Google DeepMind 的 Gemini 4 Argon：百万级 Token 输出，聚焦复杂工作

Google DeepMind 于 9 月 30 日悄然发布了 Gemini 4 Argon，其头条数字令人难以忽视：单次输出现在可以达到 100 万个 token。这不是上下文窗口——而是模型可以连续生成的内容量。对于任何曾不得不将任务分解成块的人来说，这都是一个改变游戏规则的功能。

为什么输出长度很重要

大多数前沿模型的输出上限约为 128,000 个 token。Argon 跃升至一百万意味着它可以写出数万字——或迁移整个代码库——而无需停下来喘息。深度代码库迁移、长篇技术报告、多步骤自动化：这些任务突然获得了以前不可能实现的连续性。不再需要拼接片段并希望它们对齐。

为困难任务而生

Argon 不是用于闲聊的。Google 正在分阶段推出它，首先面向受信任的网络安全专业人员，然后扩展到开发者、企业和订阅者。它的目标？软件工程、法律、金融和网络安全防御领域的复杂、长期工作流程。

基准测试支持了这一雄心。测试长期软件工程任务的 DeepSWE v1.1 达到了创纪录的 77.9%。在金融、编程、法律和税务方面加权的 Vals 指数将 Argon 排名第一。Zapier 的 AutomationBench 给了它 51.3% 的分数，也是第一。在长视频理解基准 LVBench 上，它达到了 91.7%，为迄今最高。视觉任务也涵盖在内：专业图表、从长视频中提取细节以及跨文档操作。

侧重防御的安全

网络安全是这里的核心叙事。Argon 经过训练，可以自主发现、验证和修复关键漏洞。对于受信任的防御者和 Google 内部团队，甚至有一个“无网络屏障”版本。安全供应商 Wiz 通过 Scan for Good 项目使用它发现了全球一家医院医疗软件中的一个严重缺陷——这是之前最先进的模型所遗漏的。在测试漏洞修复的 CWE-bench v1 上，Argon 以 68% 的分数排名第一。

定价与实际应用

在 introductory 期间，Argon 的费用为每百万输入 token 2 美元，每百万输出 token 10 美元。之后翻倍至 4 美元和 20 美元。在更广泛发布之前，Google 正在加强四项高级防御：防止滥用、阻止提示注入、监控不对齐的推理链以及加强沙箱。数千名 Google 员工已经在使用它来调试代码、设计算法和执行大规模代码迁移。在一个案例中，它在几分钟内将量子算法改进了 40%。

所以，不，Argon 不是针对聊天的。它是针对专业人士面临的最严峻挑战——而且它正在大举出击。

关键要点

• 100 万 token 输出： 是典型 128K 限制的八倍，实现不间断的长篇生成。
• 面向专业人士： 专注于软件工程、法律、金融和网络安全防御。
• 顶级基准分数： DeepSWE v1.1 上 77.9%，Vals 指数第一，AutomationBench 上 51.3%，LVBench 上 91.7%。
• 安全优先： 训练用于发现和修复漏洞；已经发现了一家医院的软件缺陷。
• 分层定价： 最初每百万 token 2 美元/10 美元，之后升至 4 美元/20 美元。