Gemini 4 Argon 費用：與 GPT-6.1 Sol 同價，每次答對卻貴 3 倍

Gemini 4 Argon 與 GPT-6.1 Sol 的費率相同，每百萬輸入 token 收 $2、每百萬輸出 token 收 $10。但在我們的 13 題推理測試中，Argon 每次答對的成本是 Sol 的 3.1 倍（$0.0063 對 $0.0020，以總支出除以答對次數計算）。兩者都是 39 次呼叫中答對 38 次，Argon 卻用了 3.3 倍的輸出 token。若改與 Google 用來比較的頂級模型相比，結果就反過來：Argon 的成本是 Claude Opus 5.5 的 0.76 倍、GPT-6 Astra 的 0.6 倍，直到 12 月 1 日費率翻倍為止。控制成本的主要參數是 thinking_level，它決定 gemini-4-argon 回答前要推理多久，可設為 low、預設的 medium 或 high。即使回覆不顯示推理內容，推理 token 仍按輸出費率計費。我們在 API 上線兩天後測試了全部三個等級，其他比較模型與 Gemini 3.1 Pro 也都在同一天測試。

TL;DR

• Gemini 4 Argon 至 2026 年 11 月 30 日的費率為每百萬 token $2/$10，之後為 $4/$20。
• Google 將 Argon 與 GPT-6 Astra、Claude Fable 5.1 及 Claude Opus 5.5 比較；公布的 19 項測試中，Argon 在 13 項領先。
• 在 medium 下，Argon 每次答對的成本為 $0.0063，GPT-6.1 Sol 為 $0.0020，Opus 5.5 為 $0.0083；按 12 月費率計算，Argon 為 $0.0125。
• Argon 的 low 等級沒有回報推理內容，在最難的五題、共 15 次呼叫中只答對 1 次；medium 則答對 14 次。

Gemini 4 Argon 的費用是多少？

Gemini 4 Argon 的 API 費率將在 2026 年 12 月 1 日翻倍。Google 定價頁 分別列出 11 月 30 日前的費率與之後的牌價，沒有免費方案。快取輸入是伺服器在先前請求中已看過的文字，例如重複使用的 system prompt，費率為一般輸入的 5%。以下價格以美元計，每百萬 token：

12 月 1 日之後，Batch（以作業提交，數小時內取得結果）與 Flex（盡力提供運算容量）仍是標準費率的一半，Priority（預留運算容量）則為 1.8 倍。與 Google 上一代頂級模型、費率為 $2/$12 的 Gemini 3.1 Pro 相比，有三個差異：

• 長上下文不加價。Gemini 3.1 Pro 的 prompt 超過 200K token 後，費率會變成 $4/$18；Argon 在 1,048,576 token 的上下文視窗內都維持 $2/$10。這個上限涵蓋單次請求的輸入、思考與回覆。按牌價計算，我們的 709K token prompt 在 Argon 上花費 $1.42，在 3.1 Pro 上則是 $2.84。
• 只支援隱式快取。顯式快取已移除，無法再自行建立快取物件並支付儲存費。重複的 prompt 前綴會自動快取，按快取輸入費率計費。
• 輸出超過 64K 要改用另一種模式。一般請求最多回傳 65,536 個輸出 token；更長的輸出必須使用 Google 的背景執行模式，伺服器會以每次 64K token 持續生成，最多達 1M token。

Gemini 4 Argon 與哪些 OpenAI、Claude 模型競爭？

在能力定位上，Google 將 Gemini 4 Argon 與各家的頂級模型比較：GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。價格則低一級，11 月 30 日前與 GPT-6.1 Sol 同為 $2/$10，12 月 1 日起與 Opus 5.5 同為 $4/$20。GPT-6 Astra 與 Fable 5.1 的牌價是 $10/$50。

Artificial Analysis 智能指數 整合了該機構自行執行的代理、程式設計、知識與科學評測，也公布各模型執行一項指數任務的成本。在這個指數上，Argon 與 GPT-6 Astra、Fable 5.1 相近，Opus 5.5 則領先四到五分：

