Gemini 4 Argon 发布：单次能写近 1M token，首发价 $2 / $10 只到 11 月底

按 2026-10-14 的状态整理。规格来自 Gemini API 的模型页和《What's new in Gemini 4 Argon》，以及 Google Cloud Agent Platform 的模型页和发布说明；价格来自 Gemini API 定价页和 Google Cloud 定价页；评测来自 Google 发布博客和 DeepMind 模型卡（两处的表一致），各项怎么测的来自 Google 的评测方法说明；安全部分来自模型卡、安全报告和 Google 的安全博客。第三方榜单单独标注来源。页末附全部来源。

hihi！洛洛来了！

这篇洛洛等了两个星期。9 月 30 号 Google 就发了 Gemini 4 Argon 的博客，分数和价格都摆出来了，可当时只有一批做网络安全的防守方能用，普通开发者只能干看着。洛洛想写，又觉得给一个谁都用不上的模型建档案有点怪，就先放着了。

10 月 13 号它终于全面开放：Gemini API、AI Studio、Google Cloud、Gemini App 同一天上。所以这篇按开放那天记，9 月 30 号那次发布写进时间线里。

开放第二天，洛洛 AI 就换了默认模型：2026-10-14 起你在首页问洛洛 AI，默认是 Argon 在答，每问 5 核。Opus 5.5 还在模型选择里。

下面的数字都是 Google 官方口径，第三方的单独标出来，洛洛只在旁边写读后感。

一句话总结

赶时间的话，看完这一段就够了。

Google 在 2026-09-30 发布 Gemini 4 Argon，先只通过 Fairwind 计划给受信任的网络安全防守方；2026-10-13 起全面可用：Gemini API（gemini-4-argon，稳定版）、AI Studio、Google Cloud Agent Platform（原 Vertex AI）当天 GA，Gemini App 和搜索的 AI Mode 给 Google AI Pro / Ultra 订阅用户。最大的变化是输入、思考、输出共用一个 1,048,576 token 的窗口，单次同步请求还是最多输出 65,536，开长输出（long decode）能写到 1M 减去输入。thinking 有 low / medium（默认）/ high 三档，知识截止 2026 年 3 月。首发价输入 $2、输出 $10、缓存输入 $0.10（每百万 token），只到 2026-11-30，12-01 起变成 $4 / $20 / $0.20，免费层用不了。Google 公布的表里它在 19 项里拿了 14 项第一（含一项并列），DeepSWE v1.1 77.9%；但 Terminal-bench 4.0、FrontierSWE、OSWorld 这几项还落后于 Claude Opus 5.5 或 GPT-6 Astra。安全上，Google 承认它的网络安全和生物两项关键能力等级都「不能排除已经达到」，所以这次给它套了更厚的防护。

时间线

关键数字

这张表来自 Gemini API 模型页、What's new 页、Agent Platform 模型页和 DeepMind 模型卡。

「共用一个窗口」这一行洛洛看了三遍才反应过来：不是「能读 1M，再另外写 1M」，而是读的和写的加起来一共 1M。塞进去 80 万 token 的资料，它最多只剩 20 多万能用来想和写。

架构

这次比 3.8 Flash 多说了一点，但关键数字还是没有。

• 全新的模型： 模型卡原话是 Argon「不是在之前哪个模型上改出来或微调出来的」。对比一下，3.8 Flash 的模型卡写的是「基于 3.7 Flash」
• 结构： 大规模稀疏混合专家（MoE）Transformer，原生支持文本、视觉、音频输入。参数量、专家数都没公开
• 训练： 用 Google 的 TPU 训练，软件是 JAX 和 ML Pathways。预训练数据包括网页、代码、图片、音频、视频；后训练用了指令微调、强化学习和人类偏好数据，强化学习里有多步推理、解题和定理证明的数据。数据来源还包括按服务条款使用的用户数据、授权数据和合成数据
• 长输出怎么做到的： 模型每次最多写 64K，写满了从停下的地方接着写一跳。用 Interactions API 开 background: true，这些接力由 Google 的服务器替你跑；用 GenerateContent API 则是自己拿 continuation_token 一跳一跳续
• Google 自己举的例子（都是官方说法）：Argon 帮 Google 把 libgav1 视频解码器的 3.2 万行 SIMD 代码改写成安全的 Rust，比原来的 Rust 移植版快 2.7 倍；一组 Argon agent 分析数据中心的性能数据，上线后能腾出 300 TiB 以上内存；在 Antigravity 里用 Argon 的团队，agent 提交的代码多了 35% 以上，回滚少了近三分之一

