Gemini 4 Argon发布：百万Token上限，输入每百万2美元

谷歌接连把 Flash 3.5 到 3.8 系列推上台面，旗舰 Pro 版本却一直没露面，市场预期需要一个足够分量的产品来接住。两周前低调进入小范围测试的 Gemini 4 Argon，接的正是这个活。

Argon 是氩气的意思，这种气体没有颜色也没有味道，化学性质稳定，焊接、半导体制造这些关键环节里常靠它做保护屏障。拿它当名字，跟谷歌眼下的处境对得上：少讲噱头，靠一次稳当的发布把局面撑住。

就在刚刚，前后打磨六个月、超过 10 万名谷歌内部用户实际跑过测试的 Gemini 4 Argon，正式在全球上线。

谷歌 AI 产品负责人 Logan Kilpatrick 在社交平台上说，这才只是 Gemini 4 时代的开头，新模型从设计之初就是冲着那些过去不敢想的棘手难题去的。

被催了半年的谷歌，把新旗舰端上来了

Gemini 4 Argon 的定位把重心整个压在复杂、多步骤的真实世界深度任务上，编程、金融、法律、网络安全、前沿科学都在覆盖范围内。衡量关键经济领域表现的 Vals Index 榜单里，Argon 直接排到了第一。

要撑住高强度的长程任务，谷歌这次在 API 里把统一输入输出 Token 上限给到了 100 万，同时配套上线一套全新的续写协议。

算力消耗预期本来不低，Argon 首发优惠期的定价却压得很凶：每百万输入 Token 只收 2 美元，每百万输出 Token 收 10 美元，缓存输入折扣最高能到 95%。

接入渠道目前已经铺开。开发者可以走 AI Studio、Android Studio 和 Gemini API；Google AI Pro 与 Ultra 订阅用户则能在 Gemini 应用、搜索 AI 模式，以及智能体开发平台 Google Antigravity 里直接用上。

其实在正式推向市场之前，谷歌内部工程团队就已经把 Argon 当成主力生产力工具在用了。

过去几周，谷歌工程师借助 Antigravity 平台上的 Argon 模型，智能体代码提交量涨了 35% 以上，代码回滚率则掉了将近三分之一。

代码和模型优化这两件事上，Argon 表现出的自主性很高。它帮 Chrome 团队在几周内重构了 4000 万行代码库中的 600 万行遗留代码，一类浏览器崩溃问题被彻底清掉。

只给出简短目标和规则的情况下，它夜里自己动手优化了谷歌智能体框架 ADK，把长会话内存准备时间砍掉 40%；几天之内又把开源模型 Gemma 4 E2B 的端到端推理速度抬高了 2.85 倍，质量上没有损失。

这种长程推理能力，很快从工程场景延伸到了商业、科研和物理世界。

早期评测里，德勤测出的长周期跨工具任务完成率是 100%；Kepler 发现它生成的多年期财报与人类分析师模型吻合度超过 99%；法律科技公司 MinutaIA 更是靠它找出了人类专家漏掉的案情细节。

科研这一侧，量子化学计算和量子纠错解码被大幅加速，五种新型酶的设计在几小时内完成，核聚变「格拉德猜想」的新反例也被它协助找了出来。

具身智能测试里，它只看人类玩沙包的视频，几小时内就自己算出关节轨迹、写出仿真代码，直接部署到 Apollo 人形机器人上，真机连中七投。谷歌同时宣布，向全球万名科学家免费开放半年 Antigravity 最高使用权限。

能力扩张的同时，谷歌给它配上了最严密的安全栈。

推理步骤实时监测器引入之后，模型在编程测试中走未授权捷径的比例降到 2%，间接提示词注入攻击成功率被压到 0.7%，它还配合安全公司 Wiz，帮联邦机构与医疗系统提前修好了多个高危漏洞。

顶级 AI 多一个选择，用户就少一分将就

模型权限全面放开后，全球开发者和科技博主第一时间涌进平台实测，3D 空间构建、物理仿真和运行效率成了首批焦点。

官方演示里，Argon 能用纯 Python 从零写出 3D 光追引擎，也能把一张办公桌照片变成微缩赛车游戏。这种空间推理与编码能力，在网友实测中得到了直观印证。

