谷歌对Gemini模型战略调整，从可选到统一入口的变革

来源：未知作者：佚名发布时间：2026-10-13 11:35:12

谷歌正在对Gemini模型进行战略调整，从原本的“可选模型”模式转变为“统一入口”模式。这一变革意味着，个人用户将逐渐失去选择特定模型的权力，而企业用户则将Gemini深度整合到其工作流程中，成为不可或缺的一环。具体来说，谷歌的旗舰模型Gemini 4 Argon目前仅对Fairwind计划的650多家成员开放，而免费账号的模型选择则被缩减为单一的Auto选项。与此同时，企业智能体却获得了专属的邮箱、跨系统连接能力以及一套完整的记忆系统。

面向个人用户，谷歌正在逐步收回选择模型的权力，而面向企业用户，则通过深度整合模型来增强其工作流程的效率和智能化水平。例如，旗舰模型Gemini 4 Argon的访问权限被严格限制，仅对特定计划成员开放，而免费账号则无法享受多样化的模型选择。相反，企业智能体不仅获得了专属的邮箱和跨系统连接能力，还具备了一套完整的记忆系统，以支持更复杂的工作任务。

值得注意的是，Argon模型并未提供公开的API接口。

Argon是谷歌最新推出的前沿模型，专注于处理长链条的复杂工作，如真实场景下的软件工程、法律和金融等企业知识工作，以及网络安全防御。其最显著的变化在于输出上限的大幅提升，从之前的6.4万token扩展至100万token，使得模型能够在一次任务中处理完整的代码库。在价格方面，Argon提供了首发优惠，每百万输入token仅需2美元，输出token为10美元，缓存输入还享有约95%的折扣。优惠期结束后，价格将恢复至每百万输入token 4美元，输出token 20美元。这一模型取代了谷歌年初宣布但后来取消的Gemini 3.5 Pro。

根据谷歌公布的数据，Argon在多个基准测试中表现出色。在衡量长周期软件工程任务的DeepSWE v1.1上，Argon取得了77.9%的成绩；在长视频理解基准LVBench上，得分高达91.7%；在Zapier的AutomationBench上，以51.3%的得分排名第一；在评估漏洞修复能力的CWE-bench v1上，与GPT-6 Astra并列第一，得分均为68%。然而，这些数据均来自谷歌自身的测试，且Argon目前仅限于Fairwind计划内部使用，外部开发者无法独立复现这些结果。

谷歌还分享了Argon在实际应用中的两个案例。一组数据显示，Argon智能体在分析数据中心性能数据后，自行进行了内存优化，上线后释放了超过300 TiB的内存，谷歌预计总共可节省500 TiB到1 PiB的内存空间。另一组案例则是将C/C++代码迁移到Rust，其中最大的一处迁移是Fuchsia的Zircon内核，涉及超过80万行代码。

Fairwind计划于9月2日启动，首个模型是Gemini 3.8 Flash Cyber，Argon是第二个。入选该计划的机构主要包括政府和国家网络安全主管部门、医疗、电信、能源、金融等关键基础设施运营方，以及核心技术平台。参与机构需遵守严格的操作规范，如仅允许内部安全、事件响应或渗透测试团队的员工使用，并部署多因素认证。谷歌9月初公布该计划时称，全球有650多家参与伙伴，并表示将向这些受信任的防御者和自己的内部团队提供不带网络安全护栏的Argon版本，以便防御方能够验证补丁的有效性。

在Fairwind计划之后，谷歌表示下一批将向付费API客户和Google AI Ultra订阅用户开放Argon模型，随后才是更广泛的开发者、企业和消费者。然而，谷歌并未公布具体的开放日期，理由是出于安全考虑。谷歌正参与美国政府自愿性的发布前模型访问流程，并将在扩大开放前继续加固防滥用和防提示注入措施。9月29日，谷歌首席执行官皮查伊与Anthropic、Meta、xAI、英伟达的首席执行官以及OpenAI总裁Greg Brockman一起，签署了白宫主导的前沿模型安全协议。

