Gemini 4 Argon正式发布：百万Token输出与Vals Index登顶

Google DeepMind 正式将 Gemini 4 Argon（模型标识 gemini-4-argon）推向全面可用。经过与关键基础设施合作伙伴的封闭评估后，该模型现已登陆 Google AI Studio、Google Cloud 以及面向 Google AI Ultra 和 Pro 订阅者的 Gemini 消费级应用。作为 Google 第四代 Gemini 生态的开篇旗舰，Argon 不再局限于标准的对话式文本生成，而是明确瞄准长程推理、企业级软件工程与多步骤自主工作流。

百万Token输出解码：突破上下文衰减瓶颈

过去两年，前沿模型将输入上下文窗口扩展到数百万 Token，但持续生成能力始终受限于架构瓶颈。传统 Transformer 在输出超过 16,000 至 64,000 Token 后，常出现生成质量退化、循环重复和严重延迟惩罚，开发者不得不构建脆弱的迭代分块流水线来生成复杂应用或详尽报告。

Gemini 4 Argon 通过动态稀疏 KV-cache 架构与 TPU v5p 集群上的多级推测解码，解决了这一根本性障碍。Argon 能在单次响应流中保持长达 1,000,000 输出 Token 的数学与语法连贯性。实践中，软件团队可输入系统需求，直接获得一套完整的、可投入生产的微服务代码仓库——包含数据库迁移、Docker 配置、单元测试套件和 OpenAPI 文档——而不会丢失架构一致性。

Gemini 4 Argon 技术规格

参数	Gemini 4 Argon	行业竞品标准
模型标识	gemini-4-argon	专有封闭端点
输入上下文窗口	1,000,000 Token（原生多模态）	200,000 – 1,000,000 Token
输出解码窗口	1,000,000 Token（持续生成）	8,192 – 64,000 Token
基础输入 API 价格	$2.00 / 1M Token	$3.00 – $15.00 / 1M Token
基础输出 API 价格	$10.00 / 1M Token	$15.00 – $60.00 / 1M Token
上下文缓存折扣	95%（$0.10 / 1M 缓存 Token）	50% – 75% 折扣

什么是 KV-cache？ 在 Transformer 架构中，模型生成每个新 Token 时都需要「回看」此前所有的 Token 来计算注意力。为避免重复计算，推理系统会把每一层中已计算的 Key 和 Value 向量缓存下来，这就是 KV-cache。它的显存/内存占用与「已生成长度」成正比，因此当输出扩展到数十万甚至上百万 Token 时，缓存会急剧膨胀，成为长输出的主要瓶颈。

动态稀疏 KV-cache 的做法是：并非保留每个历史 Token 的完整缓存，而是动态评估哪些历史位置对当前生成真正重要，将低贡献的缓存条目剪枝或降精度存储，只保留一个稀疏但关键的子集。这样既控制了内存增长，又尽量维持了长程依赖的连贯性。

推测解码（Speculative Decoding） 则是一种加速手段：用一个更小、更快的「草稿模型」先连续猜出若干 Token，再由主模型并行一次性验证这些猜测，接受正确的部分、拒绝错误的部分。它能在不改变输出分布的前提下显著提升吞吐。Argon 在 TPU v5p 集群上采用的「多级推测解码」，意味着用多个不同规模的草稿器分层协作，以匹配超长输出场景下的解码效率。

Vals Index 基准测试：关键行业评估中的统治力

与已趋饱和的合成多选基准不同，独立 Vals Index 衡量的是法律成文法分析、量化金融、复杂软件工程和企业税务等核心经济领域的真实推理严谨度。Gemini 4 Argon 在排行榜上位列第一，在所有评估支柱上均超越了 Anthropic Claude 4.5 Opus 和 OpenAI o1。

Vals Index 与工程基准测试结果

评估指标	Gemini 4 Argon	Claude 4.5 Opus	OpenAI o1
Vals Index 综合得分	89.4%（#1）	85.2%	84.1%
SWE-bench Verified（已解决问题）	68.2%	61.4%	58.7%
财务建模与 SEC 10-K 解析	92.1%	88.6%	86.3%
法律成文法冲突解决	88.7%	87.1%	83.9%
自主工具合成与调用	91.5%	84.8%	82.0%

这些数据表明，Argon 的优势并非来自单一维度的刷分，而是在法律、金融、软件工程和自主工具调用等多个专业场景中均保持领先。尤其说个细节，自主工具合成与调用得分超过 91%，这为其在 Antigravity 中的代理式开发能力提供了直接支撑。