博主 Bhavy 管它叫一头猛兽，晒出的作品没有外部 3D 资产、没有游戏引擎，纯靠数学代码在单个浏览器文件里搭出一间阳光书房，光影反射和窗外山脉的细节都很逼真；

在「3D 鲸鱼跃出水面」的四方盲测中，Argon 的照片级真实感与 Claude Opus 5.5、GPT-6 Astra、Kimi K3 相比也不分伯仲。

交互生成的表现也不含糊。用户 Ashutosh 只改了几次提示词，就做出一个海岛帆船游戏，水纹逼真，物理操控也有手感。

开发者 Adit_Yah 拿微缩海岛树脂块做测试，13 分钟跑完，花掉 2% 周配额。出来的界面带焦散、波浪和果冻物理，还能调。

碰到需要拆解的复杂综合任务，投资人 Justine Moore 没给任何图文数据，直接让 Argon 做一个互动式苹果电脑博物馆。

模型自己从档案里抓了 Mac 照片，自己写工具清图，又拉了横跨 50 年的硬件规格数据。最后交出一个 3D 封面流网页，UI 跟着年代滑动自动变形。

Gemini 4 Argon 的复杂代码构建和中文创意写作，我们也做了实测。

代码测试的要求是用 Three.js 和 TypeScript 做一个东方纸本风古代战场「无双式」动作游戏原型，其中要有逻辑分层、连招判定和完整 HUD。项目做出来的完成度相当高，实战画面和交互效果都不错。

中文写作测试分两项：写暴雨前菜市场的感官氛围，写书店橘猫的视角。新模型的表现和前代 Flash 系列一样稳，文风进步也明显，以前爱堆宏大词汇的毛病改了不少。

左右滑动查看图片

和别的前沿大模型摆在一起比，Argon 在速度和价格上的优势更清楚。

AIHubmix 团队用 API 跑了同一组提示词，让 Gemini 4 Argon 和 GPT-6 Astra 各生成一张像素风古建筑夜景。GPT-6 Astra 花了 25 分钟、11 美元；Argon 3 分钟就完成，费用 0.50 美元，色彩层次和光影细节也没输。

和 Claude Opus 5.5 的几轮对比里，Argon 的性价比同样突出。

博主 Rubens Soto 给两款模型派了同一个活：做一个电影级 3D 动画，讲清楚特斯拉式电动机的原理。Argon 单次生成花 3.83 美元，Opus 5.5 要 16.36 美元。

测评者 Pranav Reddy 用 Three.js 测了 3D 人形机器人的格斗与动作仿真。看生成界面的完整度和关节动作的流畅度，Argon 在多个关键指标上压过了 Opus 5.5。

当然，Argon 第一代上线时，也并非每个场景都做得滴水不漏。

测试机构 AI/ML API 拿「哥斯拉大战金刚」的 3D 场景生成做了横向对比，结论是：Argon 调用一次只要 4.22 美元，GPT-6 Astra 则要 23.82 美元，可到了某些复杂生物模型上，画质和形态还原还差着一截。

官方放出的硬核工程数据，加上全网陆续铺开的实测，两边一对照，能看出谷歌在 Gemini 4 这一代换了打法。

聊天对话技巧不再是重点。压低推理成本、拉长上下文窗口、强化代码与空间物理推理——大模型被直接塞进工业级代码库、科学实验室和生产管线里。

眼下 Claude 封号严重，ChatGPT 又频繁降智、流口水，能力全面、API 价格又亲民的 Gemini 4 Argon 来得正是时候。日常生产力工具的焦虑缓解了不少，友商那边也实打实感受到了压力。

只是高强度推理要吃算力，谷歌这个「地主家」好像也没剩下多少余粮。

官方最新生效的访问规则是这么定的：未付费用户默认交给系统自动分配模型，绝大多数请求落到最轻量的 Flash-Lite 上；一旦关掉自动选择，就只能固定用 Flash-Lite。

另一边，Gemini 应用已经全面转向动态算力限额机制，每 5 小时刷新一次，并且和每周上限挂钩。调高思考等级、跑 Deep Research、调用旗舰模型，都会让额度掉得更快。想痛快用上满血版，最后还是得按阶梯付费。

话说回来，氩气在工业制造里扮演什么角色，Gemini 4 Argon 的落地就有点像什么——谷歌总算在顶尖模型的牌桌上重新垒起了一道稳当的防线。