Gemini 4 Argon 发布：访问方式、API 定价与工程结果

Google 的 Gemini 4 Argon 公告介绍了一款面向高难度、长周期工作的模型：大型代码变更、视觉创作、科学推理，以及超出短轮对话范围的任务。此次发布同时覆盖开发者产品和消费者体验，但两者的访问条件有所不同。

实际评估的关键在于这些细节。API 介绍期定价有明确的截止日期，百万 Token 限额由多类内容共享，而引人注目的软件速度提升也只适用于某一特定工作负载环节。阅读底层文档后，公告会更容易被准确评估。

Gemini 4 Argon 在哪里可用

Google 表示，可通过 AI Studio 和 Gemini 平台获得付费 API 访问权限，开发者可用范围还延伸至 Android Studio。Google AI Ultra 订阅者可通过 Antigravity 和 AI Studio 访问，而消费者 Gemini 应用和 Search AI Mode 的推出则覆盖 Google AI Pro 和 Ultra 订阅者。

这些是具有不同权益的不同产品。Google AI Pro 对消费者体验的访问权限，并不自动意味着同一套餐包含在 AI Studio 中访问 Argon 的开发者权限，或提供免费的 API 配额。

进行集成时，应核查当前开发者访问要求，而不是仅依赖笼统的发布公告标题。AI Studio 定价页面将 API 模型标记为 gemini-4-argon，且未列出其免费层级。

API 定价在介绍期后如何变化

截至 10 月 15 日，Google 的标准 API 定价文档为 Gemini 4 Argon 列出了两个定价时期。以下价格均为每百万 Token 的美元价格。

因此，发布公告中的介绍期输入和输出价格是有时限的，并非永久定价。缓存输入价格相较对应输入价格降低了 95%，但仅适用于符合条件的隐式缓存输入；该页面未列出此模型支持显式缓存。

Token 价格也未必能够完整反映应用成本。单独计费的工具以及工作流中的重复请求都可能产生额外费用，因此，生产环境成本预估应反映实际请求模式和最新文档。

百万 Token 限额是共享预算

Google 的长解码文档描述了一个由输入、思考和输出共享的统一 1,048,576 Token 限额。它并不承诺可以使用一百万输入 Token，再额外生成一百万 Token 输出。

Interactions API 通常将同步或流式输出限制为 65,536 Token。要生成超过这一数量的内容，需要按文档要求启用后台模式、配置更大的 max_output_tokens 设置并启用存储。服务器会通过连续跳转完成更长的生成过程。

规划此类任务时，有两个细节很重要。第一，max_output_tokens 同时包含思考内容和返回的输出。第二，连续跳转可能会再次计算输入，而在符合条件时将应用文档规定的隐式缓存折扣；长解码并不是对单次请求无限且免费的扩展。

这一能力可能有助于完成较长的实现任务或深入分析，但更大的输出额度并不保证正确性。结果仍需要审查，而且输入会占用同一个总预算的一部分。

大型代码库工作：Chrome 与 ADK 案例

Google 报告称，其使用 Argon 参与了 Chrome 的一次重构，该代码库约有 4,000 万行代码，其中一个遗留区域约有 600 万行。该公司表示，这项工作从以月计的任务缩短为以周计的任务。这些是 Google 报告的项目结果，并非对任意代码库变更的普遍承诺。

ADK 工程文章提供了一个更便于审查的案例。该案例涉及一个约 205,000 行代码、约 800 个源文件的 Python 仓库，并有庞大的公共测试套件支持。

这项工作分两轮完成。最初一次两小时的尝试暴露出一些不足；之后的一次隔夜运行使用了项目技能和一个 Antigravity 目标。模型在 32 个文件中提出了六项优化，但维护者保留了两项，拒绝了四项。最终合并的工作结合了两轮中的修改，涉及 22 个文件，并新增了 17 个测试函数。

被接受的优化包括：在内存会话服务中先过滤数据再复制数据，以及延迟导入软件包。公开合并提交提供了可供审查的最终代码。

哪些部分变快了，哪些没有

该基准测试的价值在于，它区分了多项耗时，而不是将某一项加速呈现为普遍提升。

来源：Google Developers Blog，ADK 优化研究。测量使用即时模型和工具以隔离框架开销，结果取多次运行的中位数。

约 40% 的提升针对的是测试中的内存服务会话准备路径。不应将其描述为让每个 ADK 应用都快 40%，尤其是在部署使用其他存储后端，或大部分时间用于等待模型和工具响应时。

冷启动导入有所改善，但从进程启动到首次请求的耗时没有改善。这是一个实用提醒：应测量用户可感知的工作流，而不能假设局部优化会改善每一项端到端指标。

通过公共测试仍然需要人工审查

提议的修改通过了全部 16,892 项公共单元测试，但有 25 个内部测试目标失败，因为此前被移除的导入仍被预期可进行修补。维护者通过延迟访问器解决了兼容性问题，而不是将公共测试全部通过视为安全性的充分证明。

其他提议的修改因多种原因被拒绝，包括缓存数据过期、依赖私有 OpenTelemetry 属性、在缺乏端到端收益的情况下可读性下降，以及某项优化仅在合成工作负载中表现出收益。

这使该案例比无人监管的编码成功故事更有参考价值。模型生成了候选改进；维护者评估证据、拒绝不合适的补丁，并在合并被接受的修改前修复了一个兼容性问题。

更快的推理与更丰富的视觉项目

Google 还报告了在 NVIDIA A100 上使用 vLLM 对 Gemma 4 E2B 推理进行的优化。在该特定配置下，吞吐量从每秒 37,900 Token 提升至每秒 108,000 Token，报告称在 Token 对等条件下实现了 2.85 倍提升。