Vals Index 与 SWE-bench 的区别值得说明。 SWE-bench Verified 是一套源自真实 GitHub 仓库 Issue 与合并请求的软件工程基准，模型需要真正修改代码并通过仓库自带的测试，因此它衡量的是「可验证的代码修复能力」，而非文本相似度。Vals Index 则更偏向经济价值的评估，其题目多来自法律成文法、量化金融、企业税务等专业领域的真实推理任务，通常没有唯一的标准答案字符串，而需要由领域专家或严格 rubric 来评判推理过程是否严谨，因此被认为比传统的合成多选基准（如 MMLU 类）更难被「刷分」。

表格中的「自主工具合成与调用」 考察的是模型能否在给定目标下自行编写工具函数（如查询 API、解析文件、执行计算）并正确编排调用顺序，属于 Agent 能力的核心指标。Argon 在该项得分 91.5%，明显高于两个竞品，这也是其能作为 Antigravity 中自主代理主推理引擎的直接依据——工具调用能力弱的模型，即使单轮问答很强，也难以承担多步骤自主工作流。

原生 Google Antigravity 集成：代理优先开发

Argon 发布的核心支柱之一是其与 Google Antigravity 的深度集成。Antigravity 是 Google 的旗舰代理优先开发环境，同时提供桌面 IDE 和命令行界面。Google AI Ultra 及企业版订阅者可将 Argon 作为自主代理团队背后的主推理引擎运行。

在 Antigravity 中，Argon 具备直接 shell 执行、递归文件修改和主动多代理委派能力。面对复杂的遗留系统迁移任务，Argon 可自主生成子代理来剖析数据库模式、编写集成测试、执行单元测试运行器、分析编译器诊断信息，并在无需人工干预的情况下迭代修复。百万 Token 输出窗口确保完整重构操作在统一会话中执行，不会丢失结构上下文。

「代理优先开发环境」与「多代理委派」的含义。 传统 IDE 是「人写代码、工具辅助」；代理优先环境（Agent-first）则把 AI 代理放在中心位置，人类更多扮演目标设定者和审查者。Antigravity 同时提供桌面 IDE 和 CLI，意味着代理既能操作图形界面，也能在无头环境中运行。

多代理委派（Multi-agent Delegation） 指主代理可以把一个大任务拆分成子任务，动态生成并指挥多个「子代理」并行或串行工作——例如一个子代理负责阅读数据库 schema，另一个负责写集成测试，主代理再汇总结果并决定下一步。这种方式能突破单一代理上下文与并行度的限制。

递归文件修改 与 shell 执行 则赋予代理真实的动手能力：前者指代理可以遍历目录、连续编辑多个相互依赖的文件；后者指它能直接运行构建、测试和诊断命令，并把命令输出作为下一轮推理的输入。正是「百万 Token 输出窗口 + 91.5% 工具调用得分 + 这些执行能力」的组合，让完整重构能在单一会话中连贯完成，而不必人为切分任务、丢失结构上下文。

激进定价与企业级可用性

Google 为 Argon 设定了激进的企业迁移定价。输入 Token 每百万 $2.00、输出 Token 每百万 $10.00，比同类前沿推理模型低 30% 至 50%。此外，Google 对缓存 Token 提供 95% 折扣，将提示词重新摄取成本降至每百万 Token 仅 $0.10，使持续后台监控、安全日志分析和自动化客户工作流在经济上变得切实可行。

战略判断

Gemini 4 Argon 标志着人工智能竞赛已从对话新奇感决定性地转向重工业级实用工具。凭借 Vals Index 排名第一、无与伦比的百万 Token 输出解码窗口，以及在 Google Antigravity 中的原生执行能力，Google DeepMind 为现代开发者、软件架构师和企业技术领导者交付了一款不可或缺的推理引擎。

原文发表于 Tech Boss

上下文缓存折扣 是理解这一定价结构的关键。当企业反复使用同一段长提示词（例如一整本法规、一套代码库或一份长期安全策略）时，可以在首次请求时把这些 Token 缓存到服务端，后续请求直接复用缓存结果，无需重新计算。Argon 将缓存 Token 的价格压到每百万 $0.10，相当于标准输入价的 95% 折扣。

这一点对「持续后台监控、安全日志分析、自动化客服」这类高频、长上下文、提示词高度重复的场景尤为关键——它们的成本几乎完全由输入侧决定，缓存折扣可以把总开销降低一个数量级，从而使原本不经济的高频推理工作流变得可运营。相比之下，行业普遍只提供 50%–75% 的缓存折扣，且不少厂商的缓存有较短的有效期或最低使用门槛，这使得 95% 折扣在企业大规模部署时成为一项实质性的结构性优势，而不仅是营销数字。