# Gemini 4 Argon 公开了，百万 token 得重新算预算

> Gemini 4 Argon 进入公开付费 API 与订阅入口，但百万 token 由输入、思考和输出共享。对照官方原始文档，分清 Pro 与 Ultra 权限、65536 默认上限、后台长输出、续段缓存计费，以及11月30日优惠结束后的预算。

- Published: 2026年10月15日
- Author: PiRouter Team, Engineering
- Tags: models, pricing, cost, caching
- Canonical: https://pirouter.ai/zh/blog/gemini-4-argon-public-access-long-decode

---
Google 于 **10 月 13 日**宣布 Gemini 4 Argon 进入公开访问阶段。现在可以通过付费 API 和指定订阅入口使用，但这不是全民免费开放。它的 **1,048,576 token 窗口由输入、思考和输出共同占用**，要让 Interactions API 生成超过默认的 **65,536 token**，还得开启后台执行并显式提高生成预算。

这次值得重新做决定的，不是再看一次模型排行榜，而是终于可以把能力放进自己的工作计划：哪种账号能进，已有代码是否需要改，长任务走到一半时还剩多少空间，以及它继续思考的每一段会怎样进入账单。

下文依据 [Google 公开发布公告](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/)、模型规格与开发者原始文档。官方案例只按官方披露呈现；这里没有本站亲测，也不把最大规格当作任务成功保证。

## 谁能用 Argon：API、Pro 与 Ultra 要分开看

先把“公开”拆开。对开发者，公告列出的主要路径是 **Gemini API paid tier**，通过 AI Studio、Android Studio 等入口构建应用；公开模型 ID 已写成 `gemini-4-argon`。对日常用户，公告明确列出 Google AI **Pro 和 Ultra** 订阅者可在 Gemini app 和 Search 的 AI Mode 使用。Google Antigravity 的订阅访问则列给 **Ultra**。

这不是一张可以在所有产品之间通兑的票。订阅里能选到模型，与应用拿 API key 调用模型，是两种使用安排。不要因为买了 Pro，就按 API 已免费包含在内设计自己的后台服务；也不要把 API 的每百万 token 报价当作 app 的单条提问价格。

| 要做的事 | 公告给出的入口 | 不应顺带推定的权益 |
|---|---|---|
| 在自己的应用调用 Argon | Gemini API 付费层 | 免费层可调用、订阅自动抵扣 API 账单 |
| 在 Gemini app 或 Search AI Mode 使用 | Google AI Pro / Ultra | 所有账号已有相同额度或所有地区界面一致 |
| 在 Google Antigravity 使用订阅权益 | Google AI Ultra | Pro 自动获得同一入口 |
| 作为研究者申请资助访问 | 申请科研项目 | 填表即可立即免费使用 |

**两份官方页面目前存在表述不一致。** 发布公告把 Pro 列入 app 与 Search 的开放范围，[Gemini Developer API pricing — Gemini 4 Argon](https://ai.google.dev/gemini-api/docs/pricing#gemini-4-argon) 却写着模型不在 Free tier 或 Google AI Pro plan 中，且没有解释这个限制与公告中入口的关系。本文分别保留两页原意，不把“产品语境不同”当作官方已经确认的解释，也不据此认定 Pro 包含 API 权益。购买订阅前，仍须核对对应产品的实际入口与额度。

Google 还开放了科研申请，计划让 **10,000 名科学家**免费获得 Antigravity 最高使用层六个月，但按批次接入，受资格、容量与筛选限制。网络防御者的 Fairwind 项目同样是申请路径；它涉及的特殊网络安全版本，不是普通公开 API 自动附送的权限。

因此，对尚未订阅的人，第一步是确认工作发生在哪里。只想在 app 里分析材料，先核对 Pro 的模型入口与额度；要把模型接进服务，先核对付费 API。把两者混在一起，会在还没开始长任务前就买错访问方式。

