实测 Gemini 4 Argon：模型重回第一梯队，但 Antigravity 应用仍落后

先说结论：Gemini 4 Argon 让 Google 的模型重新追上了第一梯队，但没有超越对手，而它的应用 Antigravity（Harness）还落后对手半年到一年，拖累了模型的表现！今天用日常任务简单测试了 Argon 的写作和知识内容组合能力，和 Dan Shipper 的这篇 Vibe Check 感知一致👀 帮大家总结下：

1. 编程：从零开始搭应用又快又好，低推理档就能达到 Opus 5.5 的水平；但审查自己的代码很敷衍，改造复杂的老代码库也很弱（Vibe Check 得分 21%，Claude 和 GPT-6 在 81% – 85% 的对比）需要配上严格的自动化测试，或者让另一个模型来审查；

2. 写作：让它一次写完整篇，文字太密、太难读（可读性约 10.6 年级，其他前沿模型在七到八年级）；但当编辑伙伴来梳理结构、打磨比喻非常出色，Dan Shipper 现在最喜欢用它写作；我觉得 Opus 5 水平均衡，适合表达事实类写作，Gemini flash 文采很好但太飘，Argon 的问题就是啰嗦了；

3. 设计：排名第二，仅次于 Opus 5.5。默认风格太繁杂、堆砌功能，推理档位越高越乱；不过很好调教，给出明确的简报或设计稿就能交出干净的作品；

4. 知识工作：分析和提炼洞察的能力强，做数据仪表盘、写报告时优于 Fable 5.1；但一次处理很多文件时会丢掉细节，查事实时会很自信地答错（这个和代码需要复查逻辑一样）

对于整个公司都用 Google Workspace 的大量用户来说，Argon 是一次巨大的跃升，意味着他们第一次在工作中用上了前沿级别的模型。

对于能自由选择工具的进阶用户，Argon 适合在写作时当结构和思路上的搭档，或者用来快速做原型、出设计，但还不能当主力。

Google 已经补上了模型上的差距，接下来要把应用层也带进 2026 年。官方已经预告了自动安全分类器、云端执行和 max 推理档位，这些更新会决定 Argon 能不能从“回到第一梯队”变成真正可以作为主力的选择🤔