Gemini 4 Argon 怎么用：发布时间、价格、API 完整指南

Gemini 4 Argon 是 Google DeepMind 的首个 Gemini 4 模型：面向编码、智能体与知识工作的前沿推理模型，2026 年 9 月 30 日发布，10 月 13 日起向所有人开放。本文首次发布时，Argon 仅限 Fairwind Program 测试者使用，也没有公开模型 ID。现在情况已经改变：Gemini API 已列出模型 ID gemini-4-argon，官方定价页有了对应条目，付费订阅用户也可以在 Gemini 应用、搜索 AI 模式和 Google Antigravity 中使用。

本次 10 月 30 日更新加入了 Google 10 月 13 日全面开放公告、Gemini API 开发者指南与定价页（分别更新于 2026 年 10 月 27 日和 28 日）、Google Cloud Agent Platform 定价，以及 Artificial Analysis 的独立测评。下文保留 9 月 30 日发布时的厂商基准表与 Google 内部案例，并更正了已过时的访问说明。

Google 发布了什么

首发公告来自 Google DeepMind 官方账号，将 Argon 定义为前沿模型，而不是既有档位的升级。公告列出的目标负载 — 编码、企业知识工作与网络安全防御中的复杂工作流 — 描述的是长时间运行的智能体任务，而非对话。与常规 Gemini 发布差异最大的是分发方式：首发当天面向一批可信测试者，入口是 Fairwind Program。

同一账号的后续帖直接回应了输出上限，而 Sundar Pichai 的长帖则给出了 Google 希望绑定在这款模型上的叙事：Google 内部已在大规模使用，反馈来自从编码到量子计算的各个团队。

Google 企业账号复述了同样的三个工作负载方向，并把输出上限列为差异点。把两段文案并列看，重点完全一致：同样的三个领域、同样的 1M 数字、同样的「前沿」定位。

最后那条帖子值得仔细阅读，因为它为后文设定了证据标准。Google 描述的是自家内部使用情况与自家跑的基准。Pichai 说「这里是基准测试的结果」并附上图表，这使这些图表成为本文所引述结论的原始证据 — 但它们始终是厂商自测结果，而非独立评测。

上下文窗口与 1M token 输出上限

输出上限是悄悄塑造智能体架构的约束。当模型一次响应最多只能输出 64K token 时，长周期任务必须被切分为多步，状态要在多次调用之间传递，编排层承担把结果重新拼接起来的负担。把上限提高到 100 万 token 改变了这份负担的位置 — 原先需要循环完成的工作，现在可以由一次生成承载。

以下是 Google 官方渠道给出的对比数据：

1M 输出的实际工作方式：模型以每段最多 64K token 的分段生成，每一段从上一段停止处继续。设置 background: true 且 max_output_tokens 大于 65,536 时，由 Google 服务器替你执行这些续写分段，你只需拼接所有 model_output 步骤的文本。如果开启后台执行却没有设置 max_output_tokens，服务器会在 64K 处停止。Google 建议复杂推理与编码任务设为 131,072 或 262,144；原先上限低于 32K 的应用至少调到 32,768，因为 Argon 会把更多预算花在思考上。

规划时还要注意两点成本细节。输出价格包含思考 token，所以高思考档位即使可见答案很短也会抬高费用。另外，Google Cloud Agent Platform 定价页说明：自 2026 年 11 月 13 日起，长度超过 32K token 的生成即使之后因客户端或服务器超时失败，也会按可取回的 token 用量计费。Google 开发者指南建议难题使用后台执行，或把 HTTP 客户端超时设为至少 15 分钟。

Gemini 4 Argon 基准测试（厂商自测）

Google 的公告在编码、通用智能体能力与长视频理解三个方面都给出了基准提升。本节所有数字都是厂商自测：对比模型由 Google 选定，评测由 Google 执行或委托执行，图表由 Google 发布。截至发布当日，在一手来源中未发现任何 Argon 数字的独立复现，这些数字也没有随附评测工具链配置或运行日志。

其中一行需要明确说明。CWE-bench v1 并不是干净的胜出：公开图表显示 Argon、Grok 4.7 与 GPT-6 Astra 在 68% 处三强并列。Google 标注 Argon 并列第一，这本身准确，同时也意味着该安全补丁结果并未把 Argon 与对手区分开。如果决策依赖这项基准，诚实的结论是平局，而不是领先。