![蓝色背景中的数字4，Argon官方公开发布主视觉](/blog/images/gemini-4-argon-public-access-long-decode-src-public-header.png "Argon进入公开付费与指定订阅入口，并非所有账号免费。来源：[Google 公开发布公告](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/)")

## 百万 token 是共享窗口，不是读百万再写百万

[Gemini 4 Argon 模型规格](https://ai.google.dev/gemini-api/docs/models/gemini-4-argon) 使用的是 **unified input and output token limit**。[Long decode — How long decode works](https://ai.google.dev/gemini-api/docs/long-decode) 再把含义说清：**输入、思考、输出共享 1,048,576 token**。

token 是模型处理内容的计量单位，不等于字符或字数；实际材料占多少，应以模型对应的计数结果为准。

设想你交给模型一个很大的代码项目，再要求它推导优化方案、生成修改与验证说明。代码已经占去空间，模型后续的思考和回答也要占空间。这个窗口不是“材料箱一百万，答案箱另有一百万”，更不是一百万汉字的固定容量。

按文档的预算关系，输入如果占 **800,000 token**，剩余思考与输出合计最多 **248,576 token**；输入如果占 **1,000,000 token**，剩余合计只有 **48,576 token**。这些是按规格做的减法，不是本站测得的实际可用长度。请求本身需要容纳的指令、历史与其他内容也不能忘记计入输入。

一个大文件能放进去，并不意味着模型还有足够空间把它处理完。对于复杂证明或大型代码改造，先减少不相关材料，可能比把生成上限拉到最大更有效：你给它腾出的，不只是写答案的位置，也是探索和检查的空间。

`max_output_tokens` 的名字也容易误导。这里的 interaction 可以理解为一次任务记录，后台续段仍归在同一个任务 ID 下；该参数约束的是整条 interaction 的 **思考加输出**，不是用户最终能看见的文字数。假设你设置了 262,144，模型可能把相当一部分用于思考，然后给出很短的答案；这与设置了更大篇幅却没有“写够字数”是不同的问题。

共享窗口还改变了评估方法。比较两个任务时，不能只记录最终回答长短，也要看输入规模、思考消耗和终态。一个答案更短的任务，完全可能使用更多计费 token。反过来，模型没有用完预算也不说明它失败：预算是允许它使用的上限，不是必须完成的输出指标。

![官方模型页列出的共享窗口与默认输出上限](/blog/images/gemini-4-argon-public-access-long-decode-page-model-spec.png "模型规格把1,048,576列为统一窗口，而非两份独立预算；截图裁取自英文原页。来源：[Google 模型规格](https://ai.google.dev/gemini-api/docs/models/gemini-4-argon)")

## 默认 65,536：换了模型，后台不会自动打开

如果现有应用只是把模型名换成 `gemini-4-argon`，并不会自然获得百万级生成。官方 [Long decode — Output limits](https://ai.google.dev/gemini-api/docs/long-decode) 给出的 Interactions API 默认行为很明确：无论流式还是非流式，默认生成上限都是 **65,536 token**。

超过这个值需要两个条件一起成立：`background: true`，以及 `generation_config.max_output_tokens` 大于 65,536。只开启后台、却没有设置更大的预算，仍停在默认上限；不启用后台却把预算写大，则会返回 **400 错误**。后台执行还要求 `store: true`，不能一边选择后台路径，一边明确禁用服务端存储。

下面是依据官方字段整理的请求配置片段，展示条件关系，不是本站执行记录：

```json
{
  "model": "gemini-4-argon",
  "input": "Analyze the supplied problem and check the proposed solution.",
  "background": true,
  "store": true,
  "generation_config": {
    "max_output_tokens": 262144,
    "thinking_level": "high"
  }
}
```

262,144 也不是所有任务的推荐默认。文档建议，较长编码与 agent 工作先从 65,536 开始；困难数学、科学和证明可以从后台 262,144 起步，再在剩余共享空间内调整。对大多数编码与 agent 工作，默认的 `medium` 思考档位更合适，最困难推理才考虑 `high`。

