Gemini 4 Argon：輸出上限 100 萬詞元，一般選單還選不到

2026 年 9 月 30 日，Google DeepMind 資深副總裁 Koray Kavukcuoglu 公布 Gemini 4 Argon。已經用 Gemini 處理工作的人，可以先看三件寫進公告的事：輸出詞元上限從 6.4 萬拉到 100 萬、優惠期是每百萬輸入詞元 2 美元與每百萬輸出詞元 10 美元，以及它現在先交給一批受信任的資安防禦方。

下面以當天的 官方公告 和 2026 年 10 月 1 日讀到的 DeepMind 模型頁 為準。對照表裡，Gemini 以外的分數多半是各家自己公布的。Argon 是單次作答，並開到最高思考設定。細項在 評測方法 PDF。哪些是公告原話、哪些是我們的讀法，文中會分開寫。

100 萬是輸出上限

公告擴大的是輸出詞元上限，不是上下文視窗。原文寫，output token limit 從先前的 64K 拉到 100 萬，Google 稱這是目前業界最高。它接著說，模型有空間在單一次軌跡裡想得比較深，並生成幾十萬個詞元。短問答用不到這個容量。會被這個數字改變的，是一次就要做完的長工作：一份很長的研究、一次大型程式修改、一段很長的影片。

模型頁另有一列長上下文評測 GraphWalks，不要把它讀成產品規格。方法說明寫，128K 以內那組是 650 題，Argon 99.7%，GPT-6 Astra 98.7%，幾乎打平。256K 到 100 萬詞元那組是 200 題，Argon 84.2%，Astra 71.8%，Claude Fable 5.1 65.0%，Claude Opus 5.5 66.8%。這代表他們拿這個長度測過，不代表公告公布了上下文視窗就是 100 萬。

100 萬是輸出上限。上下文視窗，這篇公告沒有公布。

優惠期價格，以及公告沒寫的部分

優惠期的 API 價格是每百萬輸入詞元 2 美元、每百萬輸出詞元 10 美元。原文的 introductory 就是這段優惠。快取輸入是輸入價再減 95%，也就是只付原來的 5%。依 2 美元換算，是每百萬詞元 0.10 美元。這裡的 off 是少付 95%，不是台灣口語的「打 95 折」。

注腳只寫優惠期結束後改為輸入 4 美元、輸出 20 美元。優惠多久、結束後快取還減不減 95%，都沒寫。這組數字是預告，不代表今天已經有公開 API 可以呼叫。

Google 說它已經在內部上工

公告說上千名 Google 員工已在用，強項是專門的程式工作、較深的研究，以及寫作品質。沒有再拆人數或任務比例。下面三則是 Google 自己的例子，還沒有看到獨立覆核。

量子計算團隊用它調整瓶頸子程序的時空資源，單位是量子位元乘以閘數。一個例子裡，幾分鐘內就比已發表的基線好 40%。公告沒有寫那份基線的論文名稱。

另一組 Argon 代理人讀了 Google 各資料中心的剖析資料，自己找出記憶體可以省的地方並套用。推出之後釋出超過 300 TiB；估計總節省是 500 TiB 到 1 PiB。300 TiB 是已經釋出的量，後面那個區間是估計。

程式庫從 C 與 C++ 改寫成 Rust 的工作也在進行。re2、libgav1 這類核心程式庫是數萬行，Fuchsia 的 Zircon 核心則到 80 萬行以上。公告寫這些系統很關鍵，大規模改寫還在自動與人工稽核、模擬測試，通過之後才會進正式環境。libgav1 是其中一個已有結果的例子：代理人在既有的 Rust 移植上換掉 3.2 萬行 SIMD，改寫成編譯器可以自己向量化的安全 Rust。做出來的解碼器比那份 Rust 移植快 2.7 倍，影像輸出相同，並比較靠近最佳化過的 C++。2.7 倍的對照對象是 Rust 移植，不是 C++。

公告點名的評測，以及同一張表上落後的列

官方把 Argon 放在三類工作上：真實環境的軟體工程、法律與金融這類企業知識工作、資安防禦。收尾又列了創意寫作，這部分沒有分數，也沒有例子。模型頁的對照欄是 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5。

DeepSWE v1.1 測較長的軟體工程任務，題目來自真實環境，Argon 77.9%。方法 PDF 寫，這個數字是 Google 用 mini-swe agent 自己跑的；Astra 來自公開排行榜，Fable 與 Opus 來自各自的系統卡。排行榜取各模型分數最高的思考等級。其他列的作法不完全相同，完整對照以模型頁為準。

Vals Index 依公告，是把金融、程式、法律、稅務按它們在美國 GDP 的比重加權。Finance Agent v2 是多步驟金融研究。Harvey 那一列是法律研究與草擬：Argon 19.6%，四個模型都沒有過兩成。領先是相對這張表，不是已經可以拿去寫法律文件。AutomationBench 是 Zapier 的評測，看核心業務流程能不能從頭做到尾；方法說明寫這列用的是非公開題組，分數來自 Zapier 公開排行榜。LVBench 測長影片理解。圖表、長影片、一連串文件之後還能採取行動，是公告對多模態的描述，沒有另給一個總分。

