1M 共用上下文
輸入、思考與產生的輸出共用一個 1,048,576 個 Token 的視窗。在估算提示與回應大小時,請將這三者一併納入預算。
聊天、程式開發代理與文件處理。以每 1M Token 計價 — 輸入、快取輸入與輸出分開計費。GPTProto 比官方費率低 40%。
| 場景 | Google 牌價 | OpenRouter | GPTProto | 每月節省 |
|---|---|---|---|---|
| Personal10M tokens / 月(4.8M 快取) | $53.76 | $56.72 | $32.26 | −$21.50≈ $258.05 / 年 |
| Team100M tokens / 月(48M 快取) | $537.60 | $567.17 | $322.56 | −$215.04≈ $2580.48 / 年 |
| Business500M tokens / 月(240M 快取) | $2688.00 | $2835.84 | $1612.80 | −$1075.20≈ $12902.40 / 年 |
Gemini 4 Argon 是 Google 的旗艦推理模型,適用於艱難的程式設計、代理式、數學、科學與企業知識任務。它結合了共用的 1M Token 上下文視窗、可設定的思考層級,以及長解碼。本上層頁面涵蓋文字轉文字 API 的使用;圖片、影片、音訊與檔案輸入則有各自的任務頁面。
1M 共用上下文
輸入、思考與產生的輸出共用一個 1,048,576 個 Token 的視窗。在估算提示與回應大小時,請將這三者一併納入預算。
大型輸出的長解碼
對於超過 65,536 個 Token 的輸出,請使用背景執行與接續功能,最高可使用共用 1M Token 視窗中未使用的部分。
低、中或高思考
選擇低、中或高的推理深度。預設為中;較高等級會以額外的延遲與 Token 用量換取處理更艱難任務的能力。
工具與結構化結果
透過函式呼叫、結構化輸出、程式碼執行、檔案搜尋、URL 上下文、搜尋接地,以及預覽版電腦操作支援來建置工作流程。
Gemini 4 Argon API 提供對 Google 穩定版 Gemini 4 推理模型的程式化存取,適用於複雜軟體工程、自主代理、深度研究,以及科學或企業知識工作。這是一個專有託管模型,並非開源或可下載權重的版本。
其 1,048,576 個權杖的額度是 統一的:提示、思考和輸出權杖消耗同一個視窗。因此,更多輸入會留下更少空間用於推理和生成。長解碼必須配置為輸出超過標準的每請求限制。
| 規格 | Gemini 4 Argon |
|---|---|
| 供應商 | |
| 穩定模型 ID | gemini-4-argon |
| API 發布日期 | 2026 年 10 月 13 日 |
| 主頁面路由 | 文字輸入 → 文字輸出 |
| 統一上下文視窗 | 輸入、思考和輸出共 1,048,576 個權杖 |
| 標準輸出行為 | 非串流 REST 最高 32,768 個權杖,串流/SDK 呼叫最高 65,536 個 |
| 長解碼 | 透過接續/背景執行,最高可使用 1M 權杖視窗中未使用的部分 |
| 思考層級 | 低、中(預設)、高 |
| 上下文快取 | 僅支援隱式快取;不支援顯式快取 |
| 代理功能 | 函式呼叫、結構化輸出、程式碼執行、檔案搜尋、URL 上下文,以及接地 |
| 其他官方輸入類型 | 影像、視訊、音訊和 PDF;路由至下方專用的 GPTProto 任務頁面 |
| 不支援 | 影像生成、音訊生成,以及 Live API |
限制並非 1M 輸入加上 1M 輸出。大型儲存庫或文件集合會減少可用於推理和生成的空間,因此應用程式應記錄總使用量,而非僅記錄提示長度。對於一般請求,請使用有界輸出,以及通過評估的最低思考層級。將背景執行或接續保留給真正漫長的任務。
儲存庫規模的程式設計: 在產生遷移計畫或修補程式之前,檢查架構、相依性、測試和跨檔案行為。
長期代理: 結合函式呼叫、結構化狀態,以及可從失敗步驟復原的計畫-執行-檢查迴圈。
企業分析: 處理財務、法律、合規或營運研究的廣泛證據,並附上引用或結構化欄位以供審查。
數學與科學: 對困難問題套用高思考,同時保留對計算和結論的外部驗證。
Google 的 2026 年 10 月模型卡報告了混合結果,並非全面贏家。Argon 在數項程式設計、知識工作和長上下文測試中領先;Astra 和 Opus 則在其他軟體、科學或終端代理評估中領先。