还要检查模型调用外面那层框架。你给 API 放开了空间，框架或评估工具却仍把上限设成 8,192，任务照样可能在思考尚未结束时被截断。调试“Argon 为什么不输出”时，先查实际送出的参数与 `incomplete` 状态，比在提示词里反复要求“继续”更有用。

如果不允许服务端存储，官方另列了 GenerateContent 的客户端续段路线，由 SDK 或应用启动下一段；它不是同一套默认规则。文档表中这条路线是每条流 64K、每个非流式请求 32K，运行时间列为二十分钟；Interactions 后台则可运行到二十四小时。Interactions 的客户端续段还写着即将提供，不能提前当作已上线。

![官方文档对照后台开关与65536生成上限](/blog/images/gemini-4-argon-public-access-long-decode-page-output-limits.png "超过默认上限必须同时开启后台执行并提高生成预算；截图为官方中文译页。来源：[Google 长解码文档](https://ai.google.dev/gemini-api/docs/long-decode#output-limits)")

## 长输出变成后台工作，完成状态比连接不断更重要

long decode 不是一次请求突然吐出百万 token。官方描述是模型每次生成最多约 64K，服务器把后续段接到前段停止的位置，一直推进到模型完成或预算用尽。每一段在同一个 interaction ID 下新增一个 `model_output` step。

应用因此要保存 interaction ID，并通过轮询或流式接收取得进展。拼接答案时，按顺序遍历 `interaction.steps`，取出 `model_output` 中类型为 `text` 的内容。官方特别指出 REST 响应没有一个可直接取用的 `output_text` 字段；只拿最后一段，也不是完整答案。

后台终态也不能统统叫“已完成”。`completed` 表示模型结束，可以整理结果与 usage；`requires_action` 表示它请求工具，应用仍需执行并回传结果；`incomplete` 表示预算用尽。如果预算全用于思考，最后甚至可能没有正文。这时应检查预算与思考档位，不是把空字符串包装成一次成功交付。

`failed` 与 `cancelled` 同样要落到任务状态里。后台可以运行很久，并不表示客户端应等到二十四小时才介入。对有费用上限、任务期限或人工审核要求的系统，应设置自己的停止条件；官方取消接口停止后续执行，但不会抹掉已经完成工作的费用。

流式长任务还需要重连设计：保存每个 `event_id`，包括状态更新事件中的 ID，重连时用 `last_event_id` 续接。重连后先读完补发事件，再检查终态；即使任务已完成，服务器也可能仍在补发之前遗漏的事件。文档提醒，首个 64K 之后，输出可能按约 5,000 token 的批次到达，中间停顿是预期行为。这个描述不是固定速度承诺，不能因此预先保证某项工作几分钟完成。

对用户界面而言，变化很具体：从“聊天气泡还没回完”变成“后台任务正在推进”。任务是否还在运行、是否等待工具、是否被截断，应该能被看见。连接断开只是传输事件，不能自动等同于模型停止；把它直接重试成新任务，还可能产生重复工作和额外费用。

## 每段输入都计费，累计输入不是占窗大小

预算最容易算错的地方在续段。文档写明，每个后续段都会把原始提示和之前已生成的内容重新送入模型。因此 `total_input_tokens` 累计的是 **所有段输入之和**，不是此刻上下文里放着多少东西。

[Long decode — Count tokens](https://ai.google.dev/gemini-api/docs/long-decode) 给了一个可以逐项核对的例子：提示为 1,000 token，后续一共生成 200,000 token 的思考与输出，需要四段。

| 段 | 此段送入的内容 | 此段输入 token |
|---|---|---:|
| 1 | 初始提示 | 1,000 |
| 2 | 初始提示 + 第一段生成 | 66,536 |
| 3 | 初始提示 + 前两段生成 | 132,072 |
| 4 | 初始提示 + 前三段生成 | 197,608 |
| 合计 | 四段分别计量后相加 | 397,216 |