CWE-bench v1 測的是能不能修補安全漏洞。公告寫 Argon 以 68% 並列第一，並說這是接在 Gemini 3.8 Flash Cyber 於 v0 的表現之後。模型頁這張四欄表裡，並列的是 Astra。Fairwind 計畫頁另一張圖的圖說，把 Grok 4.7 也放在 68%，Opus 5.5 是 67%。兩張圖收錄的模型不一樣。

同一張模型頁上，Argon 沒有排第一的列如下。程式能力不要讀成每一榜都領先。

模型頁上 Argon 還領先、但公告正文沒有點名的，包括 Vibe Code Bench 91.9%、LABBench 2 88.8%、RiemannBench 76.0%、Chartography 71.6%，以及 Agent's Last Exam 的通過率 39.5%。GraphWalks 已寫在上面。

資安防禦先開放

Argon 目前透過 Fairwind 計畫 交給一批受信任的資安防禦方。官方說它能自行找出重大軟體漏洞、驗證，並提出修補。受信任的防禦方，以及 Google 內部團隊，拿到的版本不加資安護欄，原文是 without cyber guardrails，理由是要讓他們用上完整的防禦能力。廣泛開放之前，Google 說還在調整護欄。公告沒有寫成兩個模型代號，只寫了這兩種取用方式。

Fairwind 頁寫，他們目前在全球與超過 650 個夥伴合作；Argon 是其中一批夥伴的專屬取用，不是這 650 個都有。優先對象是政府與國家資安機關、關鍵基礎設施（醫療、電信、能源、金融網路），以及影響下游很多使用者的核心技術平台。組織只能把取用權開給內部的資安團隊、事件應變團隊，或滲透測試團隊，要使用抗釣魚的多重要素鑑別，並追蹤誰在用。不得轉分享或轉賣。在 Gemini Enterprise 上以受管模型取用時，可以零資料保留。這批夥伴也可以把 Argon 用在 CodeMender 裡。

Wiz 已透過 Scan for Good 使用 Argon，這個計畫免費幫關鍵公共基礎設施找出並處理高風險暴露。早期示範裡，模型在全球醫院使用的一套醫療軟體中，找到一個會暴露敏感個人資料的重大漏洞，先前的前沿模型沒有找到。公告沒有寫產品名稱、漏洞編號或技術細節，這裡也不補。

Google 內部還有一份漏洞評測，對象是複雜程式庫，涵蓋 20 種程式語言，公告沒有給總分。Fairwind 頁的圖說另有兩組對照，對象是 Gemini 3.8 Flash Cyber：真實世界漏洞發現是 85.8% 對 71.0%；Wiz 的滲透測試評測是 70.9% 對 58.2%。後者在公告正文的描述是，沒有原始程式碼、只看運作中的網站時，Argon 較能發現攻擊面、標出漏洞，並附上驗證用的證據。間接提示注入方面，Google 說 Argon 是目前最能抵擋的一版，並在 Gray Swan 的 IPI 評測領先。Fairwind 圖說寫，k=15 時 Argon 的攻擊成功率是 0.7%，愈低愈好；同一張圖最高的是 Kimi K3 的 52.7%。

廣泛開放前，他們說還在做的四件事

誤用。模型會拒絕有害的資安請求，以及化學、生物、放射與核相關的有害請求，同時保留合法的雙重用途研究。依據是他們的 Frontier Safety Framework。這次也加強監控模型內部的運算狀態，原文稱為 internal activations，並由內部與外部紅隊以人工和自動方式測試。

間接提示注入。惡意指示混在資料裡、把模型的行為帶走，這類攻擊要多層防護。Argon 以自動紅隊與對抗訓練處理，Gray Swan 的結果見上一節。

偏離使用者意圖。他們部署了監控，看 Argon 的思考鏈和動作，必要時停掉執行。訓練期間也有類似系統，警報送給專責的事件應變小組。那些發現不會餵回訓練，避免模型學會躲開監控。Google 並呼籲其他實驗室：能力升上來的這段時間，把推理過程留著，讓人看得到。

執行環境。高風險的訓練或評測開始前，會先把沙盒隔離並封住。這段對齊他們公開的代理人管控路線。作法會分享給夥伴，公告沒有附上操作手冊。

這週的工作還不用改流程

我們的讀法：今天的 Gemini 選單不會因為這篇公告多出一個 Argon。DeepMind 的模型總覽上，Gemini 3.8 Flash 仍單獨列著，Argon 是新標出來的旗艦。等它真的出現在付費 API，或出現在 AI Ultra 的帳號裡，值得換過去的是單次軌跡很長的工作，例如大型程式庫改寫、多步驟研究、長影片配上一疊文件。改一封信、問一個定義，用不到 100 萬輸出。

程式任務也不要先假設它每一榜都贏。DeepSWE v1.1 它領先，FrontierSWE v2 和 Terminal-bench 4.0 在同一張表上落後。資安防護較完整的公開版，和 Fairwind 那批不加資安護欄的取用，是兩種資格。一般開發者等到的，應是還在加護欄的那一版。這句是把公告前後兩段放在一起的讀法。