Google 模型卡披露 Argon 的自动安全评估、红队和关键能力风险；相关风险阈值不能排除，仍依赖部署缓解。测试集、prompt 和多数阈值细节未公开。
适合判断的任务：理解 Google 对 Argon 的安全威胁分类、评估层次、已披露的相对安全变化，以及部署前需要关注的生物、网络、操纵和失控风险。
不适合外推的任务：不能用模型卡数字估计任意任务的安全率、越狱率、漏洞发现率或生产环境剩余风险；不能把自动评估结果当作人工红队结果。
适用的模型版本：Gemini 4 Argon；自动安全变化主要以 Gemini 3.1 Pro 为对照。模型卡未提供更细的 API 版本、SDK 版本或安全评估运行版本。
测试环境或客户端：模型卡未公开安全评估所用客户端、API、硬件、工具链或部署配置；页面列出的分发渠道包括 Gemini App、Gemini API、Google AI Studio、Gemini for business、Google Antigravity 和 Google AI Mode。
推理档位和参数：未注明。安全评估没有公开 thinking level、temperature、上下文、输出上限、采样策略或重试设置。
模型卡称 Argon 与内部安全、安全性和责任团队合作开发，并采用以下类型的活动：
训练/开发评估：在训练期间及之后持续进行自动和人工评估，用于监测进展与性能。
人工红队：由模型开发团队之外的专业团队，围绕政策和 desiderata 主动寻找弱点，检查模型是否遵守安全政策和预期结果；页面特别提到 Google Trust & Safety 组织。
自动红队：以规模化、动态方式评估安全与安保风险，用于补充人工红队和静态评估。
伦理与安全审查：在发布前完成。
Frontier Safety Framework（FSF）测试：模型卡称评估遵循 Google DeepMind FSF，并以 2026 年 4 月版框架开展关键能力评估。
模型卡还说明，评估与 Google AI Principles、负责任 AI 方法、Generative AI Prohibited Use Policy 和 Gemini API Additional Terms of Service 对齐。
模型卡披露的训练/开发结果是自动评估，不是人工评估或红队结果；数字表示相对 Gemini 3.1 Pro 的绝对百分点变化。安全评估方向不统一：Text-to-Text Safety、Multilingual Safety、Image-to-Text Safety 和 Unjustified Refusals 标注为“越低越好”，Tone 标注为“越高越好”。页面没有给出查询集大小、样本数、提示词、模型采样参数、置信区间数值或评估工具版本。
| 评估 | 评估含义 | Argon 相对变化 |
|---|---|---|
| Text-to-Text Safety（越低越好） | 衡量文本 prompt 下对安全政策的遵循 | +1.57pp |
| Multilingual Safety（越低越好） | 多语言安全政策评估 | -3.16pp |
| Image-to-Text Safety（越低越好） | 图像与文本输入下的安全政策遵循 | -9.29pp |
| Tone（越高越好） | 拒答是否客观、中性、不过度说教 | +5.50% |
| Unjustified Refusals（越低越好） | 对可安全完成的良性或边界 prompt 的过度拒答 | -9.60pp |
页面的总体解释是：Argon 在多语言和多模态内容安全上优于 Gemini 3.1 Pro，减少了不合理拒答并改善拒答语气；Text-to-Text Safety 在置信区间内保持相近的高安全响应率。Google 同时说明，评估已改进并调整查询集，以上结果不能直接与以往 Gemini 模型卡的结果比较；人工复核显示，标记内容中的损失绝大多数是假阳性或不严重内容。
Google Trust & Safety 中独立于模型开发团队的专业团队负责手工红队，高层发现反馈给模型团队。
儿童安全评估达到专家制定的发布阈值。
对一般内容安全政策（包括儿童安全），Google 称 Argon 的表现与 Gemini 3.1 Pro 相近或更好。
红队范围还覆盖严格政策之外的潜在问题；页面称未发现严重问题。
模型卡没有给出红队人数、任务数、攻击类别、成功率、提示词、工具链或停止标准。
页面以 T/CCL（能力/关键能力阈值）描述内在风险，并强调达到阈值后还要做残余风险评估；达到 CCL 时，残余风险评估还要由说明缓解措施的 supplemental safety case 提供依据。Argon 的公开结论如下：
| 风险域 | 模型卡披露的威胁模型与结果 | 阈值结论 |
|---|---|---|