Google 在 Argon 模型卡中公布的表格共有 19 項。Argon 在 13 項領先、1 項並列；GPT-6 Astra 在 3 項領先，Opus 5.5 在 2 項領先。下表列出其中 10 項，包括差距最大的知識工作與長上下文測試，以及 Argon 落後的全部 5 項，涵蓋耗時數小時的程式設計、終端機操作與桌面電腦操作。分數為百分比，越高越好：

這張表應視為 Google 提出的結果，而不是控制條件一致的比較。依照 Google 的方法說明，Argon 使用最高思考設定，競爭模型的數據則多半取自供應商自己的評測報告或公開排行榜，採用最高或可取得的最佳推理設定。Argon 的部分分數（DeepSWE、兩項 Terminal-Bench、OSWorld）由 Google 使用自己的測試框架產生，也就是由它的程式執行任務並評分，其他模型的數據則來自別處。在 Terminal-Bench Science 中，Argon 的評分程式獲准使用的時間是六倍。

Argon 每次答對的成本，與 GPT-6.1 Sol、GPT-6 Astra、Opus 5.5 相比如何？

在相同的 token 單價下，Gemini 4 Argon 使用雙方預設的 medium 等級時，每次答對的成本是 GPT-6.1 Sol 的 3.1 倍；使用 high 時則是 7.7 倍。兩者在 medium 都答對 38/39 次。與頂級模型相比，Argon 目前仍較便宜：每次答對的成本是 GPT-6 Astra 的 0.6 倍、Claude Opus 5.5 的 0.76 倍。

我們執行了 13 題推理任務，答案都先用短程式驗證，每題跑三次，因此下表每個模型、每個等級都有 39 次呼叫。最終回覆的整數符合答案，就算答對。八道較簡單的題目是：加總小於 60 的質數、計算 1 到 500 中數字 7 出現的次數、列車時刻表、7 的 222 次方除以 1000 的餘數、連續套用規則 40 次、計算各位數皆非零且不重複並可被 11 整除的四位數、繞過一個封鎖格的網格路徑，以及湊出 47 美分的方法數。最難的五題則稱為高難度題組：套用相同規則 200 次、13 的 1001 次方除以 10007 的餘數、含三個封鎖格的 8x8 網格、從 10 件物品中選出總重量不超過上限的組合，以及用五種硬幣湊出 187 美分。

各模型都使用能傳遞其思考控制參數的請求格式。Argon 與 Gemini 3.1 Pro 使用許多供應商沿用的 OpenAI 舊版 chat 格式，控制參數為 reasoning_effort；GPT 模型使用 OpenAI 較新的 Responses 格式；Opus 5.5 使用 Anthropic 自有格式，控制參數為 output_config.effort。我們測試各家的 medium 與 high，模型支援 low 時也一併測試。

與 GPT-6.1 Sol 的成本差距來自輸出長度。在 medium 的全部 39 次呼叫中，Argon 共產生 22,980 個輸出 token，GPT-6.1 Sol 則是 7,032 個。最難的單題是 13 的 1001 次方除以 10007 的餘數，Argon 在 medium 與 high 的 token 中位數分別是 1,523 和 6,108，GPT-6.1 Sol 則是 524 和 901。兩者在高難度題組的成績相同：medium 都是 14/15，high 都是 15/15。12 月 1 日起，medium 的成本差距會擴大到 6.3 倍，因為 Argon 費率翻倍，GPT-6.1 Sol 則不變。

