Google DeepMind 发布 Gemini 4 Argon：单次输出百万 Tokens，专攻长周期复杂任务

9 月 30 日，Google DeepMind 推出了新一代模型 Gemini 4 Argon。最引人注目的变化是输出上限：从原来的 64K 直接拉到 100 万 Tokens——注意，这说的是“一次能生成多长”，不是上下文窗口。

这意味着什么？当模型能一口气写出几万甚至上百万字，不用分段拼接，那些深度代码库迁移、长篇技术报告、多步骤自动化流程，就能从头到尾保持连贯。目前大多数前沿模型的输出上限还在 12.8 万 Tokens 左右，Argon 这一跳，确实有点猛。

企业级长任务能力，评测成绩亮眼

Argon 的发布走的是分阶段、定向开放的路子，而不是一上来就全面铺开：先给可信的网络安全专家用，再逐步扩展到开发者、企业和订阅用户。Google 把它定位在“复杂、长周期工作流”上，瞄准软件工程、法律、金融和网络安全防御。

成绩单挺好看：DeepSWE v1.1 在长周期软件工程任务上拿到创纪录的 77.9%；Vals Index（按金融、编程、法律和税务加权）排名第一；Zapier 的 AutomationBench 得分 51.3%，也是第一；长视频理解 LVBench 达到 91.7%，同样最高。视觉方面，它还能处理专业图表、从长视频里提取细节，以及跨文档操作。

安全聚焦防御，定价分两档

网络安全是这次发布的核心叙事。Argon 被训练来自主发现、验证和修复关键漏洞。对于可信防御者和 Google 内部团队，还会提供一个“无网络屏障”版本。安全厂商 Wiz 通过 Scan for Good 项目用它识别出一款全球医院医疗软件中的严重漏洞——之前的前沿模型都没能发现。CWE-bench v1 漏洞修复排名第一，得分 68%。

定价分两档：推广期每百万输入 Tokens 2 美元、输出 10 美元，之后分别涨到 4 美元和 20 美元。在广泛开放之前，Google 正在强化四道高级防御——防止滥用、防止提示注入、监控推理链偏离、加固沙箱。数千名 Google 员工已经在用它调试代码、设计算法、执行大规模代码迁移。有量子算法在它的帮助下几分钟内改进了 40%。

一句话：Argon 不是用来聊天的，是用来啃专业人士最硬的骨头的。

Key Points

• 输出上限 100 万 Tokens：一次生成超长内容，长任务无需分段。
• 定位企业级长周期工作流：软件工程、法律、金融、网络安全防御。
• 多项评测第一：DeepSWE v1.1 77.9%、Vals Index 第一、AutomationBench 51.3%、LVBench 91.7%。
• 安全防御是核心：自主发现修复漏洞，Wiz 用它查出医院软件严重漏洞。
• 定价分两档：推广期输入 $2/百万 Tokens、输出 $10/百万 Tokens，之后翻倍。