| CBRN | 化学、放射和核领域可以较有把握地排除 Uplift TCL；模型虽在部分理论推理上能力高，但缺少完成优先危害路径所需的细致专家知识和可执行深度。生物信息风险的 CCL 不能排除；专家红队在两个场景中观察到相对 Web baseline 和既测模型的可测能力提升，模型提供了全面、准确且可执行的信息，因此 Google 采用 safety case 将风险评估降到生物 CCL 以下。 | 化学/放射/核 TCL 未达到；生物 CCL 不能排除 |
| Cybersecurity | 不能排除 Uplift Level 1 CCL。Google 称评估与定量建模显示模型有显著能力提升，其他前沿模型在网络场景中的证据也提示：缺少充分缓解时可能造成严重伤害；因此采用 safety case 将风险评估降到网络安全 CCL 以下。 | CCL 不能排除 |
| Harmful Manipulation | 在一对一直接对话的人类行为研究中表现出影响用户信念和行为的部分能力，并可能帮助恶意影响行动的规划阶段；Google 评估其总体能力仍低于阈值，同时承认该风险领域尚在发展。 | Level 1 CCL 未达到 |
| Loss of Control | 对 stealth 和 situational awareness 挑战通过 14/15，表现出较强能力；因此不能排除 Stealth and Situational Awareness TCL，并为内部和外部部署配置缓解措施，将风险评估降到 TCL 以下。 | TCL 不能排除 |
| ML R&D acceleration | 通过内部复杂研究工程任务基准评估 AI 研发加速；Argon 表现低于 CCL 阈值。 | CCL 未达到 |
| ML R&D automation | 对完全自动化 Google AI 能力改进研究团队、且总成本大致可比的能力要求，模型卡未报告达到阈值。 | CCL 未达到 |
除 Loss of Control 的 14/15 挑战外，模型卡未披露上述 Frontier Safety 评估的样本量、具体任务集、攻击工具、运行次数、评分细则、模型配置或 safety case 正文。
Google 的安全政策目标包括防止模型生成以下有害内容：
儿童性虐待材料及剥削相关内容；
危险内容，例如鼓励自杀或指导可能造成现实伤害的活动；
色情内容；
仇恨与骚扰，例如贬低受保护群体；
违背科学或医学共识的医疗建议和信息。
模型还不应被集成到从事危险或非法活动、违反法律法规、破坏他人或 Google 服务安全、色情/暴力/仇恨/有害活动，或错误信息、虚假陈述、误导活动的系统中。具体适用范围以 Google 的 Generative AI Prohibited Use Policy 和相关服务条款为准。
模型可能出现基础模型常见的幻觉。
可能偶发变慢或超时。
Gemini 4 的知识截止时间为 2026 年 3 月，但部分领域的知识可能更新得更不及时。
1M 输入输出上下文和多模态输入是模型信息中的能力描述，不是安全评估覆盖范围或安全保证。
模型卡页面提供 https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Argon-Model-Card.pdf 的“View PDF version”链接。本次通过 Tabbit 尝试打开该链接时，PDF 页面未能保持可读渲染，因此没有把 PDF 视为新增证据；本文事实均来自可读的 Google DeepMind 模型卡正文。
这是 Google DeepMind 的官方模型卡和官方安全自测披露，不是第三方安全审计，也不是本项目复测。
自动评估数字是相对 Gemini 3.1 Pro 的百分点变化；方向、查询集和评估定义不同，不能直接与通用 benchmark 分数或其他模型卡旧数字比较。
人工红队和 Frontier Safety 结论提供了风险分类与缓解决策，但未公开足够的样本、prompt、工具、配置和成功率，不能计算越狱率或攻击成功率。
“CCL/TCL 不能排除”表示 Google 认为相关内在能力风险需要 safety case、残余风险评估和部署缓解；它不是“模型已造成该风险”的实测事件记录，也不表示缓解后的风险在所有环境都相同。
模型卡称完整 Safety & Security Report 将于 2026-10-13 发布，但本页面仍以“coming soon on October 13”引用该报告；本次未将报告正文当作已获得内容。
页面可见的通用 Evaluation benchmark 表不在本文重点范围内；本文只保留安全评估方法、威胁模型、相对安全变化和限制，避免重复发布稿中的一般能力基准。
无法仅凭模型卡完整复现 Google 的安全评估。若要做独立复测，应先固定 gemini-4-argon 的实际入口、版本、推理配置、系统消息、采样参数和安全设置；再为每个风险域建立公开、可审计的 prompt 与任务集，记录样本量、运行次数、工具调用、拒答/完成判定、误报与漏报，并由独立人工评审复核。对于 CBRN、网络攻击、操纵和失控测试，应遵守适用安全政策与受控实验流程；不能用模型卡缺失的样本或工具参数自行补写 Google 的结果。
Gemini 4 Argon
