Gemini 4 Argon：前沿評分、100萬標記的輸出限制，以及尚未公開的模型ID

Gemini 4 Argon 是谷歌的第一款 Gemini 4 模型，也是目前最強的一款。獨立測試者將其評價為與 GPT-6 Astra 相當，並在金融、法律和稅務工作方面位居 Vals 指數之首，能夠在單次回答中寫出最多 100 萬個標記。在其推出促銷期間，每個標記的成本也低於 Astra。

問題在於訪問權限。截至 2026 年 10 月 13 日，Argon 只向谷歌的 Fairwind 計劃中的網絡防禦者推出。谷歌尚未發布模型 ID，該模型不在 Gemini API 模型列表中，且尚未在 AIHubMix 上提供。這篇文章涵蓋了變化的內容、Argon 的優勢和劣勢，以及誰應該開始為其做計劃。

簡短版本

• Argon 取代了谷歌產品線頂部的 Gemini 3.1 Pro Preview。這是谷歌七個多月來首個超越 Flash 級別的新模型。
• 在人工分析智能指數上，它的得分為 53，與 GPT-6 Astra 的最大推理相同，比 Gemini 3.1 Pro Preview 高出 23 分。
• 它在人工分析測試中擁有最低的幻覺率（15%），但它正確回答的問題數量少於 Astra。
• 在重終端編碼和計算機使用方面，它落後於 Claude Opus 5.5 和 GPT-6 Astra。
• 入門價格：每百萬標記 $2 輸入和 $10 輸出，漲至 $4 和 $20。谷歌尚未說明促銷何時結束。
• 今天誰可以使用：Fairwind 成員。付費 API 客戶和谷歌 AI Ultra 訂閱者將是下一個，但尚無具體日期。

與 Gemini 3.1 Pro Preview 的變化

谷歌的 發布文章 將 Argon 定位於“長期工作”：現實世界的軟件工程、企業知識工作（如法律和金融）以及網絡防禦。最大的具體變化是輸出上限。

3.1 Pro Preview 的價格適用於最多 200k 標記的提示（超過該數量為 $4 / $18）。Argon 尚未發布長上下文的價格級別。

100 萬標記的輸出限制。 早期的 Gemini 模型在 64K 輸出標記時停止。Argon 可以持續到 1M，使用一個新的 Gemini API 功能，稱為長解碼延續，該功能可以暫停長響應並在後續調用中恢復，以避免超時。谷歌自己的示例顯示了這一點的重要性：其代理已經使用 Argon 進行 C 和 C++ 到 Rust 的遷移，包括超過 80 萬行的 Fuchsia Zircon 內核，並且對於一個庫，將 32K 行的 SIMD 代碼替換為安全的 Rust，運行速度比早期的 Rust 移植快 2.7 倍。這些工作是 64K 上限迫使你手動分塊的任務。

新的命名方案。 沒有 Pro 或 Flash 標籤，只有一個世代號碼和代號。谷歌早在 2026 年就計劃推出 Gemini 3.5 Pro，並已經超越了它。

受限的推出。 Argon 專門為防禦性網絡工作進行了訓練，谷歌表示它可以“自主發現、驗證和修補關鍵軟件漏洞”。Fairwind 成員和谷歌的內部團隊獲得了一個沒有網絡防護的版本。更廣泛的發布將拒絕有害的網絡、化學、生物、放射性和核請求。

保持不變的內容。 輸出仍然僅限於文本。輸入涵蓋文本、圖像和視頻（人工分析還列出了語音）。第三方測試者報告了一個 1M 標記的上下文窗口；谷歌的發布文章未說明輸入限制。[待定：官方上下文窗口]

與 GPT-6 Astra、Claude Opus 5.5 和 Fable 5.1 的比較

下表來自 谷歌 DeepMind 的基準表。谷歌在其最高思考設置下運行 Argon，並主要使用競爭對手自報或公共排行榜數字，因此將其視為供應商數據。人工分析 和 Vals AI 已經發布了獨立結果，表格後引用。

OSWorld-2.0 是離線子集，部分得分。GraphWalks 是 F1。完整表格有 19 行；Argon 在其中 14 行領先或平局。

三個模式顯著：

• 知識工作是差距最寬的地方。 在 Harvey 的法律代理基準上，Argon 得分 19.6%，而其他模型最多為 6.7%。在財務代理 v2 上，領先超過六分。
• 非常長的輸入表現良好。 在 256k 到 1M 標記的 GraphWalks 中，Argon 保持 84.2%，而其他模型降至約 65–72%。
• 編碼表現混合。 Argon 在 DeepSWE 上領先，但在 FrontierSWE（Astra）和 Terminal-bench 4.0（Opus 5.5）上落後。

獨立數據大致一致。人工分析在其智能指數上將 Argon（高）評為 53，與 GPT-6 Astra（最大）平局，並比 GPT-6.1 Sol（最大）高出一分。其 Terminal Bench 4 的運行將 Argon 評為 57%，落後於 Claude Sonnet 5.5、Claude Opus 5.5 和 GPT-6 Astra。Vals 將 Argon 排名為其指數上的第一模型，在財務代理 v2 上取得最佳單一結果，並將計算機使用（CUA-bench）列為弱點。

“低幻覺”背後的交易

人工分析的全知測試提出困難的事實問題，並懲罰自信的錯誤答案。Argon 的幻覺率為 15%，是任何在指數上得分 45 或以上的模型中最低的；GPT-6 Astra 的幻覺率為 51%。但 Argon 在相同問題上的準確率為 50%，而 Astra 為 63%。Argon 通過在不確定時拒絕回答來獲得低幻覺率，而不是通過知道更多。

