Gemini 4 Argon 實測100 萬 token 輸出的「做題家」到底能不能干活上一波熱點我追完 Astra、Computer Use、RSI、MCP 之后還寫過一篇中國大模型調(diào)用量第一。當(dāng)時我留了個尾巴——前沿能力之爭海外那幾家始終是繞不開的參照系。結(jié)果話音沒落谷歌就把新旗艦甩出來了Gemini 4 Argon。這篇我想做兩件事一是把 Argon 這組分?jǐn)?shù)拆開看清楚二是回答一個更實在的問題——它號稱能單次輸出 100 萬 token、軟件工程測試屠榜那它到底是真能干活還是又一個榜單做題家以及你能不能現(xiàn)在就上手。一、先看它是什么憋了大半年谷歌換了個新名字Gemini 4 Argon 是谷歌時隔數(shù)月推出的新一代前沿模型也是谷歌第一次在命名上不走 Pro 路線、改用 Argon 這個新代號。定位很明確面向復(fù)雜、長周期的任務(wù)主攻三個方向——長程軟件工程、企業(yè)知識工作金融/法律/稅務(wù)、網(wǎng)絡(luò)安全防御。最能體現(xiàn)長周期這三個字的是它把單次輸出上限從上一代的 6.4 萬 token 直接拉到了 100 萬 token。這個數(shù)字是行業(yè)里目前最激進的意味著它能一次性吃下一整個大型代碼庫、一份超長文檔或者一條幾十步的完整任務(wù)鏈中間不用人反復(fù)喂。這里我得提醒一句別把輸出 100 萬 token理解成免費變強。輸出是按 token 計費的100 萬輸出 token 意味著一次長任務(wù)可能燒掉幾十美元這在后面定價部分會細說。二、分?jǐn)?shù)確實好看但要看它是怎么刷的先擺成績單。官方給的數(shù)據(jù)里Argon 在幾項關(guān)鍵基準(zhǔn)上拿了第一基準(zhǔn)Gemini 4 Argon主要對手DeepSWE v1.1長程軟件工程77.9%第一Claude Opus 5.5 74.2%、GPT-6 Astra 74.1%Vals Index金融/編程/法律/稅務(wù)68.9%第一Opus 5.5 67.0%、Astra 63.1%AutomationBench業(yè)務(wù)自動化51.3%第一Opus 5.5 42.5%、Astra 41.4%LVBench長視頻理解91.7%第一—CWE-bench v1漏洞修復(fù)68%并列第一與 GPT-6 Astra 并列單看這張表Argon 幾乎屠榜。但我要潑盆冷水——有幾個關(guān)鍵項它并不領(lǐng)先在 FrontierSWE v2、Terminal-Bench終端操作這些更貼近真實干活的測試?yán)锼浜笥?GPT-6 Astra 和 Claude Opus 5.5。這也是為什么鈦媒體那篇直接給了個標(biāo)題——“做題家”榜單成績強實際干活差點意思。我的看法是這個批評戳中了一半。DeepSWE、AutomationBench 這類基準(zhǔn)確實能反映長周期任務(wù)的能力Argon 在它們身上領(lǐng)先不是假的但真實干活比基準(zhǔn)臟得多涉及終端交互、失敗恢復(fù)、邊界判斷這些恰恰是它沒跑贏的地方。所以更準(zhǔn)確的說法是Argon 在長程代碼這一項上確實是目前最強的但別把它當(dāng)成全面碾壓。三、100 萬 token 輸出真正的意義在哪我之前寫 GLM-5.3-Flash 時說過一句話以前長上下文和便宜是互斥的。Argon 這次解決的是另一對矛盾——以前長任務(wù)和要人盯是綁定的。過去讓模型做一個大重構(gòu)它寫到一半 token 就用完你得把上下文續(xù)上、再喂一遍模型容易在斷點處跑偏。100 萬輸出上限配合它能一次性讀入的大上下文本質(zhì)是讓模型能一口氣把一條長鏈走到頭不用中途被人打斷。這對自動改代碼—跑測試—再改—再跑這種循環(huán)尤其值錢。