GPT-Rosalind 对比 Gemini 4 Argon：一扇你能通过的门，一个连门都还没有

GPT-Rosalind 和 Gemini 4 Argon 都是面向科学工作的前沿模型，均以受限发布形式公布，也都无法像评估普通模型发布那样进行评估。区别在于这道限制由什么构成。GPT-Rosalind 自 2026 年 10 月 5 日起已可购买，价格为每百万输入 token 5.00 美元、每百万输出 token 25.00 美元，面向任何通过 OpenAI 可信访问审查的机构——一扇真实存在的门，前面排着真实的队伍。Gemini 4 Argon 于 2026 年 9 月 30 日公布，有评分、有初始优惠价，并分三阶段推出，却没有可供发送请求的模型标识符。一个是受限发布。另一个只是被描述。 受限发布以及发布后延期的上线日期，都会连同日期和来源记录在 AI 事件档案中，与我们追踪的其他模型和供应商事件并列。

区分模型与名称的测试

一个模型要成为团队真正能够围绕其做规划的东西，必须先满足四件事：有一个可以调用的标识符，有一个可以据此计费的价格，有一个有文档说明的上下文窗口，以及有一个通用访问到来的日期。让两个模型都过一遍这四项，比较就不再是关于能力了。

• 可调用标识符 — GPT-Rosalind：是，可通过面向获批组织的 API 使用。Gemini 4 Argon：否。Google 的 API 模型列表不包含 gemini-4 或 argon 条目，文档认可的最新标识符属于 3.8 系列。

• 计费价格 — GPT-Rosalind：每百万 $5.00 / $25.00，自 10 月 5 日起已公布并生效。Gemini 4 Argon：每百万 $2.00 / $10.00，作为推广价报价，而该推广尚未触达付费客户。

• 已记录的上下文 — GPT-Rosalind：100 万 token。Gemini 4 Argon：Google 公布了 100 万 token 的输出上限，高于此前 64K 的限制，但未公布输入侧；Artificial Analysis 对其所测配置记录为 100 万。

• 全面开放日期 — GPT-Rosalind：自2026年9月11日起面向符合条件的组织全球开放。Gemini 4 Argon：除第一阶段外，后续任何推广阶段均未公布日期。

Argon 四项中满足两项，Rosalind 四项全部满足。这并不是贬低 Argon 的工程实力，而是说明了采购团队究竟能签下什么。

Argon 实际上正在向什么推出

这份公告署名 Koray Kavukcuoglu，描述了三个阶段，但未附带任何时间安排。第一阶段是通过 Fairwind Program 指定的一批网络防御者。第二阶段是付费 API 客户和 G​oogle AI Ultra 订阅用户。第三阶段是开发者、企业和消费者。只有第一阶段拥有可观察到的成员，而且该计划明确是一个网络防御者群体——对于一个已公布的强项是软件工程、法律与金融工作以及科学推理的模型来说，这是一个令人好奇的首个落脚点。

比较一下 O​penAI 所走的顺序。GPT-Rosalind 于 2026 年 4 月启动，最初只面向一组具名的美国可信访问合作伙伴——Amgen、Moderna、Allen Institute、Thermo Fisher——到 9 月才转为面向获批组织的全球资格开放，之后才公布价格。先是有准入门槛的特定群体，然后是通用准入限制，最后才开出账单。G​oogle 已经完成了第一步，然后就停住了。

两个并非同一类数字的分数

这正是大多数比较出错的地方，所以值得直截了当地说。与 Gemini 4 Argon 相关的数字——Artificial Analysis Intelligence Index 上的 52.56，v4.3.2 修订版——是由独立评估者在十项评估的通用综合指标上得出的。它是对真实配置的真实测量，也是这两个模型中任何一个所拥有的唯一独立数字。与 GPT-Rosalind 相关的数字来自 OpenAI 自家的生命科学套件，且没有任何外部实验室复现过其中任何一个。

• 独立综合评分——Gemini 4 Argon 在 AA v4.3.2 上为 52.56，于单一思考层级下测得。GPT-Rosalind：该榜单完全未对其进行追踪，因为专业模型不会出现在通用排行榜上。

• 领域基准测试 — Gemini 4 Argon：Google 的表格以 Harvey 的 Legal Agent Benchmark 19.6 领先竞争对手的 3.8，且 Vals Finance Agent v2 为 65.4。GPT-Rosalind：MedChemBench 27.5% 对 GPT-5.5 的 25.1%，GeneBench 21.6% 对 20.4%，LabWorkBench 63.2% 对 55.8%，均为供应商自行运行。

• 这些领域数字有什么共同点 — 两组数据都没有经过独立重新运行，而且基准测试都是由两家厂商选择的。Google 表格中两个最大的相对差距，也正是最可能由非 Google 员工重新测试的两行。

