Google 开放 Gemini 4 Argon API：单次输出上限 100 万 token，输入输出共享同一窗口
来源MarkTechPost查看原文
速览
- Gemini 4 Argon 全面开放，API 定价每百万 token 输入 2 美元、输出 10 美元。
- 输出上限从 64K 提升至 1M token，但输入输出共享同一窗口。
- 稀疏 MoE 架构，原生多模态输入，知识截止 2026 年 3 月，参数未披露。
- Vals Index 68.90% 排名第一，DeepSWE v1.1 77.9% 领先竞品。
- FrontierSWE v2 仅 55.0%，在 Google 对比表中 4 款模型里垫底。
- Terminal-Bench 4.0 与 Science 0.1 均落后于 Opus 5.5 和 GPT-6 Astra。
- 11 月 30 日后价格翻倍至输入 4 美元、输出 20 美元。
- Google 内部称 Antigravity 中代码提交量提升超 35%，回滚减少近三分之一。
- 竞品分数多为自报或来自公开榜单，Argon 的 DeepSWE 分数为自算。
- 模型卡列出幻觉、偶发变慢或超时，Google 称无法排除生物与网络安全关键能力等级。
Google DeepMind 将 Gemini 4 Argon 面向开发者、企业和付费 Gemini 订阅用户全面开放。该模型是 Google 自研的稀疏 MoE 前沿模型，主打长程多步任务，目标场景为编程、金融、法律、科学和网络安全。Argon 最早于 9 月 30 日面向一小批网络安全防御者公布，如今进入付费 Gemini API，定价为每百万 token 输入 2 美元、输出 10 美元。对开发者最关键的变化是输出长度：Argon 单次响应最多可写 100 万 token，而此前 Gemini 模型的输出上限为 64K。需要注意的是，输入与输出共享同一个 100 万 token 窗口，长提示词会压缩可用的输出空间，Google 为此提供了新的长解码续写协议。基准测试方面，Argon 在 Google 自建对比表中多数项目领先 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5，但在 FrontierSWE v2、Terminal-Bench 4.0 等 5 项上落后。
关键事实
- Gemini 4 Argon 已面向开发者、企业和付费 Gemini 订阅用户全面开放，API 定价为每百万 token 输入 2 美元、输出 10 美元。
- Argon 单次响应输出上限从早期 Gemini 模型的 64K 提升至 1M token，输入与输出共享同一个 1M token 窗口。
- Argon 是全新模型而非既有 Gemini 的微调版本，为大规模稀疏 MoE transformer，原生支持文本、图像、音频、视频输入，仅输出文本。
- 模型基于 TPU、使用 JAX 和 ML Pathways 训练，知识截止日期为 2026 年 3 月，Google 未披露总参数量与激活参数量。
- Argon 在 Vals Index 上得分 68.90%，排名第一，高于 Claude Sonnet 5.5 的 67.04%。
- Argon 在 DeepSWE v1.1 得分 77.9%，高于 Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%；在 LVBench 长视频理解上得分 91.7%。
本站视角
对中文开发者和国内做 Agent 的团队来说，Argon 最直接的价值是「单次输出 1M token」这个能力本身。此前主流模型的输出上限普遍在 128K 左右，意味着生成完整代码库、长篇合同、完整研究报告时往往需要多次拼接，而拼接会引入上下文断裂和一致性问题。Argon 把这个上限拉到 1M，理论上让「一次生成一个完整项目」变得可行，这对做代码生成、法律文书、金融研报类产品的团队是实质性的能力扩展，而不只是营销数字。但我们的判断是，这个能力需要打两个折扣：第一，输入输出共享 1M 窗口，实际可用输出取决于提示词长度，长提示词场景下优势会被大幅削弱；第二，Google 专门为长解码提供续写协议，说明超长输出在工程上并非无缝，接近上限时的质量衰减和超时风险需要实测。定价方面，2/10 美元的 introductory 价格确实低于 GPT-6 Astra 的 10/50 美元，与 Claude Opus 5.5 持平，对成本敏感的团队有吸引力，但 11 月 30 日后翻倍到 4/20 美元，长期成本需要按标准价评估。基准测试上，我们建议读者对 Google 自建对比表保持谨慎：多数竞品分数为自报或来自公开榜单，Argon 的 DeepSWE 分数也是自算，且 Argon 在 FrontierSWE v2、Terminal-Bench 4.0 等智能体编程和终端操作任务上明显落后，说明它在「长文本与多模态理解」和「短程工具调用与代码修复」之间存在明显的能力落差。如果你的场景是长文档生成、长视频理解、知识工作，Argon 值得优先测试；如果你的场景是智能体编程、终端自动化、SWE 类任务，现有数据并不支持它优于 GPT-6 Astra 或 Claude Opus 5.5。另外，模型卡明确列出幻觉、偶发变慢或超时，且 Google 称无法排除生物与网络安全关键能力等级，这意味着在高风险场景中部署需要额外的安全评估。
背景与影响
Gemini 4 Argon 的发布延续了 Google 在前沿模型上「先小范围试用、再全面开放」的节奏：9 月 30 日先面向网络安全防御者公布，10 月 13 日进入付费 API。从定位看，Argon 把「长输出」当作核心卖点——1M token 的单次输出远超 GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1 的 128K，这对需要一次性生成完整代码库、长篇法律文书或研究报告的场景有直接吸引力。但输入输出共享同一窗口意味着，当提示词本身很长时，实际可用的输出空间会被压缩，Google 为此专门提供了长解码续写协议，这本身也说明 1M 输出并非「无代价」。定价策略上，Argon 的 2/10 美元明显低于 GPT-6 Astra 的 10/50 美元，与 Claude Opus 5.5 的 4/20 美元持平或更低，但 11 月 30 日后会翻倍到 4/20 美元，这意味着早期采用者能享受一段价格红利期。基准测试方面，Google 的对比表中多数竞品分数为自报或来自公开榜单，Argon 的 DeepSWE 分数也是自算，因此这些数字更适合作为方向性参考而非绝对排名。Argon 在长上下文、长视频和知识工作上领先，但在智能体编程和终端操作类任务上落后，说明它更像是一个「长文本与多模态理解强、但短程工具调用与代码修复偏弱」的模型。对国内开发者和做 Agent 的团队来说，1M 输出上限和较低定价值得关注，但需要先验证长解码续写协议在实际工程中的稳定性，以及输出质量在接近上限时是否衰减。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
