在大家拼命卷输入上下文的时候，Gemini 4 在输出上发了大力，单次响应支持 100 万 Output Tokens，要知道，GPT-6 Astra 和 Opus 5.5 还只有 128K。
在官方披露的案例中，Argon 接手视频解码器 libgav1 现成的 Rust 移植版后，把其中 32000 行的 SIMD（单指令多数据）进行了代码优化，替换成内存更安全的 Rust 代码，改完之后视频输出完全一致，运行速度比原来的 Rust 移植版快了 2.7 倍。
同时，安全公司 Wiz 用 Argon 在医疗软件里找到了一个会泄露患者敏感个人信息的高危漏洞，此前的前沿模型都没有发现它。
那聪明的你肯定要问，为什么行业普遍聚焦于扩展输入窗口，Gemini 偏偏要把单次输出做大到 100 万？它和刚刚发布的 GPT-6 Astra、Opus 5.5 相比，到底谁更胜一筹？
我翻了 Google DeepMind 的官方发布说明、Koray Kavukcuoglu 的技术长文，以及 Vals AI 和 DeepSWE 最新的评测白皮书，可以自信地、大方地、光明磊落地帮你搞清楚这三件事：
- 什么是 Gemini 4 Argon？为什么单次 100 万输出是工程上的关键分水岭？
- Gemini 4 Argon 凭什么能在编程与安全实测中拔得头筹？
- 作为开发者，我们啥时候才能用上？
哈喽大家好，我是二哥呀。今天用 3 分钟，给你讲清楚刚刚发布的 Gemini 4 Argon 到底带来了什么。
先说第一件，100 万输出意味着什么？
很多人会觉得，输入上下文给到一百万就够用了，输出也搞 100 万有什么用？
其实，输出比输入难做得多。
模型处理输入的阶段叫 Prefill（预填充），100 万个 Token 可以一次性并行计算，TPU 和 GPU 最擅长这种大批量的矩阵运算。
生成输出的阶段叫 Decode（解码），是自回归的。每生成一个 Token，都要把整个模型完整地跑一遍前向计算，第二个 Token 必须等第一个 Token 出来才能开始。100 万输出，就是串行地跑 100 万次前向计算。
这还没完。每生成一个 Token，它的 Key 和 Value 向量都要存进 KV Cache，供后面的每一个 Token 做注意力计算。输出越长，KV Cache 占用的显存越大，每一步要读取的数据也越多，越往后生成得越慢。
训练端同样有门槛。清华大学和智谱发表的 LongWriter 论文中发现，模型能稳定写出的长度，受限于监督微调数据里见过的最长输出。
所以在 Argon 之前，GPT-6 Astra 和 Opus 5.5 也只有 128K 输出上限。
这意味着当一个 Agent 尝试重构大型工程、推演深度思维链时，或者生成几十个关联文件的完整测试集时，一旦输出超过上限，调用过程就会被强行切断。为了把剩下的内容补齐，架构中必须引入繁琐的分段机制，把中间生成的内容重新塞回下一轮的输入里进行拼接。
这种处理方式极易丢失上下文状态，只要中间某一步出现幻觉，后续的所有代码都会跟着全盘跑偏。
Gemini 4 Argon 将单次输出拉升到 100 万 Token，让模型能在单次连续的执行轨迹中，完整容纳自主反思、规划、全套源码改写与工具调用记录，不需要被频繁打断，从而在极长的推演中保持逻辑自洽。
那聪明的你肯定要质疑：Argon 真有说的那么强？
在 DeepSWE v1.1 基准测试中，Argon 跑出 77.9，超过了 Opus 5.5 的 74.2 与 GPT-6 Astra 的 74.1。
在第三方机构 Vals AI 的 Vals Index 2.1 榜单上，Argon 以 68.90 的成绩在 41 个系统里排名第一，第二名是 Sonnet 5.5 的 67.04，Opus 5.5 是 66.97。这份榜单由 6 个私有基准和 2 个公开基准组成，私有部分的题目不对外公开，模型没法提前刷题。
在 Collinear AI 推出的网络安全测试 CWE-bench v1 中，Argon 的修复成功率是 68%，和 Grok 4.7、GPT-6 Astra 三家并列第一档。这个测试有 120 道审计加修补任务，题目里不告诉模型漏洞是什么、有几个，每道题跑 4 次，每次最多 1 小时。
黑盒渗透测试则是 Argon 模型本身的能力。只给它一个正在运行的网站，不给源码，它就能自己完成渗透测试。在 Wiz 的渗透测试基准上，Argon 得分 70.9。
但光能发现漏洞还不够，更关键的是怎么把漏洞给安全地修补好。DeepMind 为此专门打造了代码安全 Agent——CodeMender。它把 Argon 的深度推理能力与传统程序分析工具结合在一起，分三步工作：第一步 Scan，扫描代码找出疑似漏洞；第二步 Verify，在隔离沙盒里自动构造并运行 PoC（概念验证）攻击代码，确认漏洞真的能被利用，避免误报；第三步 Remediate，自动生成修复补丁，再由另外一个大模型担任评审，检查补丁有没有破坏原有功能，最后交由开发者人工审批。
从黑盒渗透发现隐患，到自动验证并生成补丁，Argon 真正把能力延伸到了高难度的生产级安全攻防上。
那聪明的你肯定又要问了：这么厉害的模型，我们普通开发者现在到底能不能用上？
答案是：目前还不能。
官方给出的理由是，这个级别的前沿能力，必须分阶段放出来才安全。
第一批用上 Argon 的是 Fairwind 计划的合作方。
下一步才会开放给付费 API 客户和 AI Ultra 订阅用户。不过价格已经公布，首发优惠期输入每百万 Token 2 刀，输出每百万 Token 10 刀；优惠期结束后，输入涨到 4 刀，输出涨到 20 刀。
这个知识点你学会了吗？想解锁更多 Agent 硬核知识，点赞关注，我是二哥，咱们下期见！