一項程式碼遷移可能需要讀多輪效能分析、改寫實現、執行測試，再回頭修復迴歸。財務研究也不是寫一份長報告：它需要查來源、比較口徑、解釋異常，最後交給人判斷。
Google 在 2026 年 9 月 30 日釋出 Gemini 4 Argon，把重點放在這些持續、多步驟的專業任務上。值得關注的變化是更長的執行軌跡，以及工程和知識工作中的具體例項。對準備試用的團隊，接下來的問題是：選什麼任務、留下什麼證據、什麼情況下才算透過。
公告說了什麼，訪問範圍在哪裡？
Google 官方公告將 Argon 描述為面向複雜工作流的前沿模型，涉及軟體工程、法律、財務與網路防禦。公告首先透過 Fairwind Program 向一批可信網路防禦者開放，再逐步擴大測試與訪問。
截至本文 10 月 8 日核驗的公告，其廣泛開放路線仍以逐步擴充套件為表述，並提到後續從付費 API 客戶和 Google AI Ultra 訂閱使用者開始。這不是“所有人現在都能開啟應用使用”的證據。具體入口、額度和是否獲准訪問，應以賬戶當時顯示及最新產品文件為準。
本文討論的是 Google 已披露的上游能力和試點方法，不從釋出公告推斷任何第三方產品的模型可用性或計費方式。
1M 是輸出上限，不是上下文或永久記憶
公告明確把 輸出 token 上限從 64K 擴大到 1M。這個變化意味著單次軌跡有更多生成空間，可能容納更長的推理和多步工作，但它與能讀入多少材料的上下文視窗不是同一引數，也不表示 Agent 自動具有永久記憶。
更長的輸出並不要求人讀完所有中間內容。試點應另外指定最終交付格式：簡明結論、可開啟的檔案、變更列表、測試記錄，以及需要人決定的事項。否則輸出能力擴大後，稽核負擔也可能跟著擴大。
三個工程例項，告訴團隊該觀察什麼
Google 報告了一組資料中心記憶體最佳化：Argon agents 分析 profiling telemetry，識別並應用最佳化；上線後釋放超過 300 TiB 記憶體。公告另提到預計總節省可達 500 TiB–1 PiB。已釋放和預計值必須分開，不能把預測寫成落地結果，更不能將這個規模按比例套到普通公司的伺服器上。
第二類是 C/C++ 到 Rust 的遷移，從核心庫到大型程式碼庫。Google 特別寫明，這些關鍵系統的改寫需要自動與人工審計、模擬測試和審查後才進入生產。這裡的經驗不是“模型強了就可以無人上線”，而是讓模型擴充套件執行量，讓檢測與接受仍有明確步驟。
第三個例子是 libgav1。Google 說 agents 在已有 Rust port 上替換了約 32K 行 SIMD 程式碼，經過多輪 profile-guided experiments 和編譯器輸出分析，用安全 Rust 促成自動向量化。最終相對那個 Rust port 快 2.7 倍，保持相同影片輸出，並接近最佳化後的 C++。
2.7 倍的比較物件是特定 Rust port，不是所有軟體、所有語言或原始 C++ 版本。這個例項說明試點可以檢查什麼：基線實現、效能 profile、輸出一致性、安全屬性和迴歸測試。可遷移的是驗證方法，不是收益數字。
評測數字是篩選訊號，不是公司收益預測
公告披露 DeepSWE v1.1 為 77.9%，AutomationBench 為 51.3%，並列出財務、法律和長影片理解評測。它們可以幫助選擇值得觀察的工作型別，但不同評測的任務、工具條件和評分方法並不相同，不能把它們合成一項通用“工作成功率”。
特別是 AutomationBench 的 51.3%，不應被解釋成你的公司有 51.3% 的崗位或任務能直接自動化。本篇只把數字視為 Google 披露的特定評測結果，沒有在 Buda 或本文環境中復現這些測試。
