Gemini 4 Argon 发布：百万 Token 窗口、长输出与迁移变化

Google 于 2026 年 10 月 13 日宣布 Gemini 4 Argon 正式可用，模型标识为 gemini-4-argon。官方将它定位于复杂编程、Agent、数学和科学任务。对已有 Gemini 应用来说，这次升级需要关注上下文、思考预算和缓存方式的变化。

百万 Token 是共享预算

Gemini 4 Argon 的输入、思考和输出共享 1,048,576 Token 窗口。输入材料越长，留给后续思考与回答的空间就越少，不能把“百万上下文”理解成还能额外生成百万 Token 的回答。

模型支持 low、medium、high 三档思考等级，默认使用 medium。输出上限同时约束思考和最终输出。如果旧应用把上限设得很小，升级后可能出现模型进行了较多思考，正文却被提前截断的情况。

超长输出需要配套处理

官方文档介绍，超过 65,536 Token 的长输出可通过后台执行完成：设置 background: true，并明确提高 max_output_tokens。只开启后台执行、没有设置更大上限，服务仍会在 64K Token 处停止。

后台长输出可能包含多个 model_output 步骤，客户端需要在任务完成后汇总各段文本。适合先验证的场景包括长报告、复杂证明和大型代码生成；普通问答没有必要直接使用最大预算。

缓存和参数需要重新检查

Argon 不支持旧式显式缓存 cachedContents / caches.create，官方改用默认开启的隐式缓存，适用提示词门槛为 4,096 Token。旧请求中的 temperature、top_p 和 top_k 会被忽略，也应在迁移时清理。

官方介绍价有效至 2026 年 11 月 30 日，每百万输入 Token 2 美元、输出 Token 10 美元，输出价格包含思考 Token；12 月 1 日起分别为 4 美元和 20 美元。团队应在评估记录中保留价格生效时间，以免用短期价格估算长期预算。

通过其他服务商接入时，还需核对后台执行、长输出和缓存的具体支持情况。比较新旧模型时，可优先记录任务完成率、总耗时、截断情况和实际费用。