Gemini 4 Argon 开发者指南：定价、迁移与实测对比

谷歌新一代旗舰推理模型 Gemini 4 Argon 已面向开发者开放。在付费 Gemini API 中，模型标识为 gemini-4-argon，此前两周仅限网络安全专家通过 Fairwind 计划使用。本文梳理定价变化、基准测试数据、API 迁移要点，并如实标注哪些数据源自谷歌自述、哪些来自第三方独立评测。

核心要点速览

• 模型在付费 Gemini API 中定价为输入 $2/百万 token、输出 $10/百万 token，到 11 月 30 日为止；12 月 1 日起翻倍至 $4 和 $20。
• Artificial Analysis 测得其在智能指数上与 GPT-6 Astra 持平（53 分），幻觉率仅 15%，远低于 GPT-6 Astra 的 51% 和 GPT-6.1 Sol 的 54%。
• 输出极长：据该机构统计，每任务平均输出 62,000 token，是 GPT-6 Astra（27,000）的两倍多。
• 迁移有成本：temperature 和 thinking_budget 已失效，显式缓存调用报错，谷歌建议 HTTP 超时至少设为 20 分钟。
• API 无免费层级，交互式速率限制未公开。

模型定位与发布时间线

Gemini 4 Argon 是谷歌的旗舰推理模型，分两个阶段推出。9 月 30 日，谷歌首席 AI 架构师 Koray Kavukcuoglu 将其定位为面向"真实场景代码、企业智力工作和网络防御"的模型，初期仅通过 Fairwind 计划向受信任的防御人员开放。

大范围开放随后跟进。10 月 13 日，付费 Gemini API 通过 Google AI Studio 和 Android Studio 开放，Google AI Ultra 订阅者可在 AI Studio 和 Google Antigravity 中访问。同日，Gemini 应用向 Google AI Pro 和 Ultra 订阅者开放，Google Cloud 于 10 月 14 日接入。12 月 1 日起全面转为标准定价。

官方规格显示：输入支持文本、图像、视频、音频和 PDF，输出仅文本，统一窗口 1,048,576 token 由输入和输出共享。模型卡将知识截止日期定为 2026 年 3 月。

谷歌为它设定的目标场景

谷歌瞄准的是多步骤长周期任务。开发者博客原文提到"长周期工作流"，"包括代码迁移和前沿研究"。四个反复出现的用途值得关注：

代码迁移。 谷歌声称 Argon 智能体在内部将 C 和 C++ 转换为 Rust，Fuchsia 的 Zircon 内核迁移量超过 800,000 行。这是内部报告，并非公开测试。

超长输出。 据同一博客，输出上限从之前的"64K"提升到百万 token，但谷歌未指明对比的模型。作为参照，Gemini 3.1 Pro Preview 的规格页显示输出上限为 65,536 token。

防御性网络安全。 模型卡指出谷歌"无法排除"Argon 达到网络安全能力关键阈值的可能，并已部署防护措施。

智能体能力。 规格页列出函数调用、代码执行、Google Search 锚定和计算机使用（预览版）。

定价：务必注意 12 月 1 日

价格翻倍是这篇文章最重要的事实。Gemini API 定价页展示两列：11 月 30 日前和 12 月 1 日起。

每百万 token	至 11 月 30 日	12 月 1 日起
输入（标准）	$2.00	$4.00
输出（标准）	$10.00	$20.00
上下文缓存（隐式）	$0.10	$0.20
输入（批处理）	$1.00	$2.00
输出（批处理）	$5.00	$10.00

三个细节会显著改变预算估算：

没有免费层级。 模型指南明确说明 Argon 不在免费层级或 Google AI Pro 中提供。想零预算测试的开发者需要另寻方案。

仅支持隐式缓存。 定价页在缓存行注明"仅隐式缓存（不支持显式缓存）"。$0.10 的费率只适用于隐式缓存，开发者无法自行创建缓存。

模型话多。 Artificial Analysis 记录到每任务平均输出 62,000 token，而 GPT-6 Astra 为 27,000。输出恰恰是最贵的一行。

以一个中等规模应用为例：每月消耗 5,000 万输入 token 和 1,000 万输出 token，按启动价计算为 $100 + $100 = $200；12 月 1 日起变为 $200 + $200 = $400。此计算未考虑缓存和批处理。

Artificial Analysis 还按智能指数计算了每任务成本：Argon 在启动价为 $1.99，GPT-6 Astra 为 $3.26，低约 61%（该机构取整为 60%）。促销结束后，它预测每任务 $3.98，约为 GPT-6 Astra 的 1.2 倍。