免费账号模型选择大幅缩减，仅剩Auto一项

根据谷歌官方支持页面的信息，从10月9日起，没有订阅的个人账号在Gemini应用中只能选择Auto模型，默认由Flash-Lite应答。对于需要更深推理的提问，系统可能会自动将其交给Flash甚至Pro模型处理，但用户无法指定具体模型。每月4.99美元的AI Plus订阅则保留了Flash-Lite和Flash模型的选择权，但失去了Pro模型。这一档订阅在6月8日从7.99美元下调至4.99美元，同时存储空间翻倍至400GB。AI Pro和AI Ultra订阅的模型阵容则保持不变。

总体来看，这次调整缩减的不是用量额度，而是用户的选择权。Gemini自5月17日起已改为按算力计算用量，每5小时刷新一次，直到触到周上限。这次调整则进一步限制了每一档订阅能够选择的模型范围。谷歌还为每个可用模型增加了低、中、高三档推理强度选项，取代了原来的“扩展思考”开关。推理强度越高，回答越完整，但也越耗额度。所有档位均可使用这一功能。目前，Pro档能选的最强模型仍是2月发布的3.1 Pro，而Argon的第一批订阅用户名单中只有Ultra订阅者。

同样的分档策略也体现在单次产品发布中。据报道，谷歌将Gemini in Chrome扩展到了印度的安卓用户，用户可以就网页提问、总结长文、连接日历等应用。同时推出的智能体功能auto browse能够替用户跨网站完成订停车位、填长表格、买菜等多步任务，但这一功能明确只开放给AI Pro和AI Ultra订阅用户。

在模型选择权的划分上，谷歌似乎仍在摸索合适的边界。支持页面最初写的是AI Pro和AI Ultra都能使用Deep Think功能，多家媒体据此报道Pro用户将获得这项此前仅限Ultra的能力。然而，到10月6日，谷歌美国英文版的支持页面却进行了修改，仅提及Ultra订阅用户，其他语言的版本则仍写着AI Pro。谷歌并未解释其中的差异。

企业智能体拥有独立邮箱和跨系统连接能力

10月8日，谷歌云在Gemini at Work 2026大会上发布了通用智能体Gemini agent，定位为“面向工作的单一智能体”，首先面向企业用户推出，消费者版本则稍后发布。

据谷歌介绍，Gemini agent能够回答问题、处理知识型工作、生成图像和媒体、编写并运行代码，所有这些功能都可以在一个对话框中完成。用户只需给出目标，Gemini agent就会自行拆解步骤、调用技能和工具、连接企业内部系统。在需要时，它还会派生一组临时子智能体，各自带着独立身份，按并行或串行方式推进任务。这些任务在云端运行，可以持续数小时甚至数天，即使合上电脑也会继续执行。

Gemini agent与企业中其他AI工具的最大区别在于其身份。这个智能体拥有自己的Workspace账号，包括专属邮箱，并能查看组织架构信息，如谁在哪个团队、在什么时区、谁需要审批、别人日历上有什么等。用户可以通过@它、给它发邮件、分享文件或把它拉进群聊来派活。它执行的每一步都记在它自己的名下，而不是某个人名下。

在连接范围方面，Gemini agent覆盖了Google Workspace、Microsoft 365、Slack、Jira、Confluence、Git等协作工具，以及BigQuery、Databricks、Postgres、Snowflake等数据库。它还可以接入公司内外的任意MCP服务。记忆方面，Gemini agent分为四类：绑定当前任务的会话记忆、从文档和协作中累积的语义记忆、记录工作方法的程序性记忆以及记录以往任务的情景记忆。

在模型选择上，Gemini agent默认自动选择模型，但用户也可以指定具体模型。可选范围从Gemini开始，已经包括Anthropic的Claude模型，谷歌表示之后还会加入开源和其他私有模型。在成本控制方面，智能路由负责判断每个任务该用哪个模型，管理员可以在项目级别设置预算，到限额时自动暂停任务执行。