同样的判断适用于整组基准。Google 选择的评测组合侧重软件工程、流程自动化、视频理解与安全，这确实是公告中三个工作负载方向的合理代理，但它不是通用能力指数；一个模型可能在这组特定评测上表现突出，同时在推理性或多语言任务上并不出众。

发布后的独立基准

全面开放后，外部机构可以直接测试 Argon。Artificial Analysis 在发布时用旧版 Intelligence Index 给 Gemini 4 Argon（高推理）打出 53 分，与 GPT-6 Astra（max）持平，比 GPT-6.1 Sol（max）高 1 分。在当前的 Intelligence Index v5.0 上为 50 分，2026 年 10 月 30 日在 57 个模型中排第 13。

独立数据更支持 Google 在智能体与低幻觉方面的说法，而不是通用智能上的领先。Argon 处于第一梯队但不在榜首，高推理档下开始作答慢、token 消耗大。交互式使用时，建议先测试 medium 或 low 档位，再决定是否默认使用 high。

网络安全评测

网络安全结果是公告中图表篇幅最大的部分，这与首批开放对象是网络防御者相吻合。其中两张图表对应公开基准，另外两张对应 Google 内部或合作方执行的安全工作。

CWE-bench 衡量的是模型能否修补真实存在的漏洞类别。68% 在这样一项困难的基准上是实打实的进展，而图表把并列关系直接呈现出来，没有把它埋掉 — 对需要做判断的读者而言，这正是最有用的部分。

Gray Swan 图表的读数方向与其他几张相反：指标是攻击成功率，因此数值越低越好。Google 报告 Argon 在 k=15 次尝试下的攻击成功率为 0.7%，是对比集合中最稳健的表现。对于任何会读取不可信内容的智能体 — 网页、工单系统、邮件 — 间接提示注入鲁棒性是为数不多可以直接量化的安全属性，因此这张图比编码分数更具决策价值。

这里的对比对象很能说明问题。Google 用自家面向网络安全调优的 3.8 Flash Cyber 作为 Argon 的对比基准，而不只是与竞品比较。在漏洞发现上比内部专用模型高出约 15 个百分点，是有意义的内部进步；但它同时是内部对比，在内部基础设施上评测，未公布测试集，读者应把绝对百分比视为方向性参考。Wiz 那一行性质不同：Wiz 是外部安全厂商，基准属于它，但结果仍由 Google 报告，且在一手来源中未找到 Wiz 对同一次运行的公开说明。

Google 内部实践

Google 给出了一组内部案例，这是公告中最具辨识度的部分，因为公司对具体工作描述得相当细，而不只是宣称效率提升。这些是内部结果，没有外部测试工具链，因此它们说明的是能力方向而非能力证明 — 但细节足够具体，可以据此推理。

迁移类数字与输出上限的关联最直接。替换 32K 行 SIMD 代码，或迁移 800K+ 行内核代码，正是 64K 输出上限会让过程很别扭、而 1M 上限能让它用更少轮次完成的典型任务。这一关联是合理机制而非证明，因为 Google 未公布这两次迁移背后的提示结构、轮次数量或评审流程。

定性措辞需要谨慎对待。「比 Rust 移植快 2.7 倍」是两个内部产物之间的相对说法，「更接近优化后的 C++」是 Google 自己的描述，而非基准结果。量子优化数字没有公布基线引用或评测协议，因此最好把它理解为 Google 在这类问题上投入方向的信号，而不是可与任何外部结果对比的性能主张。

发布时间与开放节奏

发布之初，访问只能通过 Fairwind Program 而非 Gemini API；2026 年 10 月 13 日起已全面开放（见下表）。Fairwind 于 2026 年 9 月 2 日作为面向防御方的项目推出；DeepMind 项目页面称其与全球合作网络协作，并报告全球 650+ 家合作方。该数字覆盖整个项目，并非专指 Argon 的使用资格。

Fairwind 项目页面还把更早的 DeepMind 安全工作与此次发布连接起来，点名 Gemini 3.8 Flash Cyber 与 CodeMender — DeepMind 于 2025 年 10 月发布的代码安全智能体。Argon 是这条线的第三步：面向网络安全的调优模型、自动修补智能体，以及如今首批开放对象为防御方的前沿模型。

据 VentureBeat 报道，全面开放距首次发布仅 13 天。发布时 Google 没有给出后续阶段的日期，现在这两个阶段都已发生，而且消费者端除 Ultra 外也向 Google AI Pro 订阅用户开放。