这是一个特定配置下的结果。它并不能证明不同模型、GPU、批处理模式或部署栈也能获得同样的速度提升，也不应与托管 Argon API 请求的价格或延迟混为一谈。

此次发布中的创意演示包括：使用 Blender 和视觉评审构建的三维神庙，以及利用桌面照片灵感制作的赛车体验。后者结合了 Blender MCP、生成纹理、Three.js 和额外的媒体能力，因此完成的作品是工作流结果，而非证明一次纯文本调用可以在无人辅助下创建所有资产。

这些案例展示了 Google 希望开发者尝试的项目类型。它们不能替代对生成代码、物理行为、资产许可或浏览器性能的直接测试。

科学演示具有明确边界

此次发布将范围从软件工程扩展到多个研究领域。每项结果解决的问题，都比所属领域名称可能暗示的范围更窄。

• 聚变研究： Google 描述了与研究人员 Matt Landreman 合作，针对 Grad 在 1967 年提出的猜想生成更广泛的反例，并由研究人员进行了检查。这是一项数学和物理研究结果，而不是实用聚变能源已经被解决的证据。
• 酶设计： 公告报告了五种新的丝氨酸酯酶，其催化活性已在实验室工作中得到确认。在被研究的环境中显示活性，并不能证明其已成为成功药物或可投入生产的工业流程。
• 量子计算： Google 报告了涉及 AlphaQubit 和一个经过形式化验证的量子子程序的改进。这些主张针对定义明确的解码或算法任务，而非普遍解决量子计算的局限性。
• 罕见病研究： 该公司描述了对去标识化基因组病例的分析，其中包括一项染色体重排。私有评估并不是临床保证，也不能替代医疗评估。

机器人演示也遵循同样的模式。Google 的 Apollo 机器人观察人类玩玉米洞游戏，构建模拟环境，然后在报告的演示中连续七次真实命中。这证明的是展示运行本身，而不是对任意机器人、环境或物理任务的可靠性估计。

生产力主张需要明确基线

Google 表示，内部代码提交量增加了 35%，回滚率下降了约三分之一。这些是公司报告的内部数据；发布文章并未将其作为其他组织能够获得结果的受控预测。

ADK 案例提供了一种更实用的方式来评估这一更广泛的主张。应从基线可衡量的任务开始，保留测试和兼容性检查，并评估最终被接受的补丁。审查和修复修改所花费的时间也应纳入结果。

对于研究工作，相应的问题是：输出能否通过相关领域的检查，例如证明、实验室实验、独立计算或经过精心设计的评估。模型给出的合理解释只是这一过程中的一个阶段。

常见问题

Gemini 4 Argon 是否可通过免费 API 层级使用？

截至 2026 年 10 月 15 日查阅的 AI Studio 定价页面未列出 gemini-4-argon 的免费层级。消费者订阅访问和开发者 API 访问的条件不同，因此不应假定 Google AI Pro 的消费者功能包含该 API 模型。

Gemini 4 Argon API 的价格是多少？

文档列出的介绍期标准费率为：截至 2026 年 11 月 30 日，每百万输入 Token 2 美元，每百万输出 Token（含思考）10 美元。自 12 月 1 日起，页面列出价格分别为 4 美元和 20 美元；符合条件的隐式缓存输入单独计价，工具费用也可能增加总成本。

上下文限额是否允许一百万输入 Token 加一百万输出 Token？

不允许。Google 说明，输入、思考和输出共用 1,048,576 Token 的预算。因此，更长的输入会为交互的其他部分留下更少空间。

Argon 如何生成超过 65,536 Token 的输出？

长解码文档要求启用后台模式、存储，并将 max_output_tokens 设为高于通常限额的值。连续跳转仍受共享预算和文档规定的计费行为约束，因此应用应遵循当前 Interactions API 指南。

Gemini 是否让所有 Google ADK 应用都快了 40%？

不是。约 40% 的结果针对的是 Google 基准测试中的特定内存会话准备路径。完整的 158 轮运行提升了 14%，而从新进程到首次请求的耗时基本没有变化。

模型的科学和机器人演示能否视为生产保证？

不能。报告的结果针对的是定义明确的研究问题和演示。在将其泛化至临床、工业或真实物理世界用途之前，仍需要进行适当的独立验证、领域审查和部署测试。

相关工具

• Google AI Studio：Google 的开发者文档列出了 Argon 访问条件和当前 API 价格。
• Google ADK for Python：公开合并的优化提交提供了该工程案例中可审查的代码。

相关链接

• 新智元关于 BAAI Hub 的报道：涵盖此次发布及其软件和研究演示的来源报道。
• Google 的 Gemini 4 Argon 公告：有关可用性、能力和报告结果的第一手信息。
• Google 的 ADK 工程说明：详细介绍方法、被接受的补丁、被拒绝的提议和基准测试限制。
• 合并的 ADK 优化提交：工程案例背后的公开实现。
• AI Studio 定价：注明日期的介绍期和后续标准价格、缓存及访问条件。
• 长解码文档：共享上下文限制和扩展生成的要求。

总结

Gemini 4 Argon 在代码、视觉项目和研究领域带来了一系列已报告的能力。其当前的实际细节包括付费开发者访问、在 11 月后结束的介绍期价格，以及包含思考和输出在内的共享上下文预算。

最有力的工程证据来自被接受、经过测试的 ADK 修改及其可测量的限制，而人工审查仍然是结果的一部分。