Gemini 4 Argon全面开放：$2/$10限时定价与能力解析

Google 已正式将 Gemini 4 Argon 推向一般可用（GA）阶段。在此之前，该模型仅限网络安全合作伙伴通过 Fairwind 计划使用。如今，开发者可以通过付费 Gemini API 直接调用，并享受一段限时低价窗口。

从封闭测试到全面开放

根据 Gemini API 发布说明，gemini-4-argon 自 10 月 13 日起标记为一般可用。VentureBeat 报道称，此前该模型仅向 Google Fairwind 计划中的网络安全防御者开放，现在已有数百家安全合作伙伴加入该计划。

目前 Argon 的可用渠道包括：付费 Gemini API 与 Google AI Studio、Google 的智能体编程环境 Antigravity（个人订阅需 Ultra 计划）、符合条件的 Gemini 企业订阅、Google AI Pro 和 Ultra 订阅者使用的 Gemini 应用及搜索中的 AI Mode，以及面向 Android 开发者的 Android Studio 和 Firebase AI Logic。

需要注意，该模型不在 API 免费层中提供。这意味着任何生产级调用都需要绑定付费账户。

定价结构与限时窗口

Argon 的定价是本次发布最受关注的部分。标准层当前价格为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入仅 0.10 美元。这一价格将持续到 11 月 30 日。

从 12 月 1 日起，标准价格将翻倍至输入 4 美元、输出 20 美元、缓存输入 0.20 美元。Batch 和 Flex 层当前为输入 1 美元、输出 5 美元，12 月后同样翻倍。Priority 层当前为输入 3.60 美元、输出 18 美元，之后升至 7.20 美元和 36 美元。

作为参照，Gemini 3.8 Flash 的定价为输入 0.75 美元、输出 3.75 美元——Argon 的定位明显更高。输出价格包含模型的思考 token（内部推理消耗），而缓存输入则是已处理文本的折扣计费。

缓存输入（cached input）计费是理解 Argon 成本结构的关键。当提示词前缀与之前请求的内容一致时，提供方会复用已经预处理的 KV 缓存，避免重复计算，因此这部分 token 以极低折扣计费。Argon 的缓存输入价格仅为标准输入价的 5%（$0.10 对 $2），对需要反复携带同一超长系统提示或知识库的智能体应用来说，缓存能显著压低实际成本。需要注意的是，缓存并非自动对所有请求生效——原文提到只有当提示词达到 4,096 token 时才自动启用，短提示无法享受折扣。

Batch 与 Flex 层面向可容忍延迟的离线任务。Batch 将多个请求打包异步处理，Flex 则以较低优先级排队，两者都以牺牲实时性换取约一半的价格。它们适合评估、数据标注、批量摘要等场景，但不适合交互式产品。

上下文窗口与功能边界

Argon 的上下文窗口为 1,048,576 token，由输入、模型思考和输出共享。默认回复上限为 65,536 token，但较长的后台请求可产出约 100 万 token（减去输入部分）。

模型接受文本、图像、视频、音频和 PDF 输入，但仅以文本回复，不生成图像或音频。功能上支持函数调用、代码执行、搜索接地、结构化输出，以及预览阶段的计算机使用（computer use）。

思考强度提供低、中、高三档，默认中档。当提示词达到 4,096 token 时缓存自动启用。一个容易被忽略的细节是：Argon 忽略 temperature、top-p 和 top-k 采样设置，这意味着依赖这些参数调节输出多样性的现有代码需要重新设计。

**思考 token（thinking token）**指模型在给出最终答复前进行的内部推理所消耗的 token。对于支持“思考强度”的模型，这部分推理往往占据输出的很大比例，且按输出费率计费。这意味着即便用户看到的回复很短，账单也可能因大量隐藏推理而明显上升——开发者估算成本时不能只按可见文本长度推算。

temperature、top-p、top-k 是传统大模型的采样控制参数：temperature 调节输出随机性，top-p 和 top-k 限定候选词范围，常被用来平衡创造性与确定性。Argon 忽略这些设置，意味着模型改用固定的内部解码策略，过去依赖调参来控制输出风格或稳定性的代码将失效。开发者需要改以提示词工程或结构化输出约束来达到类似效果。

基准测试：有领先也有落后

VentureBeat 整理的对比数据显示，Argon 在部分基准上领先，但在另一些项目上落后于竞品。

基准	Gemini 4 Argon	Claude Opus 5.5	GPT-6 Astra
DeepSWE v1.1（编程）	77.9%	74.2%	74.1%
Zapier AutomationBench	51.3%	42.5%	41.4%
Terminal-Bench 4.0	57.4%	66.4%	未报告
Artificial Analysis 指数	53	58	53

在编程和自动化任务上，Argon 表现突出；但在 Terminal-Bench 4.0 和综合指数上，Claude Opus 5.5 仍占优势。VentureBeat 还引用了 Google 的安全数据：编程评估尝试中未授权捷径占 2%，间接提示注入攻击在 15 次自适应尝试中的成功率为 0.7%。

Red Dragon AI 首席执行官 Sam Witteveen 对 VentureBeat 给出了混合评价：「这是一个非常非常好的模型。但它是目前最好的模型吗？我实际上并不这么认为。」

Terminal-Bench 是一类针对命令行/终端环境下多步任务执行的评测，强调模型在真实操作系统上下文中规划、调用工具并从错误中恢复的能力，比单纯的代码补全更接近端到端智能体表现。Argon 在此项落后于 Claude Opus 5.5，说明其优势更多集中在受约束的编程与自动化基准上。

Artificial Analysis 指数是第三方对多家模型做的综合能力聚合评分，涵盖推理、知识、编程等多个维度并给出单一数值，便于横向比较，但也会掩盖模型在特定任务上的强弱差异。因此原文强调“根据具体工作负载而非单一榜单决定”，正是提醒开发者综合指数只作参考。

开发者行动的五个要点

在 12 月 1 日前锁定测试。 限时价格仅到 11 月 30 日。现在就用你的实际工作负载跑一遍 Argon，然后按翻倍后的标准价格做预算。

离线任务优先用 Batch 或 Flex。 它们只需标准价格的一半，适合评估、数据标注等可等待的工作。

有意识地设置输出上限。 默认 65,536 token，复杂任务建议调到 131,072 或 262,144 token。每个输出 token 都按输出费率计费，设置过高会直接推高成本。

移除采样参数。 Argon 忽略 temperature、top-p 和 top-k，为调节多样性而编写的采样代码需要另寻方案。

在智能体任务上做对比，而非只看编程。 Argon 在 DeepSWE 和 AutomationBench 上领先，但在 Terminal-Bench 4.0 和综合指数上落后于 Claude Opus 5.5。前一日发布的 Meta Muse Wonder 也处于相近区间。选型时应根据具体工作负载而非单一榜单决定。

Argon 的开放为开发者提供了一个能力强劲但定价策略明显「先低后高」的选项。限时窗口既是机会，也要求团队尽快完成真实场景的验证与成本建模。