9月30日，Google DeepMind 悄然放出了一枚重磅炸弹——新一代模型 Gemini 4 Argon。乍看之下，它不像以往那样强调多模态或聊天体验，而是把“单次输出上限”从原来的 64K 直接抬到了惊人的 1 百万 Tokens。请注意，这不是指上下文窗口，而是指“一口气连续生成多长内容”。当模型可以在一个任务链里写出数万乃至上百万字的成果，且无需分段拼接时，深度代码库迁移、长篇技术报告、多步骤自动化流程就真正获得了从始至终的连贯性。目前多数顶尖模型的输出上限还徘徊在 128K 附近，Argon 这一跳，确实有点不讲武德。
企业级超长程能力，评测结果相当能打
从发布节奏看，Argon 没有选择一上来就全面开放，而是分阶段、分人群地铺开：先给受信任的网络安全防御人员，再逐步扩展到开发者、企业和订阅用户。Google 把它定位成“复杂长程工作流”专用，目标场景集中在软件工程、法律、金融和网络安全防御。实际效果也确实亮眼：在长程软件工程任务 DeepSWE v1.1 上拿下了破纪录的 77.9%；由金融、编程、法律、税务加权计算的 Vals Index 位列第一；Zapier 的 AutomationBench 评分 51.3% 排名首位；长视频理解 LVBench 也冲到 91.7%，为目前最高。视觉方面，它还能处理专业图表、从长视频里抽取细节，甚至跨文档执行操作。换句话说，这不再是那种只会写小作文的模型，而是能长时间盯着一个复杂问题直到解决的“数字员工”。
安全叙事主打防御，定价两头押注
这代 Argon 的核心叙事，其实是网络安全。它被专门训练成能自主发现、验证并修复关键漏洞的模型。对于受信任的防御方以及 Google 内部团队，还会提供“无网络隔离障碍”的版本。安全厂商 Wiz 通过 Scan for Good 项目，用它在一家全球医院的医疗软件里揪出了一个严重漏洞——此前甚至连顶尖模型都没能检测出来。在 CWE-bench v1 漏洞修复评测里，Argon 以 68% 的成绩排在第一。
定价方面则分了两档：优惠期内每百万输入 Tokens 2 美元、每百万输出 Tokens 10 美元；优惠期结束后涨到 4 美元和 20 美元。这个价格不算便宜，但考虑到它能替代的“连续数小时的专家劳务”，企业算起账来可能觉得还挺划算。在广泛开放之前，Google 正在加装四道高级防线：防止滥用、防提示注入、监控不对齐的推理链、强化沙箱。目前已有数千名 Google 员工在用它调试代码、设计算法和做大规模代码迁移。一个很有意思的细节是，量子算法在它的帮助下几分钟内改进提升了 40%。总之，Argon 的目标显然不是陪人闲聊，而是替专业人士啃那些最难啃的硬骨头。至于这种“超长输出”会不会带来新的滥用风险，以及 1M Token 的生成内容有多少是真正有用的，恐怕还需要时间和更多真实场景来检验。但至少，方向已经变了：模型的上限，不再只是“读得多”，更是“写得完”。