Gemini 4 Argon 价格：API 与订阅方案

Google 已在官方 Gemini API 定价页（最后更新于 2026 年 10 月 28 日）公布 Argon 价格。引入期有明确截止日：2026 年 11 月 30 日。Gemini API 免费层不提供 Gemini 4 Argon。

在 Google Cloud 的 Gemini Enterprise Agent Platform 上，全球端点同样是 2 / 10 美元引入价与 4 / 20 美元标准价，非全球端点约高 10%。那里的引入期折扣以净支出 50% 返还额度的形式发放。面向获批防御方的 Gemini 4 Argon Cyber Permissive 单独计价 4 / 20 美元，不参与促销。

做预算时请按 4 / 20 美元建模，因为这是 12 月 1 日起的价格。Argon 不支持显式上下文缓存；4,096 token 以上的提示会自动隐式缓存，缓存输入便宜 95%，所以反复发送固定前缀的智能体仍会自动省钱。长生成是费用大头：一次完整的 100 万 token 输出在引入期约 10 美元，之后约 20 美元，还不含输入。

消费者订阅与 API 分开计费。在 Gemini 应用与搜索 AI 模式中使用 Argon 需要 Google AI Pro 或 Ultra，个人在 Google Antigravity 中使用需要 Ultra。Antigravity 的方案、额度与 AI credits 如何计算，见我们的 Antigravity 积分与定价指南。

Gemini 4 Argon 怎么用

取决于你需要聊天应用、编码智能体还是 API，有四种入口。

1. Gemini 应用与搜索 AI 模式

1. 订阅 Google AI Pro 或 Google AI Ultra。
2. 用该账号登录后打开 Gemini 应用，或 Google 搜索中的 AI 模式。
3. 如未默认选中，在模型菜单里选择 Argon。Google 表示自 2026 年 10 月 13 日起 Pro 与 Ultra 用户可用；菜单名称可能因地区和设备不同而变化。

2. Google Antigravity

Google AI Ultra 订阅用户与企业客户可以在 Google 的智能体开发平台 Google Antigravity 中选择 Argon 作为模型。Google 称 Argon 在 Antigravity 中让其内部智能体代码提交量增加 35% 以上，回滚减少近三分之一（厂商自报）。通过 API，Gemini Managed Agents 中的 Antigravity 智能体也可以指定 gemini-4-argon。

3. Google AI Studio

打开 Google AI Studio，选择 Gemini 4 Argon，即可在 playground 中直接提问。Google 列出的 AI Studio 使用条件是：开通付费层的 API 项目，或 Google AI Ultra 订阅。

4. Gemini API

1. 在已开通结算的项目上，于 AI Studio 创建 API key。Argon 没有免费层。
2. 安装 Google Gen AI SDK：pip install google-genai 或 npm install @google/genai。
3. 调用 gemini-4-argon：

from google import genai

client = genai.Client()  # reads GEMINI_API_KEY (paid tier)

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Review this repository layout and propose a migration plan.",
)

print(interaction.output_text)

输出超过 64K token 时，使用后台执行并拼接每个输出步骤：

import time
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Write the full test suite for the attached module.",
    background=True,
    generation_config={
        "max_output_tokens": 262144,   # above 65,536 enables long decode
        "thinking_level": "high",      # low | medium (default) | high
    },
)

while interaction.status in ("in_progress", "queued"):
    time.sleep(5)
    interaction = client.interactions.get(id=interaction.id)

# each continuation hop adds a model_output step: join them all
text = "".join(
    c.text
    for step in interaction.steps if step.type == "model_output"
    for c in step.content if c.type == "text"
)

Google 开发者指南中的迁移要点：删除 temperature、top_p 与 top_k（Argon 会忽略它们）；去掉显式 cachedContents 调用；多轮对话用 previous_interaction_id 保存状态；三个思考档位都测一遍，选满足质量要求的最低档。高并发、低成本场景仍可选择 Gemini 3.8 Flash。

安全与保障

开放节奏的设定明显谨慎。访问从一小批防御者开始，这本身就是限制风险的决定：安全工作有清晰的正当用途、可衡量的结果，以及能够上报滥用的合作方。Google 的前沿安全框架页面描述了公司针对前沿模型的分阶段评估方式，公告也把该框架作为治理背景。

