Gemini 4 Argon 上线：谷歌新旗舰首批开放

核心要点

首批开放：谷歌 9 月 30 日发布 Gemini 4 Argon，10 月 13 日向 Gemini API 付费层开放。API易首批接入，模型名 gemini-4-argon，default / svip 分组可用，由谷歌官方资源承载
限时优惠期定价：输入 $2 / 输出 $10（每 1M tokens），至 2026 年 11 月 30 日；12 月 1 日起谷歌恢复 $4 / $20，API易同步调整
正确率不变、思考少一个数量级：12 道自动判分题各跑 3 次，Argon 与 3.1 Pro 都是 36/36，但思考 tokens 只有 3.1 Pro 的约 1/12，P50 耗时从 35.0 秒降到 15.4 秒
1M 上下文实测可用：101 万 tokens 的输入正常返回，上限 1,048,576
迁移必改一处：Argon 不支持 thinkingBudget，传了可能直接返回 400，必须改用 thinkingLevel

背景介绍

Argon 是 Gemini 4 家族的第一款模型。谷歌给它的定位不是「更会聊天」，而是长程任务：大型代码库重构、跨语言迁移、漏洞挖掘与修复、法律与金融这类需要多步推理的企业知识工作。发布是分阶段的：9 月 30 日先通过 Fairwind 计划开放给受信任的网络安全防御方，10 月 13 日起面向 Gemini API 付费层、Google AI Ultra 订阅用户和企业客户全面开放。谷歌在发布文里披露的内部案例相当激进：帮 Chrome 团队从 4000 万行的 Chromium 中拆出约 600 万行的遗留模块、把 Gemma 在 vLLM 上的推理吞吐提高 2.85 倍、把 Fuchsia 内核 80 万行 C/C++ 往 Rust 迁移。 API 层面最大的变化是输入与输出共用 1M tokens 窗口。此前 Gemini 的输出上限是 64K，Argon 理论上可以单次生成到「1M 减输入」。

详细解析

性能基准

以下为谷歌官方公布数据，未经第三方复现：

基准	衡量内容	Gemini 4 Argon
DeepSWE v1.1	真实世界长程软件工程	77.9％
AutomationBench（Zapier）	端到端业务流程执行	51.3％（第 1）
LVBench	长视频理解	91.7％
CWE-bench v1	安全漏洞修复	68％（并列第 1）
ERQA	具身 / 空间推理	87％
Vals Index	金融 / 编程 / 法律 / 税务综合	第 1 名

有媒体援引彭博社报道称，部分有内测权限的谷歌工程师认为 Argon 在真实前端开发上表现一般。我们无法核实这一说法，列出来供参考：基准分数高不等于你的场景一定好用，上线前请用自己的任务验证。

API易实测结果

我们在 10 月 13 日 ~ 14 日 (UTC+8) 跑了 400 余次调用，对照组是现网的 gemini-3.1-pro-preview 和 gemini-3.8-flash。效果：12 道可自动判分的题（数学、日期推算、计数、严格格式的中文写作、JSON 抽取，以及两道在本地跑单元测试判分的 Python 代码题），每题 3 次：

模型	正确	P50 耗时	思考 tokens 中位数	输出 + 思考合计
gemini-4-argon	36/36	15.4s	115	15,797
gemini-3.1-pro-preview	36/36	35.0s	1,566	87,029
gemini-3.8-flash	36/36	9.4s	619	29,039

这组题对三款模型都不难，所以正确率拉不开差距。真正的差异在花了多少 tokens 才答对：Argon 只用了 3.1 Pro 不到五分之一的输出 + 思考 tokens。 兼容性：150 个用例双协议成对测试，Argon 原生端 14/14、OpenAI 兼容端 12/13，唯一未过项与 3.1 Pro 相同。3.1 Pro 反而在两项上掉了分：OpenAI 端并行函数调用 0/2、8.6K 前缀加 128 输出上限的长上下文题 0/2（思考把输出额度吃光了）。速度：写约 1,300 tokens 的中文长文，Argon 首字 2~~7 秒，3.1 Pro 要 27~~54 秒（另有 1 次 10 分钟超时）。三款模型的生成吞吐都在每秒 70~97 tokens 之间，首字快是因为 Argon 在写作类请求上基本不思考。

核心特性与注意事项

自适应思考

默认 medium。low / medium 会按难度自适应，简单问题直接作答；要稳定拿到深度推理请显式传 high（实测同一道证明题思考从 0 升到 1,097 tokens）。

