Argon 現在開放了，工程與日常文字工作各能期待什麼？
先確認你用得到的入口，再按任務驗收。ADK 有可查的工程修改與人類刪減；日文使用者則更在意可讀性、指示遵循與用量。這些成果與偏好不能換成一張總排名。
整理範圍 10/14新增官方工程案例與一位日文作者，另保留四位早期作者的作品／工程觀察。Argon已公告公開推出；舊案例仍是當時受限存取回報，未重新查核或重跑。
依使用情境決定
想讓代理處理既有工程的人
把維護慣例與測試放進目標，保留人類review；分開框架準備、模型等待與完整任務耗時。
ADK只保留六提案中的兩項；首次請求沒有因import變快而改善。
案例：ADK：六個工程提案，人類 review 留下兩個 · 來源：Google Cloud：11小時 ADK 效能優化與人類 review · 來源：ADK commit 1754b3e：公開修改與五項測量 · 來源：Google：Argon 正式開放與不同方案入口
主要做文字閱讀與知識互動的人
用自己的語言與資料檢查可讀性、指示遵循和用量；先確認Pro的產品入口。
こま玉川偏好Opus可讀性，但深度未感到大差距；這是個人自報，沒有費用測量。
案例：日文互動：相同知識與 Skill，作者偏好 Opus 可讀性 · 來源：こま玉川：相同知識與 yomiyasu 1.1.2 的日文互動 · 來源：こま玉川：Pro 用量與非寫碼用途的後續 · 來源：Google：Argon 正式開放與不同方案入口
關注長時間程式工程
可以透過已公告的入口測自己的任務；舊榜單只保留方法與歷史版本。
FrontierSWE 的長任務資料較能回答這個問題；車輛畫面不會推翻整套工程評測。成本仍受非生產快取設定影響。
案例：工程評測者：有進步，也常自我批判 · 來源：Proximal — FrontierSWE V2 原始榜單、成本與快取註腳
想生成遊戲、互動 3D 展示
先看細節與互動錯誤，別拿總榜代替作品驗收。
車門方向、材質細節與傳送門效果是不同驗收項目；Mirochill 也喜歡割繩遊戲。noclipepe 偏好 Opus 的美術，同時描述 Argon 的傳送門效果。結果依任務與品質面向變化，尚缺同設定多次比較。
案例：割繩遊戲喜歡，車輛細節失望 · 案例：一次生成 3D：比較的是 Opus 5，不是全體寫碼能力 · 案例：Portal 類遊戲：Opus 的材質偏好，Argon 的傳送門描述
來源圖片
從案例看出什麼
40%是框架準備，首次請求沒有變快
ADK提交把50／150內部回合後的準備從64→36、200→122毫秒；158個內部回合整段65.6→56.1秒。import快21%，冷程序首次請求仍3.07→3.09秒。保留的兩項修改有收益，但不是「Argon推理快40%」。
案例：ADK：六個工程提案，人類 review 留下兩個 · 來源：ADK commit 1754b3e：公開修改與五項測量
跑過公開測試，還需要人類減掉風險
第二輪草稿跑過16,892個公開測試，卻因移除模組匯入讓25個Google內部測試目標失敗。後來改用lazy accessor保留可patch的屬性；文章未另報這25項的修補後重跑結果。人類留下六提案中的兩項，並整合早期改動。
案例：ADK：六個工程提案，人類 review 留下兩個 · 來源：Google Cloud：11小時 ADK 效能優化與人類 review · 來源：ADK commit 1754b3e：公開修改與五項測量
同一作者的文字偏好與用量感受，不能當兩份測試
こま玉川給兩模型相同知識、用同一版本yomiyasu，偏好Opus的日文可讀性與Skill遵循，卻未感到很大深度差。他之後談Pro消耗，是同一體驗後續；沒有可查數據，不能由此推算哪個模型較省錢。
案例：日文互動：相同知識與 Skill，作者偏好 Opus 可讀性 · 來源：こま玉川：相同知識與 yomiyasu 1.1.2 的日文互動 · 來源：こま玉川：Pro 用量與非寫碼用途的後續
看似矛盾的評價，衡量的其實是不同產出
wh 的進步觀察來自長程式評測；spicylemonade 抱怨一次生成的高細節 3D 場景；Mirochill 喜歡割繩遊戲，卻覺得車輛只做到最低限度。把它們拼成「大家說很強／很弱」會丟掉真正資訊：你要的是修好工程問題，還是一次做好看又完整的作品？
案例：工程評測者：有進步，也常自我批判 · 案例：一次生成 3D：比較的是 Opus 5，不是全體寫碼能力 · 案例：割繩遊戲喜歡，車輛細節失望 · 來源：Proximal — FrontierSWE V2 原始榜單、成本與快取註腳