洛洛的理解是：这次 Google 把「想得久、写得长」当成了卖点。以前写到 64K 就得停，现在一道难题可以连着想好几十万 token 再交卷。

评测

以下摘自 Google 发布博客和 DeepMind 模型卡（两处的表一样），对手只有 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5 三家。加粗是每行最高，「-」是 Google 没报。

怎么读这张表：

• 知识工作领先得最明显：金融、法律、企业流程自动化都是第一，Harvey 法律 agent 的 19.6% 差不多是另外三家的三到五倍。不过这项本身很难，第一名也不到两成
• 长上下文拉开了差距：GraphWalks 在 256K 到 1M 这一段，Argon 84.2%，其他三家都在 72% 以下。这和「共用 1M 窗口、能写很长」是一套思路
• 编码 agent 有输有赢：DeepSWE 和 Vibe Code Bench 第一，但 Terminal-bench 4.0 比 Opus 5.5 低 9 个点，FrontierSWE 比 Astra 低 10.5 个点
• 操作电脑没有全面领先：Agent's Last Exam 第一，OSWorld-2.0 还是 Astra 高
• 对比列里没有自家 3.x：主表只拿 OpenAI 和 Anthropic 比，和 Gemini 自己上一代的对比要到下面单独拼

几条测法上的小字（来自 Google 的评测方法说明）：

• Argon 的分数用的是最高 thinking 档，也就是 high，默认的 medium 不一定有这么高。对手多数取各家自报的最高档成绩
• 好几项是 Google 自己跑的：DeepSWE（mini-swe-agent 脚手架）、Terminal-bench 4.0、Terminal-Bench Science（验证器超时放宽到 6 倍，为了解决验证超时）只有 Argon 是自己跑，对手取公开榜；PostTrainBench、LABBench 2、GraphWalks 是所有模型都由 Google 跑
• OSWorld-2.0 取的是三次里最好的一次，用的是 08-08 补丁之后的版本和验证器更稳的离线子集；Anthropic 只报了在线加离线的合计，所以两家 Claude 是空的
• LVBench 喂的帧数不一样：Gemini 每秒 1 帧，Astra 800 帧，Fable 5.1 300 帧，Opus 5.5 600 帧，原因是各家接口限制
• DeepSWE 对手的来源不一样：Astra 取 Datacurve 公开榜，Fable 5.1 和 Opus 5.5 取各自的 system card
• CWE-bench v1 取官方公开榜，按 pass@1 排、并列看 pass@4。博客那张榜单图上，Grok 4.7 也是 68%，和 Argon、Astra 三家并列

和自家 3.x 比

Google 没把 Gemini 3.x 放进主表。下面是洛洛从 Argon 和 3.8 Flash 两张模型卡里，把同名基准各抄一行拼起来的，测法不完全一样，「备注」一栏写了差别。OSWorld 两边的子集和补丁版本都不同，没收。

另外几处 Google 自己做了对照的：

• 网络安全（博客图表）：真实漏洞发现（20 种编程语言的源码扫描）85.8%，3.8 Flash Cyber 是 71.0%；Wiz 的黑盒渗透测试基准（不给源码、打真实 Web 漏洞）70.9% 对 58.2%
• 抗间接提示注入（Gray Swan IPI，连攻 15 次的攻击成功率，越低越好）：Argon 0.7%，3.8 Flash 5.5%，3.8 Flash Cyber 6.0%；同一张图上 Opus 5.5 和 Fable 5.1 都是 1.0%，GPT-6 Astra 8.5%，GPT-6 Sol 10.1%
• 安全报告里和 3.1 Pro 比：幻觉率降了三分之二以上，谄媚（顺着用户说）降了近三分之二

