Gemini 4 Argon 發表：存取方式、API 定價與工程成果

Google 的 Gemini 4 Argon 公告介紹了一款針對高難度、長時間任務的模型：大型程式碼變更、視覺創作、科學推理，以及超出短暫對話範圍的持續性任務。此次發表同時涵蓋開發者產品與消費者體驗，但兩者的存取條件並不相同。

實際評估的關鍵正藏在這些細節中。API 前期定價設有截止日期，百萬 Token 上限由多種內容共用，而引人注目的軟體加速結果只適用於工作負載中的特定部分。閱讀底層文件後，會更容易評估這項公告。

Gemini 4 Argon 可在哪裡使用

Google 表示，可透過 AI Studio 與 Gemini 平台取得付費 API 存取權，開發者供應範圍亦延伸至 Android Studio。Google AI Ultra 訂閱者可透過 Antigravity 與 AI Studio 存取，而消費者 Gemini 應用程式與 Search AI Mode 的推出則涵蓋 Google AI Pro 與 Ultra 訂閱者。

這些是不同的產品，具有不同的使用權限。Google AI Pro 對消費者體驗的存取權，並不自動代表相同方案包含在 AI Studio 中使用 Argon 的開發者存取權，或包含免費 API 配額。

如要進行整合，請確認目前的開發者存取要求，而不要僅依賴一般發表新聞。 AI Studio 定價頁面將 API 模型標示為 gemini-4-argon，且未列出其免費層級。

前期優惠期後的 API 定價變化

截至 10 月 15 日查閱，Google 的標準 API 定價文件為 Gemini 4 Argon 列出兩個期間。以下價格均為每一百萬 Token 的美元價格。

因此，發表公告中的前期輸入與輸出費率具有時效性，並非永久價格。快取輸入定價相較於對應的輸入費率降低 95%，但僅適用於符合資格的隱式快取輸入；該頁面未列出此模型支援顯式快取。

Token 價格也不一定能完整描述應用程式的總成本。另行計費的工具與工作流程中的重複請求都可能增加費用，因此，正式環境的成本估算應反映實際請求模式與目前文件內容。

百萬 Token 上限是共用預算

Google 的長解碼文件說明，輸入、思考與輸出共用統一的 1,048,576 Token 上限。這並不代表可使用一百萬個輸入 Token，再加上一百萬個生成輸出 Token。

Interactions API 通常將同步或串流輸出上限設為 65,536 Token。如要生成超過此數量的內容，必須依照文件啟用背景模式、設定較大的 max_output_tokens 值並啟用儲存。伺服器會透過延續跳躍（continuation hops）執行較長的生成作業。

規劃這類任務時，有兩項細節很重要。第一，max_output_tokens 同時包含思考內容與回傳的輸出。第二，延續跳躍可能會再次計算輸入，而符合資格時會套用文件所述的隱式快取折扣；長解碼並不是對單一請求無限制且免費的延伸。

此功能或許有助於長篇實作或廣泛分析，但較大的輸出額度並不保證正確性。結果仍需要審查，且輸入內容會消耗相同總預算的一部分。

大型程式碼庫工作：Chrome 與 ADK 案例

Google 報告指出，其使用 Argon 處理一項涉及 Chrome 數百個檔案的重構工作。Google 將 Chrome 程式碼庫描述為約 4,000 萬行，其中包含約 600 萬行的舊有區域。該公司表示，這項工作從以月計的任務縮短為以週計的任務。這些是 Google 報告的專案成果，並非對任意程式碼庫變更的一般性承諾。

ADK 工程文章提供了一個更可檢視的案例。其對象是一個約 205,000 行、約 800 個原始碼檔案的 Python 儲存庫，並由大型公開測試套件支援。

工作分兩輪進行。第一次兩小時的嘗試暴露出一些不足；後續的隔夜執行則使用專案技能與 Antigravity 目標。模型在 32 個檔案中提出六項最佳化，但維護者保留兩項並拒絕四項。最終合併的工作結合兩輪修改，涵蓋 22 個檔案，並新增 17 個測試函式。

被接受的最佳化包括：在記憶體內工作階段服務中，先篩選資料再複製，以及延遲匯入套件。公開合併提交提供了可供檢視的最終程式碼。

哪些部分變快，哪些沒有

這項基準測試的價值在於，它拆分了多種計時指標，而非將單一加速結果呈現為普遍適用。

來源：Google Developers Blog，ADK 最佳化研究。測量使用即時模型與工具，以隔離框架額外負擔，並採用多次執行的中位數。

約 40% 的提升適用於受測試記憶體內服務中的工作階段準備路徑。不應將其描述為讓每個 ADK 應用程式都快 40%，尤其是當部署使用其他儲存後端，或大部分時間花在等待模型與工具回應時。

冷啟動匯入有所改善，但從程序啟動到第一次請求的時間並未改善。這實際提醒我們，應量測使用者可感知的工作流程，而不要假設局部最佳化會改善每項端到端指標。

即使通過公開測試，仍需要人工審查

所提出的變更通過了全部 16,892 項公開單元測試，但有 25 個內部測試目標失敗，原因是預期已移除的匯入仍可被修補。維護者透過延遲存取器解決相容性問題，而沒有將公開測試全數通過視為安全性的充分證明。

其他提案遭拒的原因包括：過時的快取資料、依賴私有 OpenTelemetry 屬性、在沒有端到端效益下犧牲可讀性，以及只在合成工作負載中顯示效益的最佳化。

這使該案例比無人監督程式設計成功故事更有參考價值。模型產生候選改善方案；維護者評估證據、拒絕不合適的修補程式，並在合併接受的工作前修復相容性問題。

更快的推論與更豐富的視覺專案

Google 也報告，使用 vLLM 在 NVIDIA A100 上最佳化 Gemma 4 E2B 推論。在該特定設定中，吞吐量從每秒 37,900 Token 提升至每秒 108,000 Token，在 Token 對等條件下，報告為 2.85 倍提升。