Google 之后已发布 Gemini 4 Argon 模型卡，链接见 10 月 13 日公告，补上了本节在发布时指出的缺口。Google 报告：外部生物安全红队只能解锁不到 1% 的生物子任务；编码任务中的走捷径尝试降至 2%；Gray Swan 间接提示注入在 15 次自适应尝试下的攻击成功率为 0.7%。三项数据均为厂商自报。需要更少拒答的网络防御者可以通过 Fairwind 申请无网络安全护栏的版本。

对智能体工作流的影响

先放下访问权限问题：Google 强调的能力指向四类如果说法成立就会变得更容易的工作流模式。

单次长生成。1M 的输出预算让「一次调用产出完整产物」变得合理 — 完整的迁移补丁集、跨文件的大型重构、生成的测试套件 — 而不必驱动由大量小改动组成的循环。代价是成本集中与评审难度：一个巨大的响应比十个小响应更难增量评审，因此工作流需要加一道验证步骤，而不是继续加提示。

具备可量化鲁棒性的安全审查。对智能体开发者而言，间接提示注入结果是本次发布中最可行动的数字。如果智能体会摄取网页、工单或邮件内容，注入鲁棒性就是活跃的威胁模型，0.7% 的攻击成功率是一个可以据以推理的数字 — 同时要记住它是在固定尝试次数下的厂商自测结果。

迁移与大型代码库工作。C/C++ 转 Rust 与 Fuchsia 的数字描述的是长周期代码变换，这正是输出上限历来迫使人们投入最多编排开销的工作负载类别。今天做这类工作的团队通常把它切分到多次调用；Argon 的定位则暗示可以合并轮次。

漏洞分类与修补。把更高的漏洞发现率与一项补丁类基准（CWE-bench）放在一起，描述的是从分类到修复的闭环。限定条件不变：两个数字都是厂商自测，且补丁结果是三强并列。

Argon 公开后，务实的采纳顺序是：在 low、medium、high 三档下跑自己的评测；把 max_output_tokens 调到至少 32,768；按 12 月的 4 / 20 美元做预算；长任务改用后台执行；并实测首 token 时间，Artificial Analysis 测得高推理档约 48 秒。

注意事项

发布时的基准均为厂商自报。基准由 Google 执行或委托执行，对比模型由 Google 选定，图表由 Google 发布。独立测评在全面开放后才出现（见 Artificial Analysis 一节）；漏洞发现与量子优化等结果描述的是内部工作，未公布方法论。

安全基准的领先并不总是领先。CWE-bench v1 是三家在 68% 处并列。Google 使用「并列第一」的表述是准确的；把那一行当作胜出则不准确。

发布时缺失的 API 信息现已公布。模型 ID、定价条目、开发者指南与模型卡都随 2026 年 10 月 13 日全面开放一起发布。厂商基准一节描述的是 9 月 30 日的发布材料。

上文嵌入的四条发布帖中有两条为节录。DeepMind 关于输出上限的帖子以及 Google 的衍生帖在所示开头分句之后仍有内容，完整文本可在链接的帖子中查看。本文没有对无法直接读取的文本做转述。

引入期价格于 2026 年 11 月 30 日结束。11 月做的成本估算，请按每百万 token 4 / 20 美元重新计算。

内部结果属于例证。内存、迁移与量子相关数字说明 Google 在哪些地方使用该模型。它们无法与外部基准直接比较，而在「比 Rust 移植快 2.7 倍」这一例中，基线本身也是内部产物。

选型建议

适合使用 Argon，如果你需要 Google 最强的模型来做长周期编码、智能体任务、大量文档分析，或需要单次超过 64K token 的输出，并且能接受较慢的首 token。11 月是评估它最便宜的时间。

建议选别的模型，如果你需要低延迟或最低的单次调用成本。Gemini 3.8 Flash 能以更低成本覆盖大多数高并发负载；在 VentureBeat 的对比中，GPT-6.1 Sol 的标准价即为 2 / 10 美元。

可以申请特殊通道，如果你是网络防御者（Fairwind，无网络安全护栏版本）或科研人员（最多 10,000 个 Antigravity 最高用量档 6 个月免费名额，需经筛选）。