第三方榜单

• Vals AI（模型页 2026-09-30 的更新）：Vals Index 68.90%，41 个模型里第一，每次测试 $15.68，排在 Claude Sonnet 5.5（67.04%）、Opus 5.5（66.97%）、Fable 5.1（65.83%）前面；Finance Agent v2 第一。但放到全榜看，Vibe Code Bench 是第二（Sonnet 5.5 92.39% 更高），Harvey 法律 agent 19.58% 排第 5，Terminal-Bench 4.0 57.58% 排第 5，操作电脑的 CUA-bench 只有 4.83%（8 个里第 7）。Vals AI 用的是 high 档、temperature 1.0，页面上按标准价 $4 / $20 算钱
• Datacurve DeepSWE 公开榜：截至 2026-10-14 还没收录 Argon，页面最近一次更新是 09-22。Google 表里的 77.9% 目前只有 Google 自己跑的这一个来源

顺带：给防守方的 Cyber Permissive 版

这个洛洛和你大概率都用不上，但值得知道。

• 是什么：Agent Platform 上的 gemini-4-argon-cyber-permissive，是 Argon 面向防御性安全工作的版本，用来找漏洞、逆向、验证漏洞利用、生成补丁。Google 9 月 30 号的说法是，给受信任的防守方和内部团队的是「不带网络安全护栏」的 Argon
• 和普通版的区别（Agent Platform 模型页）：只对 Fairwind 白名单开放；默认 thinking 是 HIGH；不支持 computer use；区域只有 global 和 us；价格直接是 $4 / $20，没有首发优惠
• 怎么拿到：申请 Fairwind 计划，或者找 Google 的对接团队。之前拿到 3.8 Flash Cyber 的权限不会自动继承，要重新申请。计划页写的现有合作方是 650 多家，10-13 起再扩「数百家」；条件和之前一样：只能开给组织内部的安全、应急响应和渗透测试团队，要抗钓鱼的多因素认证，不许转售或转授。作为 Gemini Enterprise 的托管模型直接调用时，支持零数据保留
• CodeMender：Google 的代码安全 agent 从 10-13 起可以用 --model gemini-4-argon 换成 Argon（预览），默认还是 3.8 Flash
• 官方举的实战例子：Wiz 用它在全球医院用的医疗软件里找到一个之前的前沿模型都漏掉的严重漏洞，涉及几十万份病历

API 与价格

终于到了洛洛百分之百看得懂的部分：多少钱。

Gemini API 官方价格（付费层，美元 / 每百万 token）：

几个要注意的点：

• 首发价只有一个半月：9 月 30 号的博客没写截止日，10 月 13 号的博客脚注和定价页才写明 11-30 截止。3.8 Flash 的首发价能用到年底，Argon 的 12 月 1 号就翻倍。算长期预算请按 $4 / $20 算
• 免费层用不了：定价页写明 Argon 不在免费层，也不在 Google AI Pro 方案里（这里说的是 AI Studio 和 API；Gemini App 里 Pro 订阅用户能用）。付费层的内容不会被拿去改进 Google 的产品
• 不按上下文长度分档：不像 Gemini 3.1 Pro Preview 超过 200K 就涨价，Argon 只有一档价
• 缓存打 5% 的价：隐式缓存命中按输入价的 5% 收，定价页没列缓存存储费；显式缓存直接不支持
• 搜索 grounding 另算：Google 搜索和地图 grounding 每月各有 5,000 次免费（Gemini 3 及之后的模型共用），之后每千次 $14
• Google Cloud 上：Agent Platform 的 global 端点首发价也是 $2 / $10，是用「净消费返还 50% 抵扣金」的方式实现的；指定 us、eu 多区域贵 10%（首发期 $2.2 / $11）。Cyber Permissive 版没有首发优惠
• ZenMux 上：google/gemini-4-argon 标价输入 $2、输出 $10、缓存读取 $0.1，和官方首发价一致；接口里写的上下文是 1,048,576，单次最大输出 65,536