這是特定設定的結果。它並不能證明不同模型、GPU、批次模式或部署堆疊可獲得相同加速，也不應與託管 Argon API 請求的價格或延遲混為一談。

此次發表的創意展示包括：透過 Blender 與視覺評論建立的三維寺廟，以及利用桌面照片靈感組裝的賽車體驗。後者結合 Blender MCP、生成紋理、Three.js 與額外媒體能力，因此完成的作品是工作流程成果，而不是證明一次純文字呼叫便可在無輔助下建立所有資產。

這些案例展現了 Google 希望開發者嘗試的專案類型。它們無法取代對生成程式碼、物理行為、資產授權或瀏覽器效能的直接測試。

科學展示有其明確邊界

此次發表將範圍擴展至多個軟體工程以外的研究領域。每項結果所處理的問題，都比其所屬領域名稱看起來更為狹窄。

• **核融合研究：**Google 描述與研究人員 Matt Landreman 合作，產生與 Grad 1967 年猜想相關、範圍更廣的反例，並由研究人員進行檢驗。這是數學與物理研究結果，並不代表實用核融合能源已被解決。
• **酶設計：**公告指出，五種新型絲胺酸酯酶的催化活性已在實驗室工作中確認。在受研究的情境中具有活性，並不能證明其已成為成功藥物或可投入生產的工業製程。
• **量子運算：**Google 報告了涉及 AlphaQubit 與形式化驗證量子子程序的改進。這些主張針對特定解碼或演算法任務，而非全面解決量子運算的限制。
• **罕見疾病研究：**該公司描述了對去識別化基因組案例的分析，其中包括一項染色體重排。私有評估並非臨床保證，也不能取代醫療評估。

機器人展示也遵循相同模式。Google 的 Apollo 機器人觀察人類玩玉米洞（cornhole）、建立模擬，然後在報告的展示中連續七次於真實世界命中。這是該展示執行結果的證據，而不是對任意機器人、環境或實體任務的可靠性估計。

生產力主張需要清楚的基準線

Google 表示，內部程式碼提交量增加 35%，回滾率下降約三分之一。這些是該公司報告的內部數據；發表文章並未將其作為另一個組織能達成何種成果的受控預測。

ADK 案例提供了評估更廣泛主張的更實際方式。先從可量測基準的任務開始，保留測試與相容性檢查，並評估最終被接受的修補程式。用於審查與修復變更的時間，也應納入成果計算。

對於研究工作，對應的問題是輸出是否通過相關領域驗證：證明、實驗室實驗、獨立計算，或經過審慎設計的評估。模型提供的合理解釋只是這一流程中的一個階段。

常見問題

Gemini 4 Argon 是否提供免費 API 層級？

截至 2026 年 10 月 15 日查閱，AI Studio 定價頁面未列出 gemini-4-argon 的免費層級。消費者訂閱存取權與開發者 API 存取權的條件不同，因此不應假設 Google AI Pro 的消費者功能包含此 API 模型。

Gemini 4 Argon API 的費用是多少？

文件所列的前期標準費率為：截至 2026 年 11 月 30 日，每一百萬輸入 Token 為 $2，每一百萬輸出 Token（包含思考）為 $10。自 12 月 1 日起，頁面分別列出 $4 與 $20；符合資格的隱式快取輸入會另行計價，工具費用也可能增加總成本。

上下文上限是否允許一百萬輸入 Token 加上一百萬輸出 Token？

不允許。Google 記錄的是由輸入、思考與輸出共用的 1,048,576 Token 預算。因此，較長的輸入會壓縮互動中其他部分可使用的空間。

Argon 如何生成超過 65,536 個輸出 Token？

長解碼文件要求啟用背景模式、儲存功能，以及設定高於一般上限的 max_output_tokens 值。延續跳躍仍受共用預算與文件所述計費行為限制，因此應用程式應遵循目前的 Interactions API 指示。

Gemini 是否讓所有 Google ADK 應用程式都快 40%？

不是。約 40% 的結果是 Google 基準測試中特定記憶體內工作階段準備路徑的結果。完整的 158 回合執行快了 14%，而從新程序啟動到第一次請求的計時則幾乎沒有變化。

模型的科學與機器人展示可以視為正式環境保證嗎？

不可以。所報告的成果針對明確定義的研究問題與展示。將其推廣至臨床、工業或實體世界用途之前，仍需要適當的獨立驗證、領域審查與部署測試。

相關工具

• Google AI Studio：Google 的開發者文件列出 Argon 的存取條件與目前 API 價格。
• Google ADK for Python：公開合併的最佳化內容提供工程案例中可供檢視的程式碼。

相關連結

• BAAI Hub 上的新智元報導：涵蓋此次發表及其軟體與研究展示的來源報導。
• Google 的 Gemini 4 Argon 公告：關於可用性、能力與報告成果的主要資訊。
• Google 的 ADK 工程說明：詳細方法、接受的修補程式、被拒絕的提案與基準測試限制。
• 合併的 ADK 最佳化提交：工程案例背後的公開實作。
• AI Studio 定價：標示日期的前期與後續標準費率、快取與存取條件。
• 長解碼文件：共用上下文限制與延長生成的要求。

總結

Gemini 4 Argon 在程式碼、視覺專案與研究方面帶來了一系列報告中的能力。其當前實務細節包括付費開發者存取權、在 11 月後結束的前期優惠價格，以及包含思考與輸出的共用上下文預算。

最具說服力的工程證據來自已接受、經過測試的 ADK 修改及其可量測的限制，而人工審查仍是成果的一部分。