Google发布Gemini 4 Argon API，支持百万级输出
Google Releases Gemini 4 Argon API With 1M Token Output Limit
Gemini 4 Argon是全新旗舰模型，百万级输出能力在长上下文工作流中有显著工程价值，建议开发者关注其API集成与成本结构。
Google DeepMind has made Gemini 4 Argon generally available to developers, enterprises and paid Gemini subscribers. Gemini 4 Argon is a sparse mixture-of-experts frontier model from Google built for long, multi-step work. Its target domains are coding, finance, legal, science and cybersecurity. Google first announced Argon on September 30 for a small group of cyber defenders. It now reaches the paid Gemini API at $2 input and $10 output per million tokens. The key change for developers is output length: Argon can write up to 1M tokens in one response.
Google DeepMind 已面向开发者、企业和付费 Gemini 订阅用户正式发布 Gemini 4 Argon。Gemini 4 Argon 是 Google 构建的一款用于长流程多步骤任务的稀疏混合专家（MoE）前沿模型，其目标领域包括编程、金融、法律、科学和网络安全。Google 于 9 月 30 日首次向一小群网络防御者宣布推出 Argon。现在它可通过 Gemini API 访问，输入价格为每百万 token 2 美元，输出价格为每百万 token 10 美元。对开发者而言，关键变化在于输出长度：Argon 可在一次响应中生成多达 100 万 token。
TL;DR
TL;DR（太长不看版）
- Size: Parameter count not disclosed (sparse MoE). 1M token window shared by input and output.
- Runs on: Google’s cloud only, via Gemini API, AI Studio and Gemini platform. Trained on TPUs. No open weights.
- Performance: Leads Google’s table on knowledge work, long context and video. Mixed on agentic coding.
- Best: 91.7% on LVBench (long video understanding).
- Worst: 55.0% on FrontierSWE v2, last of 4 models in Google’s table.
- 规模：参数量未公开（稀疏 MoE）。输入和输出共享 100 万 token 窗口。
- 运行平台：仅限 Google 云平台，通过 Gemini API、AI Studio 和 Gemini 平台使用。基于 TPU 训练。无开源权重。
- 性能：在 Google 的表格中，其在知识工作、长上下文和视频方面领先，但在代理式编程方面表现参差不齐。
- 最佳表现：在 LVBench（长视频理解）上得分 91.7%。
- 最差表现：在 FrontierSWE v2 上得分 55.0%，在 Google 表格中的 4 款模型中排名最后。
What is Gemini 4 Argon?
什么是 Gemini 4 Argon？
According to the model card, Argon is a new model, not a fine-tune of an earlier Gemini. It is a large-scale sparse MoE transformer with native multimodal support. It accepts text, images, audio and video, and it outputs text. Google trained it on TPUs using JAX and ML Pathways. The knowledge cutoff is March 2026. Google has not disclosed total or active parameter counts.
根据模型卡片，Argon 是一个全新模型，而非早期 Gemini 的微调版本。它是一个具有原生多模态支持的大规模稀疏 MoE Transformer 架构。它接受文本、图像、音频和视频作为输入，并输出文本。Google 使用 JAX 和 ML Pathways 在 TPU 上对其进行了训练。知识截止日期为 2026 年 3 月。Google 尚未披露总参数或活跃参数数量。
How does the 1M token output limit work?
100 万 token 的输出限制是如何工作的？
Google raised the output limit to 1M tokens, up from 64K on earlier Gemini models. The model card describes a combined input plus output window of up to 1M tokens. So a long prompt reduces the room left for output. Google documents a new continuation protocol for long decodes in its developer docs and enterprise docs. At introductory pricing, a full 1M token response costs $10 in output tokens.
Google 将输出限制提高到 100 万 token，而早期 Gemini 模型的限制为 6.4 万 token。模型卡片描述了一个最多包含 100 万 token 的输入加输出组合窗口。因此，较长的提示词会减少可用于输出的空间。Google 在其开发者文档和企业文档中记录了一种用于生成长解码的新续写协议。按入门定价计算，完整的 100 万 token 响应需支付 10 美元的输出 token 费用。
How does Gemini 4 Argon perform on benchmarks?