12 月也會改變 Argon 與 Opus 5.5 的比較結果。兩者牌價都將是 $4/$20，而在我們的題組中，Opus 5.5 的輸出 token 較少（medium 下為 15,414，Argon 為 22,980），且 39 次全部答對。按 12 月費率計算，Argon 每次答對花費 $0.0125，Opus 5.5 為 $0.0083，Argon 是其 1.5 倍；相對於 GPT-6 Astra，則從 0.6 倍變成 1.2 倍。每個等級只有 15 次高難度題組呼叫，Argon、Opus 5.5 與 GPT-6 Astra 之間的分數差異都未達統計顯著（這些配對另行檢定，不屬於下一節進行校正的比較組）。Artificial Analysis 的每項任務成本也呈現相同排序：GPT-6.1 Sol 在最高設定為 $0.72，Argon 在 high 與目前費率下為 $1.99，GPT-6 Astra 為 $3.26，Opus 5.5 為 $5.98。

與被 Argon 取代的 Gemini 3.1 Pro 相比，各自使用預設等級時，Argon 每次答對的成本約便宜 10 倍：$0.0063 對 $0.0643。部分差距來自費率，3.1 Pro 每百萬輸出 token 收 $12，而非 $10；即使單價相同，仍有 8.6 倍差距，原因是 3.1 Pro 每次呼叫的輸出 token 中位數為 3,272，Argon 則為 383。12 月 1 日之後，在這組測試中 Argon 仍便宜 5.1 倍。我們也測試模型承認不知道虛構事實時會用多少 token：詢問五項虛構資訊（一家公司的股價、一所研究機構、一個城鎮的自治章程、一種合金與一個獎項），兩者都拒絕回答全部五題，Argon 的輸出 token 中位數為 146，3.1 Pro 為 1,014。

各個思考等級實際做了什麼？

在 Gemini 4 Argon 上，low 實際上等同關閉思考。Google 文件列出三個等級，將 low 描述為使用最少 token，並補充「難題的品質可能下降」。Argon 在 low 的全部 39 次呼叫都回報沒有推理 token，而其完整輸出在這條路徑上包含任何推理內容，總共只用了 5 到 11 個 token。我們另透過一條轉送至 Google 伺服器的 API 路徑發送四次 low 呼叫，明確回報的推理 token 也全部為 0。相較之下，Gemini 3.1 Pro 的 low 仍產生中位數 1,091 個輸出 token，幾乎全是推理內容。

沒有推理時，Argon 仍能解出單一步驟的題目，但需要中間步驟的題目就會失敗：

• low 仍答對的題目：質數加總、數字計數、時刻表、單一封鎖格的網格，以及 47 美分（15 次呼叫全部答對）。
• low 答錯的題目：40 步規則（0/3）、四位數計數（0/3）、7 的 222 次方（1/3），以及高難度題組的 15 次呼叫中有 14 次答錯。

降幅在每項任務只計一次時仍成立，這點很重要，因為同一任務的三次執行並非相互獨立：medium 在 13 項任務中的 8 項勝過 low，且沒有任何一項落敗（符號檢定，p = 0.008，代表如此大的差距由偶然造成的機率低於 1%）。僅看高難度題組，若以三次執行中至少兩次答對為解出任務的標準，low 未解出五項任務中的任何一項，而 medium 則解出全部五項（Fisher 精確檢定，p = 0.008；對我們進行的六組比較套用 Holm 校正後為 0.047）。應將 low 當成不思考模式，用於查詢與格式轉換。另一端的 high，每次答對成本是 medium 的 3.4 倍，在 15 次高難度題組呼叫中只多答對一次；這個樣本無法判斷差異是否只是偶然。

預設模式會依 prompt 調整。在未指定等級的簡單 prompt 上，預設為 medium 的 Argon 經常使用零個推理 token，預設為 high 的 Gemini 3.1 Pro 則每次都會推理。工具呼叫是指模型要求你的程式執行函式，再由你將結果傳回：

兩個模型都答對所有 prompt，也都呼叫了正確的工具。在 Google 原生 API 中，等級放在 generation_config，推理 token 數則從 usage 取得：

from google import genai

client = genai.Client()
interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Compute 13 raised to the power 1001, modulo 10007. Reply with a single integer.",
    generation_config={"thinking_level": "medium", "max_output_tokens": 32768},
)
print(interaction.output_text)
print("thinking tokens:", interaction.usage.total_thought_tokens)  # billed at the output rate
print("output tokens:", interaction.usage.total_output_tokens)

