Google发布Gemini 4 Argon模型，API首发降价80%

作者：深潮 TechFlow

北京时间 2026 年 10 月 14 日，Alphabet 旗下 Google 宣布正式上线前沿大语言模型 Gemini 4 Argon。该模型即日起通过 Google AI Studio 与 Gemini 平台的应用程序接口（API）面向全球开发者和企业客户开放，同时内置于 Google AI Ultra 订阅的 Google Antigravity 工作流平台，以及面向 Google AI Ultra 与 Pro 订阅用户的搜索 AI 模式（AI Mode）。

模型首发阶段的 API 定价设定为每 100 万输入 Token 收费 2 美元，每 100 万输出 Token 收费 10 美元，并对上下文缓存（Context Caching）提供 95%的折扣优惠。

统一定价与百万 Token 生成窗口

在计费结构与系统规格上，Gemini 4 Argon 设定了 100 万统一输入输出 Token 的限制上限。在传统大模型普遍将单次生成长度限制在 4,000 至 64,000 Token 的背景下，Argon 允许智能体在单个会话中完成长达 100 万 Token 的单次连续输出，解决了长程智能体在大型代码库重构或复杂文档推导过程中因超出输出截断而中断运行的问题。

在调用成本方面，Google 本次推出的每 100 万输入 2 美元与输出 10 美元为首发优惠价格。若对比市场上同等级前沿大模型，如 GPT-6 Astra 每 100 万输入 10 美元与输出 50 美元的定价，Argon 的首发费率仅为其五分之一（相当于直接降低 80%调用支出）。在上下文缓存模式下，每 100 万输入 Token 的调用成本降至 0.10 美元。当智能体在长文本环境中频繁回溯调用同一个 100 万 Token 的代码库或法律卷宗时，单次交互的输入边际成本从 2.00 美元缩减至 0.10 美元，节省了 95%的重复数据解析开销。促销周期结束后，该模型的常规标准定价将回归为每 100 万输入 4 美元与输出 20 美元。

核心经济基准 Vals Index 与专业基准测评

根据 Google DeepMind 公布的技术报告，Argon 主要针对多步骤长链条推理任务进行架构优化。

在评估金融、代码、法律和税务等关键经济生产力表现的 Vals Index 基准测试中，Gemini 4 Argon 取得了 68.9%的综合得分，在主流前沿模型中位列第一，高于同类测试中 63.1%至 67.0%的行业水平。

在其他标准化专业任务测试中，该模型同样公布了具体评测数据：

• 在衡量跨业务功能端到端工作流执行能力的 Zapier AutomationBench 测试中，以 51.3%的完成率位居榜首；
• 在衡量长视频与多模态时空理解能力的 LVBench 测试中，取得 91.7%的准确率；
• 在针对网络安全漏洞定位与自动修复的 CWE-bench v1 基准中，以 68.0%的修复成功率并列第一。

针对长程自动化执行过程中的系统安全性，Google 在底层集成了多层动态安全防御机制，防止模型在调用外部终端与代码沙箱时遭遇提示词注入（Prompt Injection）与越狱指令。

复杂工程落地与代码库重构表现

在 Google 内部与早期企业客户测试中，Argon 被投入至实际工程维护场景。在 Chromium 浏览器底层架构重构测试中，工程团队利用 Argon 对包含 4000 万行代码的 Chromium 工程实施解耦，完成了从底层分离约 600 万行历史遗留网页处理功能的架构重写，使跨多标签页与浮动窗口的无缝渲染得以落地。

在科学计算与模型推理优化方面，研究团队运用 Argon 针对量子化学模拟程序包 xTB 进行代码优化，使其分子三维空间构型预测速度提升 2.3 倍，构象搜索效率提升 1.8 倍；在利用 vLLM 部署开源模型 Gemma 4 E2B 时，Argon 通过自动调整注意力机制与投机解码路径，将 A100 硬件环境下的端到端推理吞吐量从每秒约 37,900 Token 提升至每秒超 108,000 Token，实现了 2.85 倍的推理加速。

在外部企业集成方面，德勤（Deloitte）与生物医药研发机构 Axiom Bio 已将该模型接入其长周期专业推导流水线。根据 Google 官方排期，首发促销费率计划执行至 2026 年第四季度末。

相关阅读：

《Google 发布 Gemini 3.6 Flash 等三款模型：省 17% Token 成本》

《谷歌向美国外 AI Pro 用户推出智能体 Gemini Spark》