早期指南（2026 年 9 月 30 日）

以下各节来自本文发布当天的版本。它们完整保留，并在 Google 2026 年 10 月 13 日全面开放改变了事实的地方加上了带日期的更新说明。

1M token 输出上限

输出上限会悄悄塑造智能体架构。当模型一次响应最多只能输出 64K token 时，长周期任务必须被切分为多步，状态要在多次调用之间传递，编排层承担把结果重新拼接起来的负担。把上限提高到 100 万 token 改变了这份负担的位置：原先需要循环完成的工作，现在可以由一次生成承载。Google 称之为「业界领先的 1M token 输出上限」，并称它「加入更深层次的推理以应对」复杂任务。

发布时有三点限定。一手来源均未定义 1M 上限的确切语义，例如是否适用于流式输出、多轮续写，或按单次尝试计量。Google 没有公布速率限制、延迟或首 token 时间。公开 API 文档中也没有模型 ID，外部开发者无法验证这一数字。

基准测试速览

Google 的公告在编码、通用智能体能力与长视频理解三个方面都给出了基准提升。发布时所有数字都是厂商自测：对比模型由 Google 选定，图表由 Google 发布。具体为：DeepSWE v1.1 为 77.9%（刷新最高水平）、AutomationBench 为 51.3%（排名第一）、LVBench 为 91.7%（最高水平）、Vals Index 领先、CWE-bench v1 为 68%（并列第一），以及 Gray Swan 间接提示注入鲁棒性领先。

CWE-bench v1 并不是干净的胜出：Argon、Grok 4.7 与 GPT-6 Astra 在 68% 处三强并列。这组评测侧重软件工程、流程自动化、视频理解与安全，是公告中工作负载方向的合理代理，但不是通用能力指数。

Fairwind Program 与开放节奏

发布时，访问只通过 Fairwind Program 而非 Gemini API 进行。Fairwind 于 2026 年 9 月 2 日作为面向防御方的项目推出，DeepMind 页面报告全球 650+ 家合作方，该数字覆盖整个项目。Google 公布了三个阶段：9 月 30 日面向可信测试者与首批网络防御者；随后是付费 API 客户与 Google AI Ultra 订阅用户；最后是开发者、企业与普通消费者。第二、第三阶段都没有附加日期，因此没有已公布的时间表可供规划。

定价

Google 随公告公布了引入期定价：每 100 万输入 token 2.00 美元、每 100 万输出 token 10.00 美元，缓存输入部分享受 95% 折扣，引入期后上调为 4.00 美元和 20.00 美元。网络安全能力不单独溢价。促销结束后价格恰好翻倍，因此成本模型应基于 4 / 20 美元构建。发布时这些价格只存在于公告文本与图表中，公开的 Gemini API 定价页上没有对应条目。

当前 API 状态

2026 年 9 月 30 日，公告与开发者文档并不一致。Gemini API 模型列表（最后更新于 9 月 4 日）没有 Argon 模型 ID，定价页（9 月 8 日）没有 Argon 条目，DeepMind 模型卡索引没有 Argon 模型卡，也没有找到针对 Argon 的安全评测或官方演示视频。公告中唯一的访问渠道是 Fairwind 可信测试者。

常见问题

来源

来源核对日期：2026 年 10 月 30 日（发布时来源首次核对于 2026 年 9 月 30 日）。

• Gemini 4 Argon 全面开放公告，Google 官方博客，2026 年 10 月 13 日
• What’s new in Gemini 4 Argon，Gemini API 文档
• Gemini 4 Argon 开发者指南，Google AI Studio
• Gemini API 定价
• Gemini Enterprise Agent Platform 定价，Google Cloud
• Gemini 4 Argon 模型页，Artificial Analysis
• Gemini 4 Argon 发布分析，Artificial Analysis
• Google makes Gemini 4 Argon broadly available，VentureBeat
• Introducing Gemini 4 Argon，Google 官方博客，2026 年 9 月 30 日
• Fairwind Program，Google DeepMind
• Google 的 Fairwind Program，Google 官方博客，2026 年 9 月 2 日
• Gemini API 模型文档
• 前沿安全框架，Google DeepMind
• CodeMender 发布，Google DeepMind
• @GoogleDeepMind 发布帖、输出上限后续帖、@Google 发布帖，以及 @sundarpichai 说明帖

延伸阅读：Gemini 3.8 Flash 完整指南、Gemini 3.8 Live 与 Extended Thinking 指南、Codex Security Cloud 与 Daybreak Blue 指南，以及GPT-6.1 Sol 基准与定价指南。