实际占用共享窗口的内容却约为 **201,000 token**：初始 1,000，加生成的 200,000。你没有因为累计输入到了 397,216，就用掉那么多独立的上下文空间；同一批内容在续段中被重复计量了。

这会影响两项不同决定。判断是否该压缩上下文，要估算提示大小，加 `total_output_tokens` 和 `total_thought_tokens`；判断要付多少钱，则要区分累计输入里哪些按普通输入收费、哪些按缓存输入收费。把同一个数字同时当容量和费用指标，会过早压缩历史，也可能算错长任务成本。

官方说明续段的重复输入通过 **implicit caching** 获得 95% 折扣。Argon 只支持隐式缓存，不支持显式缓存，因此不能按“先创建一个固定缓存对象，以后所有内容都保证命中”的方式理解。模型规格上的支持能力，与某次调用实际记录的缓存计量仍要分开；核账时应读 `total_cached_tokens`，不能只看到缓存单价便把全部输入都套进去。

还有两条容易漏：**只有思考、没有可见文字的段也计费**；取消或失败之前已经完成的工作也计费。流式事件中的 usage 是累计值，读取最新一次即可，不要把每次更新继续相加。那样算出的不是更完整的账单，而是重复累计的账单。

![官方四段示例累计输入397216，实际上下文约201000](/blog/images/gemini-4-argon-public-access-long-decode-page-hop-accounting.png "累计计费输入与实际占窗是不同指标；截图为官方中文译页，正文保留完整算例。来源：[Google token计量说明](https://ai.google.dev/gemini-api/docs/long-decode#count-tokens)")

## 11 月 30 日优惠结束，12 月 1 日要重算

公开后的定价已经有明确日期。以下是 **Standard 档、美元/百万 token**，不是消费者订阅价格，也不是其他服务档的混合报价。

| 计费项目 | 截至 2026-11-30 | 自 2026-12-01 起 |
|---|---:|---:|
| 普通输入 | $2 | $4 |
| 输出，包括思考 | $10 | $20 |
| 缓存输入 | $0.10 | $0.20 |

Argon 价目条目未单列缓存按小时存储价，且不支持显式缓存；这与后台 interaction 必须启用服务端存储不是同一概念。本文算例只计算已列出的 token 费用，不据此推断后台存储免费；数据保留条件与其他适用收费，应在上线前核对对应服务条款。

三项单价都翻倍，缓存相对普通输入的折扣比例没有因此消失。对持续运行的研究或编码流程，优惠期间测得的成本可以帮助探索任务，但不能直接当作十二月预算。时间点明确之后，值得保留的是 token 消耗结构，而不是把一张引入期账单长期复制进成本模型。

沿用上面的官方四段例子，做一笔**编辑换算**：假设首段 1,000 输入按普通输入计费，后面三段合计 396,216 输入全部按缓存输入计费；200,000 思考加输出按输出价计。无工具费、税费、外部调用或失败重试。

引入期算式为 `1000 / 1000000 × 2 + 396216 / 1000000 × 0.10 + 200000 / 1000000 × 10`，约 **$2.0416**。到了十二月一日，相同计量与相同缓存假设约 **$4.0832**。

若用全部累计输入都按普通输入收费的对照口径，引入期约 **$2.7944**，十二月约 **$5.5889**。这个对照只是展示缓存计量为什么影响预算，并非说官方续段默认不使用缓存，也不是一次任务必然出现的上下界。真实核账仍以实际 usage、服务档与收费记录为准。

同样重要的是，在这一例子里，绝大部分费用来自思考与输出。95% 的缓存输入折扣，不能被写成“整个任务便宜 95%”。缓存减掉的是对应输入费用，不会把 200,000 的生成费用一起打折。任务换成更大初始输入或更多段时，各部分占比又会变化，不存在一个对所有长任务有效的节省百分比。

