Google 釋出 Gemini 4 Argon：輸出上限拉到 100 萬 token，主攻硬核程式設計與安全

大家都在習慣把幾百萬 token 的文件塞進大模型，但如果要讓模型自己一口氣寫完幾十萬字、甚至一整套完整的專案程式碼，以前的模型往往寫到幾萬字就直接斷片了。

Google 釋出了新一代前沿旗艦模型 Gemini 4 Argon。這一次它把重點放在了最吃力、最耗時間的重活上：單次輸出上限直接從之前的 64K 暴增到了 100 萬 token，相當於一次回答就能吐出約 70 萬個英文單詞。

除了龐大的輸出胃口，Argon 在真實工程任務上也交出了一張漂亮的成績單：真實軟體工程基準 DeepSWE v1.1 拿到 77.9%，Zapier 業務流程測試 AutomationBench 拿下 51.3%，在 Google 的自測中，它在 19 個基準裡有 13 個超過了 GPT-6 Astra 和 Claude Opus 5.5。

先拿自家程式碼庫和資料中心動刀

Google 這次沒有先急著向所有人開放，而是先讓自家工程師和安全團隊當小白鼠，拿去跑最繁重的系統級任務。

比如在底層工程重構上，Argon 正在幫 Google 把內部數十萬乃至 80 萬行的 C/C++ 程式碼遷移到 Rust。在影片解碼庫 libgav1 的測試中，它自己跑了多輪最佳化實驗，把 3.2 萬行底層 SIMD 程式碼替換成了安全的 Rust，最終執行速度提升了 2.7 倍，幾乎追平了手工最佳化的 C++。

在資料中心運維上，多個 Argon 智慧體協同分析遙測資料，自動給 Google 的伺服器叢集找記憶體最佳化方案，上線後省下了超過 300 TiB 記憶體，後續預計能省下 500 TiB 到 1 PiB。

另外在量子計算上，它幫研究人員最佳化演算法的子例程，幾分鐘就把論文裡的基線指標提升了 40%。

拆掉安全護欄，先給安全專家用

有意思的是，Google 這次並沒有把 Argon 直接推向消費級市場，而是通過 Fairwind 計劃，先交給了可信的白帽安全團隊。

因為 Argon 被訓練成了能自主尋找、驗證並修補高危漏洞的工具。為了讓受信任的安全團隊發揮全力，Google 甚至內部破例給他們提供了沒有網路安全護欄的版本。

安全公司 Wiz 已經用它參與了 Scan for Good 公益專案。在早期測試中，Argon 挖出了一處波及全球醫院系統的核心醫療軟體漏洞，之前的前沿模型全都沒有發現。

雖然在 Arena 文字榜初評和 Artificial Analysis 評測裡 Argon 拿下了高分，但並不是所有人都買賬。彭博社援引內部訊息稱，有員工覺得它在基準測試裡分很高，但在真實日常開發裡並沒有那麼神，不過 Google 否認了這種說法。

至於價格，Argon 的起步 API 定價是百萬輸入 token 2 美元、輸出 10 萬 token 10 美元，快取輸入打半折只要 0.1 美元，推廣期過後將恢復到 4 美元和 20 美元。普通人還得等一等，Google 計劃後續才逐步開放給付費 API 客戶和 Google AI Ultra 訂閱者。

為什麼重要

在 Gemini 3.5 Pro 被砍掉、大半年全靠 Flash 系列撐場面之後，Argon 標誌著 Google 終於重新殺回了最頂級的模型戰場。但更關鍵的不是跑分，而是「100 萬輸出 token」這個底層動作。

以前我們讓大模型寫程式碼，頂多是生成一個函式或一個模組，剩下的架構拼接還得人肉處理。輸出上限拉到 100 萬，意味著模型有了充足的思考緩衝帶，能在一趟推理裡端到端重構幾十個檔案、從頭生成完整專案，甚至自主執行幾百步複雜的滲透測試。

對企業和開發者來說，這把 AI 從「打下手的自動補全」拉向了「能承接長週期工程的獨立工程師」。但代價也很明顯：一次百萬輸出的呼叫成本和延遲必然極其高昂，如果模型在第 80 萬個 token 時邏輯跑偏，糾錯成本也會成倍增加。

我們認為，Google 選擇先做企業重活和安全防禦是步聰明的棋。防守方往往需要最強大的推演深度來堵漏洞，而這種重工業級的場景也最願意為高昂的算力買單。接下來就看公開測試展開後，它在真實的髒程式碼裡能不能撐住這些耀眼的數字了。