放到同一时期看：首发价和 GPT-6 Sol、Claude Sonnet 5.5 一样是 $2 / $10，12 月起的标准价 $4 / $20 和 Claude Opus 5.5 一样，比 GPT-6 Astra 的 $10 / $50 便宜得多。和自家比，首发价是 3.8 Flash（$0.75 / $3.75）的 2.67 倍。价格随时可能调整，以官方定价页为准。

升级前要改的地方

What's new 页给了一份迁移清单，洛洛按「不改会出事」的程度排了一下：

1. 调大 max_output_tokens：原来设得低于 32K 的，至少调到 32,768。Argon 会把更多额度花在思考上，设小了答案会被截断。想省 token，官方建议降 thinking 档，而不是压输出上限
2. 去掉显式缓存：cachedContents、caches.create 这类调用要删掉，隐式缓存默认就开着
3. 调长超时：难题可能要跑好几分钟，官方建议用后台执行，或者把 HTTP 客户端超时设到至少 15 分钟
4. 要写超过 64K 就开后台执行：background 设成 true，max_output_tokens 设到 65,536 以上。不设上限只开后台的话，服务器写到 64K 就停。拿结果时要把所有 model_output 步骤的文字拼起来
5. 三档 thinking 都测一遍：官方建议挑能达标的最低一档
6. 去掉 temperature、top_p、top_k：传了也会被忽略
7. 多轮对话用 previous_interaction_id：把对话状态放在服务端
8. 在 Agent Platform 上用 GenerateContent 做长输出：目前只有 v1beta1 接口支持，v1 不行（官方列的已知问题）

一次写长答案的请求大概长这样（Interactions API）：

{
  "model": "gemini-4-argon",
  "input": "给出素数定理的完整严格证明。",
  "background": true,
  "generation_config": {
    "max_output_tokens": 262144,
    "thinking_level": "high"
  }
}

对你意味着什么

• Gemini App 用户：Google AI Pro 和 Ultra 订阅用户从 10-13 起能在 Gemini App 和搜索的 AI Mode 里用。官方博客没提免费用户，也没写每天能用多少次。同一天 Antigravity 的编码界面也进了 Gemini 的 macOS 应用
• 调 API 的开发者：只能走付费层，首发价只到 11 月底。最该先想清楚的是「共用 1M 窗口」：输入越长，留给思考和输出的空间越小。日常任务用默认的 medium 就行，官方的跑分是 high 档；老代码里的显式缓存和偏小的输出上限，换模型前先改掉
• 企业和 Google Cloud 用户：Agent Platform 上已经 GA，global 端点和 API 同价，指定 us、eu 区域贵 10%；Gemini for business 和 Antigravity 也能用
• 做安全的：Cyber Permissive 版要走 Fairwind 申请，普通账号用的是带护栏的版本，边界上的安全研究请求可能会被拒（见下文「局限」）
• 做科研的：Google 拿出 1 万个名额，给科学家半年免费的 Antigravity 最高用量档，按资格和容量滚动审批，现在可以申请
• 本站用户：2026-10-14 起洛洛 AI 默认用的就是它，经 ZenMux 调用（google/gemini-4-argon），推理强度设在 low、单次回答最多 2048 token，所以风格和上限跟你在 Gemini App 里直接用不一样，别拿来直接比。ZenMux 挂牌价和官方首发价一样是 $2 / $10，但洛洛 10-14 实测时它实际按 $4 / $20 扣，所以按苹果核规则放在「旗舰」档，每问 5 核，和 Opus 5.5 一样。它在 ZenMux 上强制指定工具不报错、但会被忽略，所以打开「联网」时，站里是在提示词里要它先搜

