Gemini 4 Argon真实成本实测：每任务1.99美元起

Google 发布 Gemini 4 Argon 时给出了 $2/$10 的促销价格标签，但真实账单远不止这个数字。Artificial Analysis 和 Vals AI 两家独立评测机构分别用同一套任务跑了实测，给出的每任务成本差距悬殊——从 $1.99 到 $193.78。

理解这些数字的差异，是规划预算、设置消费上限和限流策略的前提。

价格输入：促销价与标准价

Argon 的定价来自 Google 的发布博客，其他 Gemini 模型数据来自 Gemini API 定价页面。单位为美元/百万 token。

模型	输入	缓存输入	输出
Gemini 4 Argon（促销）	$2.00	$0.10	$10.00
Gemini 4 Argon（标准）	$4.00	TBD	$20.00
Gemini 3.1 Pro Preview	$2.00	$0.20	$12.00
Gemini 3.8 Flash（至12月31日）	$0.75	$0.075	$3.75
Gemini 3.8 Flash（1月1日起）	$1.50	$0.15	$7.50
GPT-6 Astra	$10.00	—	$50.00

几个容易被忽略的细节：Gemini 3.1 Pro Preview 的定价仅适用于 200k token 以内的提示，超出后输入涨到 $4、输出 $18；Google 没有公布促销结束时间，Artificial Analysis 称至少从 9 月 30 日起持续一个月；95% 的缓存折扣是否在促销结束后保留，目前没有明确说法——作为参照，Gemini 3.8 Flash 的缓存折扣是 90%。

缓存输入（Cached Input） 指的是模型服务商对重复出现的提示词前缀给予折扣计费的那部分 token。主流做法（如 Gemini、Claude、GPT 系列）都支持"提示缓存"：当多次请求共享同一段前缀——例如固定的系统提示、工具定义或长文档——服务商可以把这段内容的 KV 缓存复用，避免重复预填充，因此按远低于正常输入的价格收费。Argon 促销价下缓存输入为 $0.10/百万 token，相当于正常输入 $2.00 的 5%，即 95% 折扣。缓存有两种触发方式：隐式缓存由服务商自动识别相同前缀，无需开发者显式声明；显式缓存则需要调用 API 主动创建缓存对象并支付存储费。隐式缓存对命中条件敏感——内容、模型、参数必须完全一致，且稳定上下文必须位于提示词前部，否则不命中。

实测每任务成本

Artificial Analysis：促销价 vs 标准价

Artificial Analysis 用统一的 Intelligence Index 任务测试每个模型，报告单任务平均成本。

模型	指数得分	每任务成本
Gemini 4 Argon (high)，促销	53	$1.99
Gemini 4 Argon (high)，标准	53	$3.98
GPT-6 Astra (max)	53	$3.26
Gemini 3.1 Pro Preview	30	$1.30

这里出现了一个关键现象：Argon 的促销 token 单价只有 Astra 的五分之一，但每任务成本却是 Astra 的五分之三。80% 的单价折扣在任务层面缩水成了 40%，标准价下 Argon 反而比 Astra 贵约 1.2 倍。

原因在于 token 消耗量。Argon 平均每任务输出约 62k token，Astra 约 27k，前者是后者的 2.3 倍。跑完整个指数，Argon 生成了 110M 输出 token，中位模型为 85M，Gemini 3.1 Pro Preview 为 67M。Artificial Analysis 的结论是：节省"由更低的 token 价格驱动，而非更少的 token 使用"。

对比 Gemini 3.1 Pro Preview，Argon 得分高出 23 分，促销价下每任务成本约为其 1.5 倍，标准价下约为 3 倍。

Vals AI：仅标准价

Vals AI 用标准 $4/$20 价格运行 Argon，temperature 设为 1，输出上限 262,144 token。

模型	Vals Index	每测试成本
Gemini 4 Argon	68.90%	$15.68
Claude Sonnet 5.5	67.04%	$21.34
Claude Opus 5.5	66.97%	$32.14
Claude Fable 5.1	65.83%	$28.71

即使按标准价计算，Argon 在这套测试上的每测试成本也低于排名紧随其后的三个 Claude 模型。但成本在 Vals 的长链 agentic 基准上急剧攀升：

Vals 基准	Argon 得分	每测试成本
CUA-bench	4.83%	$193.78
Code Migration	68.17%	$57.82
Terminal-Bench Science	44.29%	$44.90
SRE Bench	44.28%	$30.45

CUA-bench 是最坏情况——计算机使用基准中成本最高的测试，同时也是 Argon 表现最弱的一项，在 Vals 运行的 8 个模型中排名第 7。

两个数据集的交叉解读

对比 GPT-6 Astra 时，促销是节省的关键；对比 Claude 时，即使标准价 Argon 也更便宜。长链 agentic 运行才是账单膨胀的重灾区：Vals 的 agentic 基准上每测试成本在 $30 到 $194 之间，而 Vals Index 上仅 $15.68。两个机构的测试任务和框架不同，不要跨机构比较模型，在同一测试者内部对比才有意义。

