北美AI大模型调研 Gemini 4 Argon模型升级与推理成本变化

核心观点与关键数据

• 模型发布与目标：Gemini4Argon主要对标GPT-4o，旨在补足整体任务和编码任务上的劣势，追赶SOTA水平，当前主要聚焦于法律和金融垂直领域。模型采用新预训练方法，约一个半月前定型，后续仅做少量后训练，主要目标模型为Claude3.5Sonnet。
• 算力紧张与策略：算力紧张是当前主要问题，导致Gemini4Argon无法全面供给用户，内部员工已停用。原因包括TPU硬件延迟、模型本身耗算力高、GCP算力租赁给Anthropic等。策略上优先保障外部客户（尤其是B端和Anthropic）的算力供给。
• 与Anthropic合作：谷歌与Anthropic深度合作，将其深度绑定到GoogleWorkspace生态，实现高度原生集成（如GoogleDoc中直接调用Anthropic按钮）。Anthropic将C端增长任务交给Gemini，双方未来关系将非常紧密。
• 合作模式与市场影响：合作后，用户可通过套餐同时使用Anthropic和Gemini模型，token等价兑换。未来用户可能需要在OpenAI和Anthropic+Gemini之间选择，选择范围变窄。B端市场推广因套餐优势更易实现。
• 盈利与定价：C端目前普遍亏损，B端按token销售，恢复原价后毛利率提升。Google正打击C端薅羊毛行为，日均封禁1-2万账户。
• Anthropic算力使用：Anthropic目前约占用谷歌TPU总量的50%（约350万/700多万），其中约40%用于训练，高于Gemini。

研究结论

• 竞争格局：未来一年到一年半内，算力仍是关键资源，谁能锁定更多算力，谁就能服务更多大客户。模型差距不大时，算力控制权尤为重要。
• 市场增长点：主要增长点包括非Coding用户的渗透、Coding用户持续升级模型、企业端在Agentflow中的更多应用。
• AI基础设施紧缺：数据中心最缺电力设备，模型训练者最缺推理算力（尤其是Memory）。训练算力目前不缺，因部分项目暂停。
• CPU与薅羊毛：CPU目前不紧缺。C端存在专门的薅羊毛产业链，B端使用场景更规范。
• 未来方向：推理算力预计将持续紧缺，尤其在Coding任务中。企业端落地虽慢但一旦使用不易更换。通过B端和C端的深度绑定，与OpenAI进行竞争。