目前，Gemini agent处于私密预览阶段，将先向部分Business和Enterprise套餐的Workspace客户开放。据Constellation Research的说法，正式商用可能在10月底或11月初。早期测试方包括运动品牌On、Shopify和PayPal等。

皮查伊在同一场活动中给出了两个数字：Gemini月活用户超过10亿，财富100强中近90%在使用Gemini Enterprise。他将消费者版本的延后解释为需要先解决安全、规模和性能上的问题。谷歌云CEO托马斯·库里安在演讲中说，用户交给Gemini agent的是“目标，而不是指令”。独立技术分析师卡米·莱维认为，谷歌想把自己确立为新企业操作系统的守门人，底层由哪个模型驱动取决于哪种最合理。

放开部分功能，减少算力消耗

从前面的内容来看，很容易得出“谷歌在全面收紧”的结论。然而，同期也有几项更新在往相反的方向走，共同点是它们都不怎么消耗云端的前沿算力。

其中最明显的是Skills功能的更新。Skills是Gemini中可复用的自定义指令，可以在同一次对话中叠加使用，比如同时应用“写作风格”和“品牌规范”两个skill。Skills最早只出现在付费的Gemini Spark智能体中，一度被认为会成为付费功能。然而，谷歌将其带进了全球的Gemini聊天中，个人账号仅限18岁以上用户使用。按Workspace更新博客的时间表，Skills从10月5日起在Workspace分批铺开，10月13日起在Gemini应用铺开，预计11月中旬完成，之后逐步取代Gems。它还基于开放的SKILL.md标准，在其他平台创建的skill可以直接导入。

Guided Vision是另一项面向特定用户群体的更新。该功能于10月1日在Gemini Live上线，面向盲人和低视力用户。打开摄像头后，Gemini会实时描述画面、回答追问，并在画面偏离时提示用户如何调整镜头。这一功能可以用来读小字、找掉落的物品、辨认家电按钮等。它由谷歌与无障碍机构Aira合作开发，上千名测试者参与了打磨。该功能在Android 9及以上、已支持Gemini Live的地区和语言提供，谷歌未提及订阅要求。同时，谷歌提醒用户，Guided Vision只是辅助工具，可能出错，不能用于导航或避障。

10月6日发布的EmbeddingGemma 2则代表了开发者一侧的放开。这是一个开源的多模态嵌入模型，能把文本、代码、图像、音频和视频映射到同一个向量空间。它采用允许商用的Apache 2.0许可，总参数量7.4亿，其中文本部分2.7亿，视觉编码器1.7亿，音频编码器3亿。开发者可以只加载需要的部分。量化后，它在Pixel 11 Pro上只需约191MB内存就能运行纯文本部分，完整多模态版本约567MB。开发者可以用它在手机上做本地搜索和检索，数据不必离开设备。

两周后，这个模型落地应用。10月8日，谷歌的AI Edge团队发布了免费的Mac应用Foresight，将EmbeddingGemma 2和Gemma 4一起装进笔记本。EmbeddingGemma 2负责在本地文件中做检索，Gemma 4负责把会议中记下的速记扩写成完整笔记。录音、逐字稿和接入的文件全程不出设备，没有联网也能用。谷歌称它针对Apple芯片优化，同时接系统麦克风和系统输出，所以视频会议和线下当面对谈都能记。实时检索是它和普通转录工具拉开差距的地方，会议进行中，如果话题碰到知识库中已有的内容，它会把相关信息连同出处一起弹出来。谷歌将其定位成Labs的试验品，不是Workspace产品，目前只支持Apple芯片的Mac，价格和最低系统要求都未公布，Android和Windows都没有对应版本。

算力成本成为主要考量因素

最直接的解释是算力成本。谷歌在支持页面中明确写明，Pro模型、扩展思考和Deep Think都算高级功能，会更快消耗用量。谷歌在5月改为按算力计量，这次又按档位限定了可选模型。