美術偏好與傳送門效果，要拆成兩項驗收
noclipepe 的標題強烈偏向 Opus，但正文仍描述 Argon 做出明亮測試室、可以透過傳送門看見自己；他喜歡 Opus 的地板材質、細緻槍身與光線。這提供兩個具體檢查項目：場景細節、傳送門的互動效果。原預覽能看外觀，功能部分則是作者自報；沒有完整提示與同條件重複結果，尚不能把這組偏好換成整體模型排名。
門開錯方向，比「不如 Sol」更有用
Mirochill 已補出車輛提示，要求真實比例、可進入／駕駛、合理轉軸與高細節。其回報的車門方向錯誤，對應可查的驗收要求。但沒有重試次數、統一對照或呼叫證明，不能從此估計模型錯誤率；他對其他未展示測試的概括也只算自述。
自我批判是過程訊號，成功修正才是成果
評測者貼出的摘要顯示代理會察覺自身錯誤，這有助於理解它的工作風格。圖片沒有後續修正結果，因此不能宣稱反思必然提高可靠性。對想用它做長任務的人，真正值得追的是可重現的最後 diff、測試與完成率。
案例：工程評測者：有進步，也常自我批判 · 來源：Proximal — FrontierSWE V2 原始榜單、成本與快取註腳
長時間程式任務：Argon 對 Opus 5.5
| 指標 | Gemini 4 Argon | Claude Opus 5.5 |
|---|---|---|
| mean@5 得分（%） | 55 | 62.3 |
| 平均每回合費用*（USD） | 129.36 | 98.87 |
| 平均每回合時間（小時） | 10.6 | 14.2 |
* Argon 為非正式生產設定，快取命中率較低；這份成本不能直接代表正式上線後的費用。Argon 的 worst@5–best@5 為 44.5–64.3%，Opus 為 52.0–71.5%；區間是每題最差／最好回合的平均，不是統計信賴區間。時間較短也可能含提早停止，不等同輸出速度較快。這只是此套任務，本站未重跑。
個案紀錄：任務、結果與限制
ADK：六個工程提案，人類 review 留下兩個
Google Cloud ADK 團隊 · 發布 · 查閱 10/14 16:34（台北）
- 任務
- 優化既有 Python 代理框架，不改變公開API與模型收到的請求。
- 設定
- Argon／Antigravity，第二輪加入 .agents/skills 與 /goal，作者自報11小時；較早無自訂指示的一輪約2小時。未公開token、帳單與硬體。
- 結果
- 人類 review 六提案後留兩項。公開提交：50／150內部回合後，框架準備由64→36、200→122ms；158個內部回合整段65.6→56.1s，import 1.22→0.97s，新程序首次請求3.07→3.09s。
- 限制
- 即時假模型／假工具測框架開銷，6–12次中位數；前兩項關閉GC。適用記憶體session，外部DB不直接受惠；不是模型推理或一般聊天速度。
- 與產品的關係
- Google 員工以自家模型優化自家ADK；非第三方獨立重現。
- 證據類型
- 已讀工程原文與公開提交、原測量圖；提交可查，原始計時run與完整私有review未取得，本站未跑。
這些變更由 Argon 生成。Google Cloud ADK 團隊 的原話忠實翻譯 · 短節錄
對照原文
Argon generated these changes原始個案：開啟原始貼文／頁面 ↗ · 來源清單：ADK commit 1754b3e：公開修改與五項測量
相關圖片：Google 團隊原圖：假模型／假工具隔離框架開銷，6–12次中位數。冷程序首次請求仍3.07→3.09秒；不是 Argon 回答速度或本站重現。
日文互動：相同知識與 Skill，作者偏好 Opus 可讀性
こま玉川 @koma__06727 · 發布 · 查閱 10/14 16:34（台北）
- 任務
- 給 Argon、Opus5.5 相同知識，使用 yomiyasu1.1.2 進行互動。
- 設定
- 先自報約一小時試用，後續比較閱讀與知識／Skill遵循；未公開知識內容、完整提示、回答對照、題數或精確模型設定。
- 結果
- 作者覺得 Opus 日文較易讀、較遵循知識與Skill；回答深度沒有感到很大差異。稍後自報Pro用量消耗高，非寫碼用途覺得3.8Flash已足夠。
- 限制
- 一位作者的主觀體驗；用量沒有前後截圖、token或帳單，不能算費用或方案容量。本站未實跑、未證實完整比較條件。
- 與產品的關係
- 自介AI標註工作經驗、導流note免費指南；與Google／Anthropic的商業關係未查核。
- 證據類型