但代價是實打?qū)嵉腻X。下面這張定價表能讓你直觀感受一下首發(fā)價輸入 $2 / 百萬 token輸出 $10 / 百萬 token優(yōu)惠期結(jié)束后會漲到 $4 / $20緩存輸入有約 95% 的折扣這點對重復(fù)喂上下文的長任務(wù)很友好。換算一下一次吃滿 100 萬輸出 token 的任務(wù)光輸出就 $10優(yōu)惠期到 $20常規(guī)。所以100 萬 token是能力不是福利用之前先算清楚賬單。四、最關(guān)鍵的一條你大概率現(xiàn)在用不上說句大實話這篇最該讓你知道的是最后這條——Argon 目前不對普通用戶開放。它首發(fā)走的是Fairwind 計劃先優(yōu)先提供給可信的網(wǎng)絡(luò)安全專家、政府機構(gòu)等并參與美國政府的自愿評估流程之后才逐步向付費 API 客戶和 Google AI Ultra 用戶開放。官方給出的理由就是安全——一個能修漏洞、能做長周期自動化、輸出上限又拉到 100 萬的模型紅隊和濫用風(fēng)險都得先壓住。所以對絕大多數(shù)開發(fā)者現(xiàn)在的狀態(tài)是看得到成績單摸不到 API。你暫時沒法在本地或控制臺里真跑一遍它。五、我的判斷值得盯著但不用急著切綜合下來我對 Argon 的判斷是三句強是真的強長程軟件工程這個方向上77.9% 的 DeepSWE 是實打?qū)嵉念I(lǐng)先100 萬輸出上限也確實是里程碑級別的變化但沒到閉眼換終端操作、真實任務(wù)里的穩(wěn)定性還沒跑贏 Astra/Opus加上 Fairwind 限制短期內(nèi)它的實際可用性被安全這一道閘門卡著對開發(fā)者的啟示真正該關(guān)注的不是谷歌屠榜了而是**長周期任務(wù) 超長輸出正在成為下一階段的競爭主軸**。誰先把能一口氣干完長活這件事做到又穩(wěn)又便宜誰就贏了下一局。對普通開發(fā)者眼下能做的其實很樸素先別管 Argon把你手里的任務(wù)用現(xiàn)在能拿到的模型Astra、Opus、GLM-5.3跑通把長任務(wù)拆解的基本功練扎實。等 Argon 真正開放的那天你的任務(wù)鏈早就準(zhǔn)備好了直接切上去試一版就行。小結(jié)Gemini 4 Argon 這篇三句話總結(jié)分?jǐn)?shù)DeepSWE 77.9%、Vals 68.9%、AutomationBench 51.3% 多項第一但 FrontierSWE、Terminal-Bench 落后做題家的批評有幾分道理能力單次輸出 6.4 萬 → 100 萬 token核心是讓模型一口氣干完長活、不用人盯但輸出按 token 計費長任務(wù) 幾十美元門檻走 Fairwind 計劃先給網(wǎng)絡(luò)安全/政府機構(gòu)普通開發(fā)者現(xiàn)在摸不到 API只能等逐步開放。下一篇預(yù)告谷歌在這邊憋新旗艦國產(chǎn)模型在另一邊悄沒聲地把 Cursor 打下來了。下一篇聊聊GLM-5.3 怎么進的 Cursor、CursorBench 開放權(quán)重第一是怎么回事以及中美 AI 差距縮到 3% 這個數(shù)字背后的產(chǎn)業(yè)邏輯。關(guān)注不迷路。本文觀點為個人看法事實部分來自公開報道鏈接如下歡迎指正。谷歌反擊Gemini 4 Argon 性能比肩 Astra成本僅 60%36氪谷歌推出了個做題家Gemini 4 Argon 屠榜但干活差點意思鈦媒體谷歌最前沿 AI 模型 Gemini 4 Argon 登場長周期代碼工程 DeepSWE 超 Claude Opus 5.5IT之家Google launches Gemini 4 Argon as its new frontier modelThe NewsGemini 4 Argon 追平 GPT-6 Astra但還用不上騰訊云開發(fā)者