Gemini 4 Argon实测：100万Token输出有多强？

谷歌新一代旗舰模型 Gemini 4 Argon 已向普通用户开放，只要订阅 Google AI Pro 就能在网页版直接使用。B站UP主“程序员小辉”第一时间做了实测，用两个真实开发任务把它和 GPT-6 Astra 放在一起对比。这篇文章基于他的第一手测试，结合官方公布的数据，梳理 Argon 的真实能力边界。

定位：专攻复杂长链路任务

Argon 是 Google 七个多月以来第一次发布 Flash 级别以上的新模型，核心定位很明确——解决步骤多、链路长的复杂任务。官方划定的重点方向包括软件工程、企业知识工作、网络安全和创意写作。

最能说明问题的是 Google 内部的实际用法：用 Argon 做大型代码迁移，把 C 和 C++ 代码迁到 Rust，其中包括超过 80 万行的 Zircon 内核。这不是跑分，是生产环境的真实工程。

参数层面最夸张的是 100 万 Token 输出上限。以往模型输出到几万 Token 就得停，Argon 理论上能一次生成几十万 Token，体量接近一部长篇小说。官方公布的 19 项测试中，Argon 拿下 13 项第一。

就得停,Argon理论上可以一次生成几十万Token

价格方面，11 月 30 日前限时 5 折：输入每百万 Token 2 美元、输出 10 美元；优惠结束后恢复到 4 美元到 20 美元。折扣期内的性价比相当突出。

Token 与输出上限：Token 是模型处理文本的最小单位，大致相当于一个英文单词或半个汉字。模型的“上下文窗口”决定单次能读入多少内容，“最大输出长度”则决定一次能写出多少。早期模型输出通常限制在几千到几万 Token，超出就会被截断。Argon 将输出上限拉到 100 万 Token，意味着它可以在一次生成中完成数十万字的代码或文档，不必分段续写，这对大型代码迁移、整本书稿撰写这类任务意义重大。

Zircon 内核：Zircon 是 Google 为 Fuchsia 操作系统开发的微内核，用 C/C++ 编写，代码量超过 80 万行。将如此规模的底层系统代码迁移到 Rust，涉及内存安全模型的重写、跨语言接口的适配和大量并发逻辑的校验，是公认的高难度工程。Google 内部用 Argon 承担这类迁移，说明其能力已进入生产级验证阶段，而非仅停留在基准测试。

实测一：俄罗斯方块豪华版，速度是Astra的两倍

第一个任务是从零开发一个俄罗斯方块豪华版，要求覆盖 7 种方块旋转、硬降、计分、联机、等级加速、下一方块预览，且所有代码必须写进一个 HTML 文件。

Argon 大约 5 分钟交卷，一次输出 7.4 万字符。成品是像素风格的俄罗斯方块，左右移动、旋转、硬降、联机、下一方块预览全部正常，甚至还有幽灵落点。GPT-6 Astra 用了约 13 分钟、输出 5 万字符，功能同样完整，额外做了双方块预览、本局用时、升级进度条和最高分保存。

左右移动,旋转,硬降,联机,下一方块预览全部正常

双方都是一次写完，没有截断，也没有明显 bug。差距在速度：Argon 5 分钟，Astra 13 分钟，快了一倍多。这场测试至少证明，100 万 Token 的超长输出不是纸面参数。

幽灵落点（Ghost Piece）：这是俄罗斯方块类游戏中的常见辅助功能，会在方块当前下落列的底部显示一个半透明轮廓，预示方块最终落地的位置，帮助玩家判断落点。实现它需要实时计算当前方块与已堆叠方块之间的碰撞距离，并在渲染层额外绘制一个不参与碰撞的虚拟方块。能否正确实现幽灵落点，常被用来检验模型对游戏状态管理和渲染逻辑的理解是否到位。

实测二：个人番茄钟，前端设计是短板

第二个任务开发一个个人番茄钟，重点考察前端设计。GPT-6 Astra 约 4 分钟完成，页面像清新设计的产品落地页：品牌 logo、大标题、圆形计时器、统计卡片、语录卡，整体完成度很高。Argon 约 5 分钟完成，功能全部正常——25 分钟专注、5 分钟休息、开始暂停重置、今日统计、键盘快捷键都有，但 UI 明显弱一截：页面顶部出现一条无法消失的黑色提示条，整体只是简单的居中卡片，视觉层次不如 Astra。

有品牌logo,大标题,圆形计时器,统计卡片和语录卡

小辉的总结是三点：硬实力强、幻觉率低；超长代码一次写完的能力是真的，速度也快；前端设计不是它最擅长的地方。

番茄钟：番茄工作法是一种时间管理方法，将工作拆分为 25 分钟专注加 5 分钟休息的循环，每个循环称为一个“番茄”。番茄钟应用需要实现倒计时、开始/暂停/重置、专注与休息阶段切换、每日完成统计等状态逻辑，同时往往要求一定的视觉设计。它常被用作前端开发的入门测试题，因为代码量不大，但能同时考察状态管理、计时精度和 UI 完成度。