谷歌对算力的需求也有侧面印证。10月1日，Suncatcher项目的原型卫星搭乘SpaceX的Transporter-18任务入轨，接下来几周将收集TPU在太空辐射和极端温度下的运行数据。据NPR报道，卫星上搭载了4块TPU。这个项目探索的是把AI算力搬上轨道、利用更充足的太阳能，谷歌自己称之为长期的“登月”式研究。在电力供应方面，谷歌10月6日与Constellation签下了3.59吉瓦的供电协议，其中890兆瓦来自对11座机组升级带来的增量核电，协议为期20年，2028年首次投运，2032年满额。

9月30日，华盛顿联邦法官Amit Mehta驳回了Chegg和《滚石》出版商Penske Media针对AI Overviews的反垄断诉讼，认为反垄断法不能替代立法去处理技术变革带来的经济后果。出版商借反垄断诉讼向谷歌施压的路径，至少在美国暂时受挫。

将算力这条线与入口系列变动放在一起看，谷歌此举背后的逻辑就不难理解了。模型本身越来越像同质化的商品，真正难替代的是身份、权限、记忆、审计和入口。企业智能体把这几个要素一次配齐，模型选择栏中放不放Claude也就不那么重要了。

接下来几周，几个关键节点将决定这几道线最终划在哪儿：

Argon何时开放给付费API客户和Ultra用户，又何时轮到Pro和免费用户。

Deep Think最终留在Ultra，还是下放到Pro。

Skills全面铺开后，免费用户和未成年用户实际能用到什么程度。

面向消费者的Gemini agent什么时候开放。

据徽声在线10月10日报道，谷歌内部正在测试Gemini 4的一个更新版本，代号Carbon，已接入内部编程平台Jetski，部分员工认为它的编程体验接近Claude Opus 5.5。

老模型登上《科学》杂志

10月12日，谷歌DeepMind在《科学》杂志上发表了AlphaProof Nexus的成果。该系统解出了353个未解埃尔德什问题中的9个，其中两个已经悬置56年。此外，它还证明了OEIS整数序列数据库中的44个猜想，回答了一个代数几何的开放问题，并改进了一个min-max优化中的已知界。系统以Gemini 3.1 Pro为底座，用形式化语言Lean起草和修订证明，Lean逐稿校验，报错再喂回下一轮。遇到难题时，系统调用专门的证明工具AlphaProof。

谷歌称，即便不调用AlphaProof，那9个埃尔德什问题也能解出。

《科学》杂志经过同行评审才刊出这一成果，这与同期OpenAI把数百份AI生成的证明直接放到GitHub上、引来Terence Tao等牵头的抵制形成对照。同行评审不等于结果就此定论，但它是目前把机器证明纳入学术规范的一条可选路径。

值得注意的是，《科学》中用的是2月发布的老模型Gemini 3.1 Pro。自2025年11月发布Gemini 3以来，谷歌的旗舰档模型只更新过一次。谷歌把最强的一代卡在了Fairwind的门口，内部的前沿工作则交给了已经稳定、可复现的上一代模型。

10月12日也流出了另一条招聘信息。DeepMind新设了一个叫Polaris的团队，公开招聘研究工程师，年薪总包55万到110万美元，明确不要求学历，也不设最低工作年限。这个团队不做模型，而是做考题，为衡量Gemini能否完成真实的长周期软件工程任务，手工设计评测任务和评分标准。谷歌的说法是偏好真实、复杂的任务而非合成数据，一道题从构思到定稿大约要一周。分享这条信息的Tamay Besiroglu是9月谷歌从AI编程创业公司Mechanize招来的研究科学家，他补充说招聘不看职级，也不问LeetCode式的题目。

Polaris是DeepMind内部做评测的团队，职责是给Gemini出题和打分，不对外发布产品或模型。

招聘信息本身也透露了谷歌对自己处境的判断。评测团队的薪资对标模型团队，说明在谷歌内部，衡量能力的尺度被当成了和造能力同等重要的事。行业中更常见的解释是，旧的编程基准正变得太容易或被训练数据污染，谁掌握更难的考卷，谁才拿得到关于自己的诚实的分数。

附其他动态