Gemini 4 Argon 发布：输出上限拉到 100 万 token，先给安全专家用

先说几个判断：

第一，Gemini 4 Argon 最硬的指标是输出 token 上限从 6.4 万拉到 100 万——翻了约 15 倍。这不是“更会聊”，而是让模型能一口气跑完需要大量中间产出的长任务。

第二，它把“网络防御”摆到了和编码、企业知识工作并列的一线位置，并且能自主发现、验证、修复关键漏洞（官方引用的 CWE-bench v1 得分 68%）。把“修漏洞”当成模型能力而不是工具插件，是这次发布里最值得盯的点。

第三，上线是“受控分阶段”的：先开放给通过审核的网络安全专业人员（Fairwind Program），不是对所有人直接敞开。对一个能自主找漏洞的模型，这种克制是刻意的设计。

第四，推广期 API 定价输入 2 美元、输出 10 美元每百万 token，属于旗舰档位；第三方评测（Artificial Analysis）把它的智能指数放在 53、与 GPT-6 Astra 持平。这些第三方数字要单独看，不等于 Google 自己的说法。

下面把这些点展开说一说。

一、事件描述

Google 在 2026 年 9 月底官宣、10 月初补充细节，推出下一代旗舰前沿模型 Gemini 4 Argon。DeepMind 官网把它归入 2026 年 9 月的 Models 栏目，标题是“我们的下一个前沿智能时代”（Our next era of frontier intelligence）；Google 官方博客的 teaser 原文写着，它是“面向真实世界编码、企业知识工作和网络防御的前沿模型，即将推出”。

这次发布有几个容易混的点，先用一张表理清口径：

表：Gemini 4 Argon 发布要点与口径归属（官方信息来自 blog.google 与 deepmind.google，第三方指标来自 Artificial Analysis）

这里要特意把最后一行的归属标清：智能指数、幻觉率、AutomationBench-AA 这类数字来自 Artificial Analysis 的独立评测，不是 Google 自己发布的成绩。写进文章里时，它们该被当作“第三方视角”，而不是 Google 的主张。

二、100 万输出 token 意味着什么

把输出上限从 6.4 万拉到 100 万，是这次最直观的数字变化：

表：输出 token 上限对比（官方公布）

画成条形会更直观：

图：Gemini 4 Argon 与上代输出 token 上限对比（数据来源：Google 官方公布，单位 token；条形按真实数值线性映射）

上一代            ████                                                      64,000
Gemini 4 Argon  ████████████████████████████████████████████████████████ 1,000,000

说明：条形长度按各模型输出 token 上限真实数值线性缩放，Argon 约为上一代的 15.6 倍。输出上限翻倍的意义，不在于“能写更长的文章”，而在于模型能在一次任务里保留更长的推理轨迹、工具调用记录与中间产物——这恰恰是软件工程、长文档分析这类“长周期任务”的刚需。

三、为什么把“网络防御”放这么前

官方 teaser 把三个场景并列：真实世界编码、企业知识工作、网络防御。其中“网络防御”最不寻常——它不是把模型当助手用，而是让模型去“自主发现、验证、修复关键漏洞”，并给出了 CWE-bench v1 上 68% 的得分。

CWE-bench 这类基准测的是模型在真实漏洞库上定位并修复缺陷的能力。68% 不是一个“满分”数字，它说明模型已经能稳定处理相当一部分真实漏洞，但远没到“全自动替代安全团队”的程度。把这个能力直接写进发布重点，说明 Google 在把“安全”从模型的附加技能，升级成一类被单独强调的工作负载。

四、受控上线：先给“自己人”

对一个能自主找漏洞的模型，怎么放出来是个真问题。Google 选的是受控分阶段：先向通过审核的网络安全专业人员开放，这个审核通道叫 Fairwind Program。

值得注意的有两点。一是“分阶段”本身——不是全员立即可用，而是按人群和场景逐步放开；二是“审核”门槛——把最敏感的能力先圈在受过训练、有合规约束的安全专家手里。这是一种把“能力”和“使用资格”绑定的上线策略，和很多模型“先全量、再治理”的节奏相反。

五、定价：旗舰档，且是推广期

推广期 API 定价为输入 2 美元、输出 10 美元每百万 token。这个价位属于前沿旗舰的常规区间，但要注意“推广期”三个字——它不等于长期定价，后续是否调整要看 Google 的正式价目表。

对一个输出上限 100 万 token 的模型，计费方式也值得留意：输出 token 比输入贵 5 倍，意味着你让模型“想得多、写得长”，成本会随输出量快速累积。长周期自主任务天然产出大量 token，跑这类任务前，账要单独算。

六、第三方视角：和 GPT-6 Astra 持平？

据 Artificial Analysis 的第三方评测，Gemini 4 Argon 的智能指数（Intelligence Index）为 53，与 GPT-6 Astra 持平；在幻觉率上处于领先梯队的最低区间，并在 AutomationBench-AA 上拿了第一。

这些数字能帮你做横向参考，但要带着两条前提看：第一，它们是第三方口径，不是 Google 自己的结论；第二，“持平”“第一”都依附于具体基准的方法与快照时间，基准一换、版本一更，排位就会动。把它当作“当下某份榜单上的相对位置”，比当作“绝对强弱结论”更稳妥。

七、结语

Gemini 4 Argon 是 Google 在 2026 年 9 月底至 10 月初推出的下一代旗舰前沿模型：输出 token 上限从 6.4 万提到 100 万，把真实世界编码、企业知识工作和网络防御列为一线场景，声称能自主发现、验证、修复关键漏洞（CWE-bench v1 68%），并采用受控分阶段上线、先开放给 Fairwind Program 审核的安全专家，推广期 API 定价输入 2、输出 10 美元每百万 token。

值得冷静看待的至少有三处：一是“自主修漏洞”这个能力被单列强调，但 68% 远非满分，距离全自动仍有距离；二是上线刻意走“审核 + 分阶段”，对一个能找漏洞的模型，这种克制更像设计而非疏忽；三是所有“与 GPT-6 Astra 持平、幻觉率最低、AutomationBench-AA 第一”的说法来自 Artificial Analysis 第三方评测，不是 Google 自述。对使用者来说，真正要掂量的是：当模型能一口气跑完百万 token 的长任务、还能自己动手修漏洞时，你打算把它放进哪条工作流、又由谁来把关——这件事，比“又强了一点”更值得想清楚。