价目页也列出 Batch、Flex、Priority，但“后台继续生成”不等于自动切换成 Batch 或 Flex 的优惠档。服务选项与续段机制是两个维度。如果需要 Search、Maps grounding 等能力，还应另查对应工具收费；此处算例没有把这些费用悄悄包进 token 单价。

![Standard价目注明11月30日与12月1日两档单价](/blog/images/gemini-4-argon-public-access-long-decode-page-dated-pricing.png "截图为Standard档token价格部分，美元/百万token；工具费用另计。来源：[Google API价目](https://ai.google.dev/gemini-api/docs/pricing#gemini-4-argon)")

## 哪些任务值得更长思考，哪些只会更慢

公开公告列了新的复杂工程案例，包括 Chrome 大规模架构重构、ADK 性能优化，以及多步三维场景制作。这些都是 Google 披露的工作与展示，不是本站拿自己的项目复测过的结果。它们有助于理解长任务的形状，却不能证明任意开发者把预算改大，就获得同样收益。

假设你正在整理一个优化方案，需要探索几种改法，交叉检查约束，再给出完整实现。当前任务总在生成预算耗尽时截断，且输入仍留有足够空间，这才是试长 decode 的合理起点。如果模型的问题是理解错需求、调用错工具，额外思考空间未必解决错误，甚至可能只是让错误继续得更久。

官方使用建议同样收得很窄：困难数学、科学、研究、形式化证明，以及少数最难编码任务，可能需要超过 64K 的单次思考与输出。多数聊天、问答、摘要、分类、抽取远不需要这么长。频繁短轮工具调用的 agent 也不是每轮都该长生成；连续大输出会很快填满共享窗口。

“请写一部七十万词的书”也不是合适的验收方法。文档明确说明模型不保证 token 数或字数目标。长 decode 留出的，是解决难问题时继续探索的空间，不是一台按字数精确交货的印刷机。

多模态能力也要按规格判断：Argon 可接收文本、图像、视频、音频和 PDF，模型输出是文本；它本身不支持图像生成或音频生成。公告里的游戏与场景案例会组合其他工具和模型，不能把最终成品的所有能力都算到 Argon 的单次文本输出头上。

## 公开可用之后，先验收一件具体工作

对于开发者，一个稳妥起点是挑一件已有验收标准、输入规模可控的工作。先确认付费 API 与模型 ID，再保持原有生成预算记录基线；只有观察到预算截断确实妨碍完成时，才开启后台并扩大空间。同时记录终态、可见答案、思考消耗、缓存计量、耗时与服务档。

要比较的是任务有没有做对、花了多少时间与钱，而不是谁用掉了更多 token。把优惠结束后的同一消耗结构重算一次，再决定要不要进入持续流程；对敏感材料，先确认后台所需存储是否符合自己的约束。

对 app 用户，判断可以更简单：确认自己的 Pro 或 Ultra 入口能否使用，再拿一件真正需要多步分析的工作观察结果，不必把 API 的百万规格当作订阅中的承诺。Argon 公开之后，值得兴奋的变化是终于有条件验证它；值得保留的克制，是不把访问权、最大空间和实际收益混成一件事。

---

## Sources

### blog.google

- [Google 公开发布公告](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/)

### ai.google.dev

- [Gemini Developer API pricing — Gemini 4 Argon](https://ai.google.dev/gemini-api/docs/pricing#gemini-4-argon)
- [Gemini 4 Argon 模型规格](https://ai.google.dev/gemini-api/docs/models/gemini-4-argon)
- [Long decode — How long decode works](https://ai.google.dev/gemini-api/docs/long-decode)
- [Google 长解码文档](https://ai.google.dev/gemini-api/docs/long-decode#output-limits)
- [Google token计量说明](https://ai.google.dev/gemini-api/docs/long-decode#count-tokens)