近日，独立 AI 评测机构 Vals AI 更新 Vals Index 榜单，谷歌新一代前沿大模型 Gemini 4 Argon 以68.90%的综合得分登顶，在参评的 41 款模型中位列第一，超越 Claude Sonnet 5.5、Claude Opus 5.5、GPT-6 Astra 等主流前沿模型，成为当前在企业专业工作场景综合能力最强的 AI 模型。
Vals Index 是一套面向真实商业任务的 AI 综合评测体系，区别于传统通用大模型试题，它选取金融、代码、法律、税务四大专业领域任务，按照各行业对美国 GDP 贡献权重加权计算，用于衡量智能体模型落地后的实际经济价值，聚合了多项私有与公开子基准测试，兼顾模型能力、推理成本与落地效率。
本次评测数据显示，Gemini 4 Argon 领先第二名 Claude Sonnet 5.5（67.04%）近 2 个百分点；从单任务成本看，Gemini 4 Argon 单轮测试成本 15.68 美元，低于 Claude 系列多款旗舰模型，实现性能与成本的双重优势。
分项能力亮点：
金融智能体 Vals Finance Agent v2：得分 65.40%，排名第一，擅长多步骤金融调研与分析； IOI 任务：与 GPT-6 Astra 并列满分 100%； AutomationBench 自动化业务基准：51.3%，位居榜首，擅长端到端企业业务流程自主执行； 长周期软件工程 DeepSWE v1.1：77.9%，刷新该基准纪录； 漏洞修复 CWE-bench v1：68%，与 GPT-6 Astra 并列第一； 法律方向 Harvey’s Legal Agent Benchmark 也取得显著领先优势Vals AI。
在代码迁移、Vibe Code Bench 等部分代码子项中，Gemini 4 Argon 略逊于 Claude Sonnet 5.5，并非全赛道全胜，体现前沿模型各有能力侧重。该模型支持最高 100 万 token 上下文，主打长时序复杂任务、企业知识工作、自主代码工程与网络安全防御场景，面向企业级智能体应用打造，可完成多步骤、长链条的复杂业务自主执行，契合当前行业智能体落地需求。