- 已讀三篇日文原文及可見0回覆；同作者合併，未用X自動翻譯或按讚數作共識。
日文方面，Opus 5.5 的回答比較容易閱讀。こま玉川 @koma__06727 的原話忠實翻譯 · 短節錄
對照原文
日本語はOpus5.5の回答のほうが読みやすい原始個案：開啟原始貼文／頁面 ↗ · 來源清單：こま玉川：相同知識與 yomiyasu 1.1.2 的日文互動
Portal 類遊戲：Opus 的材質偏好，Argon 的傳送門描述
noclipepe · 發布 · 查閱 10/04 16:43（台北）
- 任務
- 比較作者標示為 Gemini 4 Argon 與 Claude Opus 5.5 的 Portal 類遊戲，展示測試室、傳送門與槍身。
- 設定
- 作者說 Opus 透過 AI/ML API 執行；該次測試的 Argon 存取入口、完整提示、努力程度、重試、費用與實際執行日期未公開。此帖引用的 9 月舊比較是其他模型，不能借用其條件。
- 結果
- 作者描述 Argon 的明亮測試室與能透過傳送門看見自己的效果，偏好 Opus 的地板材質、細緻傳送門槍與光線。後續回覆也肯定能做出這類 Portal 作品；屬同一作者，未增加獨立樣本。
- 限制
- 本站只讀原帖、作者回覆及原始媒體，未玩遊戲。靜態預覽不證明傳送、延遲或玩法完整；模型身分依作者標示，缺乏同提示與重複比較，不能推出整體模型排名。
- 與產品的關係
- 貼文標註、預覽展示 AI/ML API；付費合作或受邀條件未查核，不由標誌推定贊助。
- 證據類型
- 公開成果／作者功能描述與美術偏好；未由本站重跑
可以透過傳送門看見自己。noclipepe 的原話忠實翻譯 · 短節錄
對照原文
portals you can see yourself through.原始個案：開啟原始貼文／頁面 ↗ · 來源清單：noclipepe — Argon／Opus 5.5 的 Portal 類遊戲與作者回覆
相關圖片：完整保留作者與 AI/ML API 標誌：上方 Argon、下方 Opus 5.5。可以比較外觀；傳送門效果是作者描述，靜態預覽不證明玩法、延遲或功能完整。圖內日期不是本站採用的貼文時間。
割繩遊戲喜歡，車輛細節失望
Mirochill · 發布 · 查閱 10/03 00:31（台北）
- 任務
- 公開割繩遊戲與可進入／駕駛的 3D 車輛展示。
- 設定
- 作者補出高細節單檔 HTML 車輛提示；先前由 Arena 存取，作者在10/2的更新稱使用自己的正式存取。努力程度、重試及呼叫紀錄未公開。
- 結果
- 喜歡 Cut the Rope，說是目前偏好的 Argon 測試之一；車輛則被批評細節少、環境簡單，甚至有門向錯方向開的問題。
- 限制
- 作者也提到其他未展示個人測試，不視為可驗證樣本。本站未獨立證明模型身分；貼文沒有同提示、同設定的 Sol 成對結果。
- 與產品的關係
- 模型展示創作者；受邀／商業條件未完整查核。
- 證據類型
- 公開作品與提示／模型與品質自述
門往錯誤的方向開。Mirochill 的原話忠實翻譯 · 短節錄
對照原文
des portes qui s’ouvrent dans le mauvais sens原始個案：開啟原始貼文／頁面 ↗ · 來源清單：Mirochill — 割繩遊戲／車輛測試及後續提示
相關圖片：車輛體驗的原片預覽。作者提供高細節、可進入和駕駛的單檔 HTML 提示，並批評部分車門開啟方向；靜態圖無法驗證全部交互功能。 · 同一作者更喜歡這個 Cut the Rope 結果，仍說存在其他模型能避免的錯誤。預覽不是完成率或玩法測試。
工程評測者：有進步，也常自我批判
wh · 發布 · 查閱 10/03 00:31（台北）
- 任務
- 參與 FrontierSWE 評測，分享 Argon 的輸出風格。
- 設定
- 源於工程任務評測，非一般聊天試用；兩張選出的摘要截圖不是全部測試紀錄。
- 結果
- 稱較先前 Gemini 有很大進步，模型喜歡 Eureka，也很會自我批判。綜合完成率應看下方獨立評測，不從語氣猜能力。
- 限制
- 自我批判的例子沒有展示其後是否修正成功；個性與完成任務可靠性不能互換。
- 與產品的關係
- 自述參與 FrontierSWE；與 Google 的商業關係未查核。
- 證據類型
- 評測參與者／公開摘要節錄
相較先前的 Gemini，是很大的進步。wh 的原話忠實翻譯 · 短節錄
對照原文
A big improvement over previous Geminis原始個案：開啟原始貼文／頁面 ↗ · 來源清單：wh — FrontierSWE 的 Argon 輸出觀察與截圖