不支持 thinkingBudget

谷歌文档说的是弃用并告警，API易实测会出现硬报错（400）。从 3.x 迁移必须删掉 thinkingBudget，minimal 档同样不支持。

采样参数被忽略

官方说明 Argon 忽略自定义的 temperature / topP / topK。实测传了不报错，但别指望它们生效。

缓存命中率不高

官方称隐式缓存自动开启，实测多数同前缀重复请求没有命中，只在部分请求上命中。成本预算请按全额输入价算，命中了算额外节省。

技术规格

参数	值
模型名	`gemini-4-argon`
上下文	1M tokens，输入与输出共用（实测输入上限 1,048,576）
默认最大输出	65,536 tokens
输入模态	文本、图像、视频、音频
思考档位	low / medium（默认）/ high
端点	Gemini 原生 `generateContent`、OpenAI 兼容 `chat/completions`

超过 64K 的 long decode 需要 Interactions API，API易网关暂未支持，目前请按 65,536 输出上限设计。

实际应用

代码示例

from google import genai
from google.genai import types

client = genai.Client(
    api_key="sk-your-apiyi-key",
    http_options=types.HttpOptions(base_url="https://api.apiyi.com", timeout=1200_000)
)

response = client.models.generate_content(
    model="gemini-4-argon",
    contents="审查这段代码的并发安全问题，并给出最小改动的修复方案：...",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="high")
    )
)
print(response.text)

OpenAI SDK 用户把 base_url 设为 https://api.apiyi.com/v1、模型名换成 gemini-4-argon 即可。更多示例见 Gemini 4 Argon 概览。

最佳实践

超时放宽到 15~20 分钟：这是官方建议；首发时段我们也观察到过偶发的数分钟级排队
深度推理显式传 high：默认档位会自适应，复杂任务别依赖默认值
OpenAI 兼容端不适合精细控制思考：reasoning_effort 效果不明显，需要可控推理请走原生端
Agent 客户端走 chat 协议：Argon 不支持 /v1/responses，Codex 这类客户端请配置成 /v1/chat/completions；原生端多轮工具调用要把上一轮内容连同 thoughtSignature 原样带回

价格与可用性

定价信息

项目	限时优惠期（至 2026-11-30）	2026-12-01 起
输入	$2 / 1M tokens	$4 / 1M tokens
输出（含思考）	$10 / 1M tokens	$20 / 1M tokens
缓存读取	$0.1 / 1M tokens	随官方调整

模型价格与官网对齐，且可能随官网调整；上表仅供参考，具体以顶部导航「模型价格」栏目为准：模型价格。

计费已实测核对：三次调用合计实扣与按单价算出的金额相差 1.5％以内。单价之外更值得看的是用量：同样答对一道题，Argon 消耗的输出 + 思考 tokens 显著少于 3.1 Pro。限时优惠期内它的输入价比 3.1 Pro 略高、输出价略低，大多数任务的实际花费反而更低。12 月 1 日恢复原价后单价翻倍，届时请重新评估成本。

叠加网站充值活动

模型计费与官网逐项一致，折扣通过充值加赠体现，详见充值优惠说明。

总结与建议

Gemini 4 Argon 在我们的测试里没有暴露能力上的短板，最突出的是用更少的思考拿到同样的正确率，又快又省。现在用 3.1 Pro 做复杂推理、代码与长文档任务的团队，值得趁限时优惠期切一部分流量过来对比。迁移时记得删掉 thinkingBudget、放宽超时，缓存先不要算进成本。

信息来源（获取于 2026-10-14）：谷歌官方博客 blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/（2026-09-30）与 blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/（2026-10-13）；Google AI Studio 开发者指南 aistudio.google.com/learn/gemini-4-argon-developer-guide；工程师评价来自 Startup Fortune 转述彭博社报道。实测数据来自 API易 2026 年 10 月 13 日 ~ 14 日 (UTC+8) 的上线前测试。

更新日志

AI风向标

Gemini 4 Argon 上线：谷歌新旗舰首批开放

核心要点

背景介绍

详细解析

性能基准

API易实测结果

核心特性与注意事项

自适应思考

不支持 thinkingBudget

采样参数被忽略

缓存命中率不高

技术规格

实际应用

推荐场景

代码示例

最佳实践

价格与可用性

定价信息

叠加网站充值活动

总结与建议

​核心要点

​背景介绍

​详细解析

​性能基准

​API易 实测结果

​核心特性与注意事项

自适应思考

不支持 thinkingBudget

采样参数被忽略

缓存命中率不高

​技术规格

​实际应用

​推荐场景

​代码示例

​最佳实践

​价格与可用性

​定价信息

​叠加网站充值活动

​总结与建议

核心要点

背景介绍

详细解析

性能基准

API易实测结果

核心特性与注意事项

技术规格

实际应用

推荐场景

代码示例

最佳实践

价格与可用性

定价信息

叠加网站充值活动

总结与建议