團隊自己的驗收應該落在能看見的成果上，而不是把所有希望寄託在排行榜。程式碼、財務研究和法律材料需要的證據也不同。
給三類長任務建立不同的驗收包
程式碼遷移：保留相同的行為，再談效能
選擇非關鍵模組或脫敏副本。固定基線版本、輸入資料和測試集合，要求交付 diff、構建命令、迴歸結果和效能測量方法。先驗證輸出一致性與邊界行為，再測延遲、吞吐或記憶體。未覆蓋的作業系統、依賴和輸入必須列出。
出現資料不一致、測試回退或範圍外修改時，任務停止在待修復狀態，不因 Agent 自評“透過”而合併。上線與回滾必須由有許可權的人決定。
財務研究：每個關鍵數值都能回到來源
準備一組公開或可授權使用的報告，指定幣種、期間、單位和比較口徑。要求輸出結論表、來源連結、計算步驟與異常說明。審閱者應能從表格中的一個數值，回到對應原文或計算記錄。
驗收不是“報告寫得專業”，而是關鍵數值可追溯、口徑一致、推斷與事實分開。投資、稅務或客戶建議仍由合格人員判斷。不要為了長任務測試而輸入沒有授權的財務或個人資料。
多資料業務任務：結果與例外分開交付
可以用一個構造場景試點：將一批供應商公開資料整理為比較表，標出無法驗證的條目，再生成待稽核的採購說明。最終包包括資料表、來源、未解決問題和說明草稿。
驗收要檢查是否漏項、是否引用了過期資料、是否把未知值填成確定結論。報價確認、採購和對外傳送不是整理任務的預設許可權，應另外授權。
網路防禦是受限能力，不是普通團隊的隨手測試
公告討論可信防禦者的漏洞發現、驗證與修補，並說明部分訪問條件不同。普通團隊不應把這一段理解為可以任意探測外部目標。
如果確實開展安全試點，必須有明確的目標授權、隔離環境、最小許可權和專業稽核。本文不給漏洞利用操作流程，也不從防禦評測推斷所有生產環境都安全。試點優先選擇已有授權、可恢復、低風險的任務。
先把執行軌跡變成可檢查的工作
Buda 的 Agent Workspace把對話、持久檔案、Terminal、瀏覽器、預覽與 Git 放進同一雲端環境。對長任務而言，可用這些表面組織來源、執行過程和產物，讓人檢查版本、檔案與測試，而不是隻接收最後一條“完成”。
這是工作組織方式，不是本文證明了 Argon 在 Buda 上可用，也不代表已復現 Google 的例項。無論使用哪一種模型或執行平臺，都應先寫明輸入、許可權、交付物與接受條件，再擴大任務範圍。
FAQ
1M 指上下文視窗嗎？
本公告明確寫的是輸出 token 上限。不能把它寫成輸入上下文或永久記憶。
現在所有開發者都能使用 Argon 嗎？
本文核驗的公告以 Fairwind 的可信防禦者、逐步擴大訪問為起點，並提到後續付費 API 和 Google AI Ultra 路線。它不是所有賬戶已獲訪問的證據，需核對當時賬戶和最新產品資料。
libgav1 的 2.7 倍能推廣到自己的程式碼嗎？
不能直接推廣。它針對一個特定 Rust port 和實驗過程。應以自己的固定基線、測試與 profile 測量。
51.3% 是否代表企業任務自動化比例？
不是。它是公告披露的 AutomationBench 分數，適用該評測口徑，不是崗位或公司流程比例。
長任務結束後，最先看什麼？
先看產物、來源與測試是否齊全，再看異常和未覆蓋項。中間輸出長度與 Agent 的自評不是驗收證明。
讓第一輪測試可以被否決
好的試點不只寫“透過條件”，也寫失敗條件：來源不足、關鍵數值錯誤、迴歸失敗、越權操作，任何一項發生都不能接受結果。先選一項複雜但可恢復的任務，把判定寫清，再觀察模型能完成多少執行工作。
資料核驗：2026 年 10 月 8 日。模型、訪問和數值依據 Google 9 月 30 日公告，均為上游披露；三類驗收方法與供應商場景為本文設計，未作為實測收益或客戶案例。