF,输出是文本。它能写渲染代码、规划步骤或调用工具;成片、图片与语音还需要渲染器或独立生成模型。
Gemini 4 Argon API 多少钱?
Google 标准 API 首发价为每百万输入 tokens 2 美元、输出 tokens 10 美元,持续到 2026 年 11 月 30 日。12 月 1 日起为 4 / 20 美元。思考 tokens 按输出计费,具体提供商与工具费用需另行核实。
输入和输出各有 100 万 tokens 吗?
两者共享 1,048,576 tokens 窗口。文档列出的默认同步输出上限为 65,536,更长生成需要 continuation 协议;输入会占用同一窗口中的空间。