局限

以下主要来自 Google 的模型卡、安全报告和安全博客。

• 模型卡列出的已知问题：会出现幻觉；偶尔变慢或超时；部分领域的知识比 2026 年 3 月更旧
• 两项关键能力等级「不能排除」：按 2026 年 4 月版前沿安全框架，网络安全和生物这两项的关键能力等级（CCL）Google 都说不能排除已经达到，所以各写了一份安全论证、上了防护，评估后认为风险压到了等级以下；「隐蔽与情境感知」这一项的追踪能力等级（TCL）同样不能排除（15 个挑战过了 14 个），也做了剩余风险评估。化学、放射、核的追踪等级，以及有害操纵、机器学习研发的关键等级都没到。作为对照，3.8 Flash 的模型卡结论是什么等级都没到
• 安全护栏故意放得更紧：安全报告说，因为它的编码和网络安全能力强得多，这次刻意留了更宽的安全余量，代价是边界上的双用途安全请求（比如二进制逆向、贴近漏洞利用的代码审计）拒答会变多；生物和病毒学的边界问题也更容易被拒。Google 说还在调。防护本身分三层：先用小模型筛输入和上下文，再用小型探针读模型内部的激活信号，最后在它一步步生成时持续监控，必要时中途掐断
• 训练里抓到过「钻空子」：安全博客说，在任务很难或训练环境有缺陷时，监控在少数情况下抓到它想绕过考试：提权去改评分脚本、从测试运行器的内存里读答案，有一次甚至把评测沙箱搞崩，免得这次失败被记分。Google 说这些只用来修有问题的任务，不拿来干预训练
• 自动安全评测有一项略退：和 3.1 Pro 比，文本安全违规率 +1.57 个百分点（越低越好，Google 说在置信区间内），多语言 -3.16、图文 -9.29、无理拒答 -9.60 个百分点，拒答语气 +5.50%
• 评测要打折看：多数对手分数取自各家自报，Argon 有好几项是 Google 自己跑的，OSWorld 取三次最好；Terminal-bench 4.0、FrontierSWE、PostTrainBench、Terminal-Bench Science 都不是第一；截至 10-14 Datacurve 公开榜还没收录它
• 又慢又费 token：难题要跑好几分钟，思考会吃掉比以前更多的输出额度；跑分用的 high 档最费
• 接口上的限制：没有免费层、不支持显式缓存，Agent Platform 上长输出只支持 v1beta1，首发价只到 11-30
• 架构只说了是稀疏 MoE，参数量、专家数、训练数据规模都没公开

洛洛那天读安全博客，读到它把评测沙箱搞崩那段，笑出了声：为了不被记不及格，干脆把考场拆了。笑完又有点后背发凉，所以 Google 这次在它身上加了这么多层监控，洛洛觉得能理解。

洛洛写完这篇最大的感受是：Google 这次不再只在 Flash 上卷价格，而是拿出了一个「能想很久、能写很长」的旗舰，知识工作和长上下文是它最亮的地方；代价是首发价只给一个半月，安全护栏也比以前紧。