相關圖片：FrontierSWE 評測參與者貼出的輸出觀察：代理會自我批判。這張推理摘要不證明它已成功修正問題，也不代表一般聊天產品。
一次生成 3D：比較的是 Opus 5，不是全體寫碼能力
spicylemonade · 發布 · 查閱 10/03 00:31（台北）
- 任務
- 評論一次生成的高細節、有美感的 3D 場景。
- 設定
- 附 Argon 影片，引用 Chris 更早的 Opus 5 車輛示範；沒有完整提示、努力程度、費用或重試。
- 結果
- 作者判斷這類一次生成作品未達 Opus 5 水準。這與 FrontierSWE 的 Opus 5.5 長工程任務不是同一場比較。
- 限制
- 取得模型方式不完整，品質偏好屬作者判斷。不能將這個視覺案例擴成全部程式任務落後。
- 與產品的關係
- 公開簡介自述 ValsAI 研究、Archivara CEO；此測試商業條件未查核。
- 證據類型
- 公開展示／作者作品評價
Gemini 4 Argon 還不到 Opus 5 的水準。spicylemonade 的原話忠實翻譯 · 短節錄
對照原文
Gemini 4 argon is not opus 5 level.原始個案：開啟原始貼文／頁面 ↗ · 來源清單：spicylemonade — 一次生成 3D 場景的比較意見
看原始展示
測試者貼出的 Argon 輸出截圖
原帖有兩張模型輸出圖片，作者觀察到 Eureka 與自我批判的風格。這是 FrontierSWE 測試者自報，並非本站操作截圖或人人可用的產品入口。
來源：wh / @nrehiew_ · 開啟原貼文／影片 ↗Mirochill：割繩遊戲與車輛體驗的兩段影片
同一作者有喜歡與不滿意的結果；原文為法文，回覆提供車輛提示。模型入口、設定與重試仍不完整。
來源：Mirochill · 開啟原貼文／影片 ↗Portal 類遊戲的原始動態比較
作者偏好 Opus 的美術，也描述 Argon 的傳送門效果。設定、重試與費用未公開；完整影片由讀者點擊載入原始 X 嵌入。
來源：noclipepe · 開啟原貼文／影片 ↗官方與評測背景
- 10/13 UTC（台北10/14）新公告：付費 API 可經 AI Studio／Gemini platform 使用；Gemini app 與 AI Mode in Search 列 Pro、Ultra，Antigravity 列 Ultra。官方稱全球推出，本站未逐帳號確認；Pro 的 app 存取不能直接換成 Antigravity 權限。[8]
- 官方API文件：輸入、thinking與輸出共享1,048,576 token；預設同步輸出上限65,536。超過此值要用background長輸出，仍受共享視窗限制；不是輸入、輸出各有1M。[14]
- API介紹期到2026/11/30：每百萬輸入US$2、輸出（含thinking）US$10；12/1起US$4／US$20。命中隱性快取的輸入折扣95%。API文件排除Free／Google AI Pro，不能拿app的Pro入口推定API額度；不是任務帳單。[15]
- 9/30 官方背景公布 DeepSWE v1.1 77.9%，主打長流程軟體工程；這是原公告成績，本站未重現，也未隨此次開放重新查核。下方 FrontierSWE 是不同套件，百分比不可接成總排名。[1]
- 10/1 查閱的 Artificial Analysis High 版本：Intelligence Index v4.3.2 為53分，加權每題費用US$1.99，另列1M上下文，當時未提供輸出速度。這是保留的歷史查閱版本，本次未重新驗證，不能當公開版當日速度／成本。[2]
- 10/1 查閱的 Proximal FrontierSWE V2：34任務、每題5次、每次最多20小時、proximus；Argon mean@5 55.0%，Astra65.5%、Opus5.5 62.3%。保留歷史版本，本次未重查排名；原非生產快取條件不能當正式API報價。[3]
尚未解決的限制與後續觀察
- 早期四位作者仍是工程與視覺的受限存取回報，新增日文回報也只有一人；缺中文工作、同條件重複比較與長期追蹤。
- 模型身分／入口部分依作者自述，不能替他們保證。未公開條件不補猜，來源更新後再修正。
- 舊榜單保留10/1查閱版本；本次新增的是公開條件、ADK官方工程及日文作者，沒有重查舊榜單／四位早期貼文。