所以你不能把 52.56 和 27.5 相比，也不能把 52.56 和 Rosalind 公布过的任何结果相比，因为这两个模型从未参加过同一场考试。你能说的范围更窄，也更有用：Argon 是由与结果没有利害关系的人测量的，测试任务与生物学毫无关系，而它落在前沿模型的中段。Rosalind 是由其开发者测量的，测试内容是生物学，而且从绝对值看提升幅度不大——在药物化学基准上拿到 27.5% 的分数，意味着两个模型在其中大部分题目上都会失败。

如果 Argon 以入门价格上市，价格论点就会反转

GPT-Rosalind 按 5.00 美元输入和 25.00 美元输出计费，以巨大差距成为本次对比中最贵的模型，而且它是唯一有实际账单的模型。Argon 报价的 2.00 / 10.00 美元在输入上比它低 60%，在输出上也低 60%——前提是该费率能维持到 API 阶段。这是一个很大的“如果”。分阶段推广中的推介定价是意图信号，而非承诺，而且 Google 尚未为真正需要付费的阶段设定日期。

• 输入 — GPT-Rosalind 每 1M $5.00，现在可计费；而 Gemini 4 Argon 报价 $2.00，不可计费。

• 输出 — GPT-Rosalind 每 100 万 $25.00，对比 Gemini 4 Argon 报价 $10.00。

• 每项索引任务成本 — 根据 Artificial Analysis 的数据，Gemini 4 Argon 为 1.99 美元；该机构还记录了一项缓存折扣，使有效输入价格接近每百万 1.99 美元。GPT-Rosalind 没有可比数据，因为它没有索引得分。

• 缓存处理——O​penAI 在 Rosalind 上对每百万缓存输入收取 $0.50，且未公布缓存写入条目。G​oogle 则完全没有公布 Argon 的缓存费率。

这个比较有一个版本，会在第二阶段一开始时出现：在这个版本中，Argon 是一个通用模型，价格不到专业模型的一半，还附带独立评分，而生物学溢价随之崩塌。那个版本尚不存在。今天依据它来做规划，等于依据一份新闻稿来做规划。

生物学论证实际上究竟落在哪里

Argon 的公告并未声称涉及生物学工作。它声称的是软件工程、法律和金融领域的企业知识工作，以及网络安全防御。围绕 GPT-Rosalind 的科学框架——湿实验室实验方案、基因组学、药物化学——在 G​oogle 针对该模型的材料中没有任何对应内容。因此，“哪个更适合研究实验室”这个问题有一个并不光鲜的答案：其中只有一个针对它进行了调优并公布了相关数据，而另一个尚未进入这一类别。

这种情况可能会因一张模型卡而改变。上下文窗口、参数披露、科学评估中的一行——其中任何一项都可能让解读在一天之内翻转。在那之前，诚实的总结是：这两个模型并不构成竞争。一个是专家型模型，设有一道你能跨过的门槛。另一个是通用型模型，有一个分数，还有一条你目前无法加入的队列。

今天你可以打什么电话，以及这会让你付出什么代价

这两个模型都不在 OrcaRouter 上。GPT-Rosalind 不在任何第三方路由器上，而是直接通过 OpenAI 的可信访问计划运行；Gemini 4 Argon 没有可供路由的端点。若反过来说，那会是本文中最容易说出口的谎言，所以我们不会这么说。

我们路由上提供的，是围绕科研的那部分工作。Gemini 3.8 Flash 已上线，每百万令牌输入 $0.75、输出 $3.75，上下文长度为 1,048,576 个令牌——任何拥有信用卡的人都会拿它来和 Argon 比较，它也是本周你能运行的、最接近 Argon 型工作负载的模型。Claude Opus 5.5 也已上线，价格为 $4.00 / $20.00，适用于写作、代码审查和长时间运行的智能体循环。两者都共用同一把密钥和同一张账单，并与 200+ 其他模型并列，按供应商标价、0% 加价，因此供应商降价在发布当天就会在我们这边生效，而不是等到合同续签时才生效。

对于生物学这一半，架构采用的是直接键和具名路由，而不是猜测。如果某个请求需要专用模型，那么在专用模型不可用时，它就应该明确失败，而不是悄悄落到通用模型上——而这正是为控制成本而配置的回退链在没有人明确划清界限时会产生的那种故障模式。

值得留意的破绽

有一个事件就能了结这场比较，而它不是基准测试。它就是gemini-4 标识符，出现在 G​oogle 的 API 模型列表中。就在那一刻，这个首发费率不再只是博客文章里的一个数字，而成为可以据此向你计费的东西；上下文问题有了答案；双模型对比也首次成为可能。

在那之前，请把 Gemini 4 Argon 视为一个附带了分数的名称，把 GPT-Rosalind 视为一个需要排队的专家。如果你的工作是分子生物学，并且你能通过评审，这位专家现在就可以使用，而溢价就是提前使用的代价。如果你的工作是任何相关领域——流水线、文献、代码、科学周边的脚手架——那么你今天可以调用的模型更便宜、经过独立评分，而且不必等待一个没有日期的发布阶段。