| 評估 | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 | 其顯示的意義 |
|---|---|---|---|---|
| DeepSWE v1.1 | 77.9% | 74.1% | 74.2% | Argon 在此代理式程式設計評估中領先 |
| FrontierSWE v2 | 55.0% | 65.5% | 62.3% | Astra 在前沿軟體任務集中領先 |
| Terminal-bench 4.0 | 57.4% | 58.2% | 66.4% | Opus 在終端機代理任務中領先 |
| Vals Index | 68.9% | 63.1% | 67.0% | Argon 在報告的知識工作指數中領先 |
| GraphWalks 256K–1M | 84.2% | 71.8% | 66.8% | Argon 在極長上下文結果中表現最強 |
| LABBench 2 | 88.8% | 85.4% | 73.1% | Argon 在此報告的科學評估中領先 |
這些是供應商報告的結果,並非 GPTProto 測試。使用表格進行初步篩選,然後比較相同的提示、工具、逾時和驗收測試。當共享 1M 上下文、深度程式碼分析或長結構化輸出最為重要時,請優先選擇 Argon。
該模型接受多種輸入類型並傳回文字。將此父頁面保留用於文字轉文字呼叫,並將多模態意圖路由至下方專注的子頁面。
| 輸入任務 | 專用頁面 | 最適合 |
|---|---|---|
| 影像轉文字 | Gemini 4 Argon 影像轉文字 API | 螢幕截圖、圖表、產品圖片、圖解,以及 OCR 輔助分析 |
| 視訊轉文字 | Gemini 4 Argon 視訊轉文字 API | 視訊摘要、事件擷取、場景分析,以及代理式視訊理解 |
| 檔案轉文字 | Gemini 4 Argon 檔案轉文字 API | PDF 和文件分析、證據擷取,以及長檔案綜合 |
| 音訊轉文字 | Gemini 4 Argon 音訊轉文字 API | 語音內容分析、會議審查,以及音訊問答 |
每個子頁面都應連結回此處和相關的同層路由,讓所有四個任務頁面不處於孤立狀態。
僅切換模型名稱是不夠的。在路由生產流量之前,請檢查這些差異:
使用確切的穩定模型 ID gemini-4-argon。
將 1,048,576 個權杖視為一個合併的輸入-思考-輸出預算,而非個別限制。
將舊版 thinking_budget 邏輯取代為 thinking_level:low、medium,或 high。
移除顯式快取建立或 cached_content 參照。Argon 支援隱式快取,而非顯式上下文快取。
移除 temperature、top_p 和 top_k 假設;Google 的 Argon API 會忽略這些取樣控制項。
規劃超過 65,536 個輸出權杖的背景執行和接續。
為困難請求增加逾時,並在全面推出前測試工具結構描述、結構化輸出和重試行為。
從 Google 的原生 API 移至 GPTProto 時,請使用 GPTProto 文件中的參數名稱。不要假設每個 Google SDK 欄位都會直接對應至 OpenAI 相容的本文。
當需要廣泛的文字上下文、深度推理、程式碼庫分析、結構化工具使用或極長輸出時,請選擇 Argon。對於簡短分類、路由、擷取或高流量聊天,請使用更快、更便宜的模型。從 low 或 medium 思考開始,僅在評估顯示可衡量增益時才移至 high。
與本模型相關的指南、對比與更新。
所有文章
從價格、功能、限制、程式開發與 API 存取來比較 ChatGPT 免費版與付費版。了解何時免費版已足夠,以及何時 Plus、Pro 或 Business 才划算。

比較 Claude Haiku 5.5 與 DeepSeek V4.1 Flash 在定價、基準測試、程式開發、上下文與代理式工作上的表現,找出更適合你工作負載的模型。

這是一份以正式環境為重點的 Sol 與 Astra 模型比較,涵蓋 API 定價、進階推理、工具呼叫、電腦操作與共用上下文限制。了解 GPT-6 Sol 何時適合高流量自動化,以及何時測試 GPT-6 Astra 可能對更複雜的代理與研究工作流程有所助益。