- ADK原圖是框架效能測量；未公開模型token、帳單、硬體與完整原始計時，本站未重現。
- 官方已公告公開推出；尚待各入口實際額度、用量與同任務延遲／任務費用的獨立測量。
- FrontierSWE 的成本特別需要讀註腳：Argon 使用非正式生產設定，快取命中率較低。129.36 美元是這次每回合平均值，不能當成正式 API 工作報價或宣稱必然比 Opus 貴。
- 測試者的截圖、3D 作品回報與榜單衡量不同面向。開放後值得追蹤的是長任務能否穩定完成，以及自我批判會促進修正，還是造成反覆繞圈。
來源與查核
- Google — Gemini 4 Argon: our next era of frontier intelligence ↗官方公告 · 原文日期 2026.09.30 · 查核 10/05 16:38（台北）
- Artificial Analysis — Gemini 4 Argon (High) ↗第三方評測 · 查核 10/01 15:46（台北）
- Proximal — FrontierSWE V2 原始榜單、成本與快取註腳 ↗第三方評測 · 查核 10/01 15:46（台北）
- wh — FrontierSWE 的 Argon 輸出觀察與截圖 ↗第一手測試觀察 · 原文日期 2026.10.01 · 查核 10/03 00:31（台北）
- spicylemonade — 一次生成 3D 場景的比較意見 ↗作者作品評價 · 原文日期 2026.10.01 · 查核 10/03 00:31（台北）
- Mirochill — 割繩遊戲／車輛測試及後續提示 ↗創作者自報早期使用／模型身分未由本站獨立驗證 · 原文日期 2026.10.02 · 查核 10/03 00:31（台北）
- noclipepe — Argon／Opus 5.5 的 Portal 類遊戲與作者回覆 ↗公開作品／創作者自報，模型身分未獨立驗證 · 原文日期 2026.10.04 · 查核 10/04 16:43（台北）
- Google：Argon 正式開放與不同方案入口 ↗官方公開版公告／台北10/14 · 原文日期 2026.10.14 · 查核 10/14 16:34（台北）
- Google Cloud：11小時 ADK 效能優化與人類 review ↗官方團隊自報工程案例 · 原文日期 2026.10.13 · 查核 10/14 16:34（台北）
- ADK commit 1754b3e：公開修改與五項測量 ↗原始提交／維護者測量 · 查核 10/14 16:34（台北）
- こま玉川：相同知識與 yomiyasu 1.1.2 的日文互動 ↗創作者自報／日文原文 · 原文日期 2026.10.14 · 查核 10/14 16:34（台北）
- こま玉川：Pro 用量與非寫碼用途的後續 ↗同作者用量感受／未量測 · 原文日期 2026.10.14 · 查核 10/14 16:34（台北）
- こま玉川：約一小時試用的最初回報 ↗同作者初步體驗／非獨立樣本 · 原文日期 2026.10.14 · 查核 10/14 16:34（台北）
- Google API：共享視窗與同步輸出上限 ↗官方API規格／更新日2026-10-13 UTC · 查核 10/14 16:41（台北）
- Google API：背景長輸出、快取及thinking計價 ↗官方API文件／更新日2026-10-13 UTC · 查核 10/14 16:41（台北）
本文整理已公開的個案，不代表普遍使用情況。引言保留作者歸屬與原文連結，數據與限制以各自來源為準。
修正紀錄
- 2026-10-03：改為三位測試者的早期體驗彙整；新增 Mirochill 10/2 原始法文、車輛提示、兩段作品與原圖，標出模型入口／身分查核限制。保留第三方榜單原查閱版本；不把工程完成率、3D 美感與反思語氣合成一個總評。
- 2026-10-04：新增 noclipepe 的 Portal 類遊戲原帖、作者回覆與完整原預覽，將美術偏好與功能自述分開；未借用引用舊帖的測試條件，未重查既有榜單。
- 2026-10-05：補入原官方註腳的介紹期後 $4／$20 單價，避免把 $2／$10 看成永久價格。是本站先前遺漏的補充，不是今日新漲價；榜單與舊案例沒有重新查核。
- 2026-10-14：依新公開版公告更新入口、1M unified input-output與11/30介紹期截止；新增ADK提交／人類review、原測量圖及日文作者三帖合併的體驗。原事件日期、publishedAt不變，舊榜單及早期貼文觀察時間保留。