Gemini 4 Argon 在基准测试中的表现如何？
Google compares Argon with GPT-6 Astra, Claude Fable 5.1 and Claude Opus 5.5. Argon posts the top score on most rows.
Google 将 Argon 与 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5 进行比较。Argon 在大多数行目中取得了最高分。
- DeepSWE v1.1: 77.9%, ahead of Opus 5.5 (74.2%) and GPT-6 Astra (74.1%).
- Vals Index: 68.90%, ranked #1 by Vals AI ahead of Claude Sonnet 5.5 (67.04%).
- AutomationBench: 51.3%, versus 42.5% for Opus 5.5.
- Harvey’s Legal Agent Benchmark: 19.6%, nearly 3x the next model, but still a low absolute score.
- GraphWalks, 256K to 1M tokens: 84.2%, versus 71.8% for GPT-6 Astra.
- CWE-bench v1: 68.0%, tied with GPT-6 Astra.
- DeepSWE v1.1：77.9%，领先于 Opus 5.5（74.2%）和 GPT-6 Astra（74.1%）。
- Vals Index：68.90%，由 Vals AI 排名第一，领先于 Claude Sonnet 5.5（67.04%）。
- AutomationBench：51.3%，而 Opus 5.5 为 42.5%。
- Harvey 的法律代理基准测试：19.6%，几乎是下一名模型的 3 倍，但绝对分数仍然较低。
- GraphWalks（从 256K 到 1M token）：84.2%，而 GPT-6 Astra 为 71.8%。
- CWE-bench v1：68.0%，与 GPT-6 Astra 持平。
Google also reports 87% on the ERQA embodied reasoning benchmark. Read the evaluation methodology before drawing conclusions. Most rival scores are self-reported or pulled from public leaderboards. Argon’s DeepSWE score is self-computed with a mini-swe-agent harness. The rival DeepSWE numbers come from system cards and a leaderboard.
Google 在 ERQA 具身推理基准测试中也报告了 87% 的成绩。在得出结论之前，请阅读评估方法论。大多数竞争对手的分数是自我报告的或来自公共排行榜。Argon 的 DeepSWE 分数是使用 mini-swe-agent 工具链自行计算的。竞争对手的 DeepSWE 数据来自系统卡和排行榜。
Where does Gemini 4 Argon fall short?
Gemini 4 Argon 在哪些方面存在不足？
Argon trails on 5 rows of Google’s own table:
Argon 在 Google 自己表格中的 5 行指标上落后：
- FrontierSWE v2: 55.0%, versus 65.5% for GPT-6 Astra.
- Terminal-Bench 4.0: 57.4%, versus 66.4% for Opus 5.5.
- Terminal-Bench Science 0.1: 57.6%, versus 68.1% for GPT-6 Astra.
- PostTrainBench: 45.3%, versus 49.3% for Opus 5.5.
- OSWorld-2.0 (offline subset): 69.2%, versus 72.6% for GPT-6 Astra.
- FrontierSWE v2：55.0%，而 GPT-6 Astra 为 65.5%。
- Terminal-Bench 4.0：57.4%，而 Opus 5.5 为 66.4%。
- Terminal-Bench Science 0.1：57.6%，而 GPT-6 Astra 为 68.1%。
- PostTrainBench：45.3%，而 Opus 5.5 为 49.3%。
- OSWorld-2.0（离线子集）：69.2%，而 GPT-6 Astra 为 72.6%。
The model card also lists hallucinations and occasional slowness or timeouts. Under Google’s Frontier Safety Framework, Google says it cannot rule out the biological and cybersecurity critical capability levels. It reports deploying safeguards it assesses as lowering that risk.
模型卡片还列出了幻觉以及偶尔出现的缓慢或超时问题。根据 Google 的前沿安全框架，Google 表示无法排除生物安全和网络安全关键能力级别的风险。它报告称已部署其评估为可降低该风险的安全措施。
更进一步：量化金融体系
看懂新闻只是起点——沿量化金融路径，把它变成能交付的工程能力