對於法律和財務審查，這通常是正確的交易：拒絕很容易被發現並轉交給人或其他模型，而自信的錯誤數字可能會被審核者忽略。只有當你的應用有地方可以發送 Argon 拒絕的問題時，這才會有利。

Argon 不是最佳選擇的地方

• 重終端編碼代理。 谷歌自己的表格顯示 Opus 5.5 在 Terminal-bench 4.0 上的得分為 66.4%，而 Argon 為 57.4%，人工分析的運行也同意這一順序。
• 計算機使用。 Astra 在 OSWorld-2.0 上領先，Vals 在 CUA-bench 上將 Argon 排名為八個模型中的第七。
• 每次都需要答案的問題。 50% 的全知準確率意味著在困難的事實回憶中有許多“我不確定”的回答。
• 對延遲敏感的工作。 Argon 在人工分析任務中平均約 62k 輸出標記，而 Astra 約為 27k。谷歌尚未發布速度數據。[待定：輸出速度和首次標記的時間]
• 任何必須在本季度發貨的內容。 你現在無法調用它。

誰應該切換、等待或保留

“為 Argon 做計劃”意味著：今天在 Gemini 3.8 Flash 或 3.1 Pro Preview 上原型化工作流程，按 Argon 的標準價格預算，並在訪問開放時更換模型 ID。

在 AIHubMix 上做好準備

Argon 在 AIHubMix 上有一個 模型頁面，ID 為 gemini-4-argon，但標記為即將推出，尚無價格。[待定：AIHubMix 可用日期]

你可以現在在 AIHubMix 已經提供的 Gemini 模型上構建工作流程，例如 Gemini 3.8 Flash，並在配置中保留模型 ID。與 OpenAI 兼容的端點與標準 OpenAI SDK 一起使用；AIHubMix Gemini 指南 也涵蓋了原生谷歌 SDK。

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

# AIHubMix 將 Argon 列為 gemini-4-argon（即將推出）。在
# Gemini 3.8 Flash 上原型化，然後在開放時設置 ARGON_MODEL_ID=gemini-4-argon。
MODEL = os.environ.get("ARGON_MODEL_ID", "gemini-3.8-flash")

resp = client.chat.completions.create(
    model=MODEL,
    reasoning_effort="high",
    messages=[
        {"role": "user", "content": "列出以下合同中的終止條款。如果你對其中任何一條不確定，請這樣說。\n\n<合同文本>"},
    ],
)
print(resp.choices[0].message.content)

在與 OpenAI 兼容的路徑上，reasoning_effort 對應於 Gemini 的思考設置。Argon 接受的值尚未記錄。[待定：AIHubMix 上的 Argon 推理級別]

當 Argon 在 AIHubMix 上開放時，其價格和支持的參數將顯示在該模型頁面上。

常見問題

我今天可以通過 API 使用 Gemini 4 Argon 嗎？
只有當你的組織在谷歌的 Fairwind 計劃中。付費 API 客戶和谷歌 AI Ultra 訂閱者將是下一個，但谷歌尚未給出日期。

Gemini 4 Argon 的模型 ID 是什麼？
谷歌尚未發布。 在 AIHubMix 上，Argon 被列為 gemini-4-argon，模型頁面標記為即將推出。通過谷歌自己的 API 調用該 ID 在 10 月 1 日返回了 404 錯誤。

Gemini 4 Argon 比 GPT-6 Astra 更好嗎？
在人工分析的指數上他們平局。Argon 在知識工作、長上下文檢索和視頻理解方面領先；Astra 在 FrontierSWE、終端科學任務和計算機使用方面領先。

Gemini 4 Argon 適合編碼嗎？
它在 DeepSWE 和 Vibe Code Bench 上表現強勁，但 Claude Opus 5.5 和 GPT-6 Astra 在重終端代理編碼方面仍然領先。

100 萬標記的輸出限制在實踐中意味著什麼？
單個任務可以產生遠超過舊的 64K 上限的內容，例如大型代碼遷移或長報告。谷歌表示這依賴於長解碼延續，該功能在調用之間暫停和恢復長響應。

為什麼幻覺率低但準確率僅為 50%？
Argon 在不確定時更頻繁地拒絕回答。這降低了自信的錯誤答案，但也降低了其正確回答的問題比例。

Gemini 4 Argon 什麼時候會在 AIHubMix 上？
尚無日期。其 AIHubMix 模型頁面已上線，但標記為即將推出。現在通過 AIHubMix 在 Gemini 3.8 Flash 或 3.1 Pro Preview 上構建，並在 Argon 開放時切換模型 ID。

繼續閱讀：Gemini 4 Argon 系列

• 2 美元/10 美元的推出價格看起來便宜，直到你計算每個任務的標記數。每個任務的測量成本在這裡： Gemini 4 Argon 價格：每個標記便宜，但每個任務不便宜

來源

• Gemini 4 Argon：我們前沿智能的下一個時代（谷歌）
• Gemini 模型和基準（谷歌 DeepMind）
• Gemini 4 Argon：谷歌重回智能成就前三大實驗室（人工分析）
• Gemini 4 Argon 基準、成本和能力（Vals AI）
• AIHubMix 上的 Gemini 4 Argon（AIHubMix）