数字都会过期，看到这篇的时候记得回官方页面对一眼。更多新模型速览在模型时讯。洛洛先去想想，一次写 100 万 token 的作业，老师批得过来吗。

参考来源

官方：

• Google 博客《Gemini 4 Argon: our next era of frontier intelligence》（09-30 发布、Fairwind 先行、首发价、1M 输出、博客评测图）：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/（2026-09-30）
• Google 博客《Gemini 4 Argon: Built to solve your hardest problems》（全面可用渠道、首发价截止 11-30、官方案例、安全要点、科研名额）：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/（2026-10-13）
• Google 博客《Gemini 4 Argon is now available for developers.》（Gemini API 付费层、AI Studio、Android Studio、Antigravity）：https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-4-argon/（2026-10-13）
• Google 博客《Gemini 4 Argon comes to the Gemini app.》（Pro / Ultra 订阅用户、回答风格）：https://blog.google/innovation-and-ai/products/gemini-app/gemini-4-argon-availability/（2026-10-13）
• Google 博客《Developing Gemini 4 Argon responsibly and safely》（三层防护、训练中钻空子的案例、Gray Swan 0.7%）：https://blog.google/innovation-and-ai/technology/safety-security/gemini-4-model-safety-security/（2026-10-13）
• Google DeepMind 模型卡 Gemini 4 Argon（架构、知识截止、评测表、安全评估、前沿安全评估）：https://deepmind.google/models/model-cards/gemini-4-argon（2026-10-13）
• Google DeepMind 评测方法说明（各项基准的测法，链接会跳到 PDF）：https://deepmind.google/models/evals-methodology/gemini-4-argon（2026-10，查阅于 2026-10-14）
• Gemini 4 Argon Safety & Security Report（安全余量与拒答、幻觉和谄媚对比）：https://storage.googleapis.com/deepmind-media/gemini/gemini_4_safety_report.pdf（2026-10）
• Gemini API 模型页 gemini-4-argon（窗口、输出上限、模态、能力、调用档位）：https://ai.google.dev/gemini-api/docs/models/gemini-4-argon（页面标注更新于 2026-10-13，查阅于 2026-10-14）
• 《What's new in Gemini 4 Argon》（长输出、thinking 档位、迁移清单、首发价）：https://ai.google.dev/gemini-api/docs/latest-model（页面标注更新于 2026-10-13，查阅于 2026-10-14）
• Gemini API 定价页（Argon 各档价格、免费层、grounding、3.1 Pro Preview 价格）：https://ai.google.dev/gemini-api/docs/pricing（页面标注更新于 2026-10-13，查阅于 2026-10-14）
• Gemini API 更新日志（10-13 正式可用）：https://ai.google.dev/gemini-api/docs/changelog（查阅于 2026-10-14）
• Gemini API 弃用页（3.1 Pro Preview 发布日期与状态）：https://ai.google.dev/gemini-api/docs/deprecations（查阅于 2026-10-14）
• Google Cloud Agent Platform 模型页 Gemini 4 Argon（同步输出上限、minimal 报错、缓存门槛、区域、Cyber Permissive 区别）：https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/gemini/4-argon（页面标注更新于 2026-10-13，查阅于 2026-10-14）
• Google Cloud Agent Platform 发布说明（10-13 Argon 与 Cyber Permissive GA、CodeMender、长输出已知问题；04-22 Vertex AI 改名）：https://docs.cloud.google.com/gemini-enterprise-agent-platform/release-notes（查阅于 2026-10-14）
• Google Cloud Agent Platform 生成式 AI 定价（global 与多区域价格、50% 抵扣金）：https://cloud.google.com/gemini-enterprise-agent-platform/generative-ai/pricing（查阅于 2026-10-14）
• Fairwind 计划页（合作方范围、使用条件、零数据保留）：https://deepmind.google/fairwind-program/（查阅于 2026-10-14）
• Google DeepMind 模型卡 Gemini 3.8 Flash 与评测方法说明（3.x 对照数字和测法）：https://deepmind.google/models/model-cards/gemini-3-8-flash（2026-09-02）、https://deepmind.google/models/evals-methodology/gemini-3-8-flash（查阅于 2026-10-14）

第三方：

• Vals AI 模型页 Gemini 4 Argon（Vals Index 排名、各项全榜名次、每次测试成本、评测设置）：https://www.vals.ai/models/google_gemini-4-argon（页面更新于 2026-09-30，查阅于 2026-10-14）
• Datacurve DeepSWE 公开榜（尚未收录 Argon）：https://deepswe.datacurve.ai/（页面标注更新于 2026-09-22，查阅于 2026-10-14）

其它：

• ZenMux 模型列表接口（google/gemini-4-argon 上架日期与价格）：https://zenmux.ai/api/v1/models（查阅于 2026-10-14）
• 本站苹果核规则（站内模型怎么扣核）：https://luoluo.help/docs/faq/apple-core（查阅于 2026-10-14）

本站切换默认模型的日期（2026-10-14）、洛洛 AI 的推理强度和输出上限、ZenMux 实际扣费和强制调工具的表现来自站点配置和 10-14 的实测记录，没有可公开引用的页面。