Artificial Analysis Intelligence Index 是一套由独立评测机构 Artificial Analysis 维护的综合能力基准，覆盖数学、科学、代码、推理、指令遵循等多个维度，将各子项得分归一化后合成一个 0–100 的单一指数，便于跨模型横向比较。Vals AI 则采用另一套方法论，更侧重真实产品化场景与 agentic 任务，包含 CUA-bench（计算机使用）、Code Migration（代码迁移）、Terminal-Bench Science（终端科学任务）、SRE Bench（站点可靠性工程）等长链基准。两家机构的测试任务集、评分方式与调用框架均不同，因此同一机构内部的横向对比才有意义，跨机构比较会被任务分布差异污染。这也是文中 $1.99 与 $15.68 两个数字看似矛盾、实则不冲突的根本原因。

七种计费失败模式与修复方案

月度上限提前触顶

原因： 预算按 $2/$10 设定，而促销没有公布结束日期。促销结束后，同样的流量消耗速度翻倍。

修复： 从第一天起按 $4/$20 做预算，把促销当作额外奖励。

单个请求花费 $10

原因： Argon 的输出上限是 1M token。不限长的回答跑满上限，促销价下花 $10，标准价下 $20。

修复： 每个请求都设置按任务规模定制的输出上限，不要留着 1M 的天花板敞开。

输出量远超可见答案

原因： Argon 写得很多——Artificial Analysis 任务中每任务约 62k 输出 token，是 GPT-6 Astra 27k 的 2.3 倍。Gemini 3 系列上 Google 还会把"思考 token"计入输出计费。Argon 尚未出现在 Google 定价页面上，这一点值得确认。

修复： 按工作流固定思考等级，为推理过程而非仅答案预留输出 token 预算。

缓存输入被按全价计费

原因： AIHubMix 的 Gemini 指南指出，隐式缓存命中需要相同的内容、模型和参数，且重复上下文必须放在前面。会话中途切换思考等级或轮次之间重排提示词，缓存输入就会变回全价输入。

修复： 把稳定上下文放在最前面，逐轮保持完全一致：系统提示、工具定义和文档置顶，用户新消息放最后。不要在会话中途切换思考等级。

拒绝回答被付费两次

原因： Argon 在不确​​定时比其他前沿模型更频繁地拒绝回答。拒绝的回答仍然计费其输入和思考 token，在 Argon 上重试同一问题需要再付一次。

修复： 把拒绝的回答路由给人工或其他模型，而不是在 Argon 上重试。

长答案变成多次计费调用

原因： Long Decode Continuation 会暂停长答案并在后续调用中恢复。这些调用如何计费、先前的输出是否会再次计入输入，均无文档说明。

修复： 暂无确认方案。每请求的输出上限仍能约束每次调用。

简单步骤按前沿费率计费

原因： agent 的每一步都在 Argon 上运行，包括信息提取和格式化。

修复： 按难度路由。提取、分类和格式化交给 Gemini 3.8 Flash，Argon 保留给需要深度推理的步骤。Gemini 3 系列通过 Batch API 还可享受 50% 折扣；Argon 的批处理费率尚未公布，出现后需要复查。

估算你自己的成本

以下代码将价格放入字典，标准缓存费率作为参数传入——因为还没有人公布它。纯 Python，无依赖。填入你自己测量的 token 数量即可。

PRICES = {  # USD per 1M tokens
    "promo": {"input": 2.00, "cached": 0.10, "output": 10.00},
    "standard": {"input": 4.00, "cached": None, "output": 20.00},  # cached rate TBD
}

def task_cost(uncached_in, cached_in, output, tier="promo", cached_rate=None):
    p = PRICES[tier]
    cached = p["cached"] if p["cached"] is not None else cached_rate
    if cached is None:
        raise ValueError("Pass cached_rate: Argon's standard cached price isn't published yet")
    return (uncached_in * p["input"] + cached_in * cached + output * p["output"]) / 1_000_000

建议在 Gemini 3.8 Flash 或 3.1 Pro Preview 上测量真实 token 消耗，再代入 task_cost。预期 Argon 会更高：在 Artificial Analysis 指数上它生成了 110M 输出 token，而 Gemini 3.1 Pro Preview 只生成了 67M。把结果当作下限，而非预测值。

尚未确定的信息

• 促销何时结束
• 标准定价下的缓存输入费率、长上下文附加费、Batch 和 Flex 费率以及缓存存储费用
• Long Decode Continuation 的计费方式
• Argon 是否像 Gemini 3 那样将思考 token 计入输出计费
• Argon 在你自己工作负载上的 token 消耗量

对开发者的实际意义

Argon 的成本画像与直觉相反：单价便宜不等于任务便宜。输出 token 量、思考 token 计费、缓存命中率和拒绝重试这四个变量，对最终账单的影响远超 token 单价本身。

在等待 Argon 定价信息补齐的窗口期，用 Gemini 3.8 Flash 跑通同一工作流并收集 token 数据是务实的策略。按标准价做预算、用促销价省钱、对每一步做成本路由，是目前能够落地的成本控制框架。

背景补充

无

Long Decode Continuation 是部分推理模型（尤其具备长思维链或超长输出能力的模型）采用的一种机制：当单次回答需要生成极多 token、超出单次调用的时间或上下文预算时，系统会暂停当前生成，在后续调用中从断点继续输出，最终拼接成完整回答。用户视角上是一次连续回答，但在计费层面可能对应多次 API 调用。如果续接调用把已生成的输出重新作为输入送回模型（这在技术上往往是必要的上下文重建），那么同一段内容既按输出计费一次、又按输入计费第二次，形成隐性双重收费。目前 Google 未公布 Argon 在此机制下的具体账单逻辑，因此每请求设置输出上限仍是唯一可靠的护栏。