按 10 月的价格做的预算，只够覆盖 12 月每 token 价格的一半。从现在起就按标准价做预算。

独立评测：谁测了什么

在本文引用的测试中，Gemini 4 Argon 要么第一、要么并列第一，唯独在 Vals AI 的 CyberBench 上排名第二。但这些结果来自三个性质不同的来源：谷歌、Artificial Analysis 和 Vals AI。注意名称差异：GPT-6 Sol 和 GPT-6.1 Sol 是 OpenAI 的两个不同模型，各来源测试的对象并不一致。

谷歌自家的数据。 9 月 30 日的博客声称在 DeepSWE v1.1（长任务软件工程测试）上取得 77.9%，在 LVBench（长视频理解）上取得 91.7%，并在 Zapier 的 AutomationBench 上以 51.3% 排名第一。方法论未详细披露。

最常被引用的安全数字是 CWE-bench v1 上的 68%，据谷歌称为并列第一。该测试由 Collinear AI 设计，包含 120 个开源仓库漏洞修复任务，覆盖六个语言族。任务成功的判定标准是：自动验证确认漏洞不再可利用且代码仍能正常工作。但在 Artificial Analysis 的 CWE-Bench-AA 页面上并未找到 Argon 的记录：68% 仍是谷歌单方面的数字。

Artificial Analysis 的测量。 在 Argon 使用高推理设置、OpenAI 模型使用最高（"max"）设置的条件下，Argon 在该独立机构的智能指数上获得 53 分，与 GPT-6 Astra 持平，领先 GPT-6.1 Sol 一分。在 AA-Omniscience 幻觉测试中，其幻觉率为 15%，是所有智能指数超过 45 分的模型中最低的，对比 GPT-6 Astra 的 51% 和 GPT-6.1 Sol 的 54%。这些测量发生在公开发布之前。

Vals AI 的测量。 Argon 在 41 个模型中排名第一，Vals 指数 68.90%，领先 Claude Sonnet 5.5（67.04%）和 Claude Opus 5.5（66.97%）。在 CyberBench 上排名第二，77.86%，紧随 GPT-6 Sol（注意不是 GPT-6.1 Sol）的 77.98%。

两个第三方机构都将 Argon 置于榜首或接近榜首，且在幻觉控制上有明显进步。但最终还是要用自己的数据来验证。

Python 调用与迁移陷阱

调用方式与前代 Gemini 模型相似，但多个参数发生了变化。谷歌发布的最小示例使用标识 gemini-4-argon（无后缀），SDK google-genai 版本需 2.30.1 或以上。

pip install -U "google-genai>=2.30.1"

from google import genai
from google.genai import types


**隐式缓存与显式缓存的区别**值得单独说明，因为文中多次提到却未解释。显式缓存（`cachedContents` API）允许开发者主动把一段固定的上下文（例如长文档、代码库、系统提示）写入缓存，之后多次请求复用，命中部分按缓存费率计费，且缓存有明确的创建与过期时间。隐式缓存则由模型侧自动识别请求前缀中重复出现的部分并自动复用，开发者无法控制哪些内容被缓存、也无法查询缓存命中状态。Argon 仅支持隐式缓存，意味着团队无法像前代那样为稳定的长上下文做显式预热，长系统提示带来的成本节省变得更不确定，必须依赖请求前缀稳定才能获得 $0.20 的缓存费率。

**automatic_continuation 的机制**也容易误解。当单次响应达到输出上限时，SDK 默认自动发起续接请求，把已生成内容拼回结果，开发者看到的是连续文本，但底层其实产生了多次计费调用。这与显式分页不同：续接由 SDK 内部处理，调用方需注意 `max_output_tokens` 会同时计入思考过程与最终回答，因此把上限设得过高会让思考阶段占用大量 token 却只产出很少可见文本。流式与非流式的 65,536 与 32,768 上限差异也源于此，流式模式下 SDK 能更高效地拼接续接片段。
# 读取 GEMINI_API_KEY；20 分钟超时（毫秒）
client = genai.Client(http_options=types.HttpOptions(timeout=1_200_000))

response = client.models.generate_content(
    model="gemini-4-argon",
    contents="写一个验证 IBAN 账号的 Python 函数。",
    config=types.GenerateContentConfig(
        max_output_tokens=32768,
        thinking_config=types.ThinkingConfig(thinking_level="medium"),
    ),
)

print(response.text)

以下是需要重点关注的迁移项：

• 采样参数。 移除 temperature、top_p、top_k 和 candidate_count，它们会被忽略。
• 思考配置。 thinking_budget 被 thinking_level 取代，可选 low、medium、high，默认 medium。
• 显式缓存。 调用 cachedContents 或 caches.create 会返回错误。
• 思考签名。 多轮对话中需回传完整历史，包括签名。
• 超时设置。 每次 HTTP 调用至少 20 分钟。

长输出有专属机制：流式请求最多返回 65,536 token，非流式请求 32,768，这就是上面示例将输出限制在 32,768 的原因，而谷歌官方示例请求的是 65,536。超过上限时，SDK 会自动续接（automatic_continuation，默认开启），且 max_output_tokens 同时计入思考过程和最终回答。

这次迁移是实打实的工程量，不是改个模型名就能完成的事。

与 GPT-6 和 Claude 的横向对比

在启动价下，Gemini 4 Argon 的每 token 价格与 GPT-6 Sol、GPT-6.1 Sol 和 Claude Sonnet 5.5 相同；标准价下则与 Claude Opus 5.5 对齐。

模型	输入	输出	上下文	最大输出
Gemini 4 Argon（11/30 前）	$2.00	$10.00	1,048,576	谷歌称最高 1,048,576（Vals AI 显示 262,000）
Gemini 4 Argon（12/1 起）	$4.00	$20.00	同上	同上
GPT-6 Luna	$0.10	$0.50	1,050,000	128,000
GPT-6 Sol	$2.00	$10.00	1,050,000	128,000
GPT-6 Astra	$10.00	$50.00	未收录	未收录
Claude Sonnet 5.5	$2.00	$10.00	1,000,000	128,000
Claude Opus 5.5	$4.00	$20.00	1,000,000	128,000

三个陷阱让人无法直接逐行对比：

OpenAI 的阶梯价。 输入超过 272,000 token 后，GPT-6 Sol 和 GPT-6.1 Sol 涨至 $4 和 $15。Anthropic 对 Opus 5.5 和 Sonnet 5.5 的整个百万 token 窗口都按标准价计费。

token 切分差异。 Anthropic 定价页指出，其近期模型对同一段文本会多产生约 30% 的 token。

最大输出。 这才是 Argon 的真正差异点：谷歌宣称高达百万 token（Vals AI 显示 262,000），而竞品普遍为 128,000。

在每 token 成本持平的前提下，Argon 的辨识度来自它的超长输出和较低的评测幻觉率。

OpenAI 的阶梯价与 Anthropic 的 token 切分是横向对比中最易踩坑的两点。阶梯价指输入 token 超过某一阈值（此处为 272,000）后，超出部分按更高单价计费，与整体按单一价格计费不同，因此用长上下文时 GPT-6 Sol 的实际输入成本可能远高于标价。token 切分差异则源于不同厂商的分词器对同一段文本切割方式不同，Anthropic 声明其近期模型会多产生约 30% 的 token，这意味着即使标价相同，使用 Claude 处理相同文本可能实际支付更多。两者叠加会让单纯的每百万 token 标价对比严重失真。

已知局限

谷歌自己记录了一部分盲区。

未公开的速率限制。 速率限制页未给出 Argon 的交互式配额数字，仅指向 AI Studio。只有批处理的队列上限被列出：从 T1 级别的 500 万 token 到 T3 级别的 10 亿。

已知的慢。 模型卡提到可能出现幻觉以及"偶发的慢响应或超时"。

敏感模型。 谷歌未排除的网络安全关键阈值解释了前两周的受限访问。

谷歌声称在 Gray Swan 的间接提示注入测试中成功率攻击为 0.7%。这是厂商自述数字，仍需保持防护措施，尤其是通过 RAG 将回答锚定在可控来源上。

不同开发者该怎么选

画像	判断	理由
代码迁移、大文件生成	优先测试	谷歌称输出可达百万 token
需要避免胡编的智能体	值得测试	Artificial Analysis 测得 15% 幻觉率
安全团队	谨慎测试	CWE-bench 的 68% 仍属谷歌自述
高流量、小预算	留在小模型	GPT-6 Luna 仅 $0.10/$0.50，Argon 无免费层级
已用 GPT-6 Sol 或 Claude Sonnet 5.5	先对比再切换	促销期同价，之后翻倍，且每任务输出 62,000 token
单纯好奇	Gemini 应用（AI Pro/Ultra）或 AI Studio 开通计费	API 无免费层级

Gemini 4 Argon 值得认真一试——如果你大量生产代码，或者幻觉对你而言代价高昂。对于简单且预算敏感的应用，不必着急。

尚未核实的细节

公开开放数天后，以下几点仍不确定：

• 法国地区 API 可用性，所查阅的官方来源均未详述。
• 是否出现在 Google Search 的 AI 模式中，Clubic 有报道但官方博客未提及。
• 最大输出：谷歌宣称百万 token，Vals AI 显示 262,000，差异未解释。
• 谷歌测试（DeepSWE、LVBench）的方法未披露，CWE-bench v1 的分数在 Artificial Analysis 页面也不存在。
• 欧洲接入点 10% 附加费，ActuIA 有提及，但 Gemini API 定价页未列。
• 税费，定价页未提及。
• 本文未运行任何测试，模型的实际质量仍需开发者自行验证。