我們測試使用的是 OpenAI 相容 chat 格式，閘道會將 reasoning_effort 對應到相同的三個等級，推理 token 數則在 usage.completion_tokens_details.reasoning_tokens 回傳。

遷移到 Gemini 4 Argon 會遇到哪些不相容變更？

以預填 assistant 訊息結尾的 prompt 現在會回傳 HTTP 400，顯式快取已移除，隨機性設定（temperature、top_p、top_k）也會被忽略。預填是指先替模型寫好回覆的開頭，例如用左大括號強制它接著輸出 JSON。多數變更都列在 Google 遷移檢查清單中，但預填錯誤、prompt 額外開銷與超出上下文上限的行為沒有列出：

預填錯誤的處理方式是將指示移到 prompt 中。按目前費率，額外開銷每次請求增加 $0.00006，而且是固定的：相較於 Gemini 3.1 Pro，單行 prompt 多 27 個 token，709K token 文件多 31 個。因此，將文字切分成 token 的 tokenizer 並未改變。那份 709K token prompt 包含 60,000 個編號項目，最後詢問第 42 項的內容；Argon 接受了請求，並答出預先放入的值 529。

各種工作負載該用哪個思考等級？

先從 medium 開始，多步驟工作不要用 low，預算則要按 12 月費率規劃。

12 月 1 日之後，Batch 與 Flex 的費率等同目前的標準費率（$2/$10），因此把離線作業移到這兩種方案，就能維持 10 月的價格。

常見問題

Gemini 4 Argon 可以關閉思考嗎？ Gemini 4 Argon 沒有文件明列的關閉設定，但在我們的測試中，thinking_level: "low" 等同關閉思考：39 次呼叫全部未回報推理 token（每次的完整輸出只有 5 到 11 個 token），透過另一條連至 Google 的 API 路徑發送的四次呼叫也全部明確回報為 0。在最難的五題、共 15 次呼叫中，low 只答對 1 次，預設的 medium 則答對 14 次。

Gemini 4 Argon 的長 prompt 會加價嗎？ Gemini 4 Argon 在 1,048,576 token 的視窗內，所有 prompt 至 2026 年 11 月 30 日都採相同的 $2/$10 費率，之後為 $4/$20。Gemini 3.1 Pro 超過 200K token 就收 $4/$18，因此按牌價計算，709K token prompt 在 Argon 上花費 $1.42，在 3.1 Pro 上為 $2.84。

Gemini 4 Argon 的隱式快取能正常運作嗎？ Gemini 4 Argon 的隱式快取在第一次呼叫 4 秒後，讓重複發送的 6,935 token prompt 中有 4,881 個 token 命中快取，費率為每百萬 token $0.10（比一般輸入便宜 95%）。它也快取了 3,006 token prompt 的部分內容，低於 Google 文件所列的最低 4,096 token 門檻。

延伸閱讀

• GPT-6.1 Sol 與 Claude Sonnet 5.5 比較：同一組 13 題測試，同樣採用 $2/$10 費率
• LLM 思考控制比較：各家供應商的 effort 參數實際作用
• 實測 prompt 快取最低門檻：文件與實際快取門檻的差異
• Gemini 3.7 Flash API 費用：前一次採用上市優惠費率的 Gemini 發布

測試日期為 2026 年 10 月 15 日，API 正式開放兩天後。思考等級測試：13 題皆以程式驗證答案，每個模型與等級各執行 3 次，顯著性檢定時每題僅計入一次，每個 prompt 都附上隨機 ID，避免回覆來自快取；成本依 token 數與牌價計算。思考額外成本、結構化輸出與工具測試各執行 3 次；遷移、快取、長上下文與虛構事實測試則各呼叫一次。low 的結果與 prompt token 額外開銷，均透過另一條轉送至 Google 的 API 路徑確認。Artificial Analysis 數據查閱於 2026 年 10 月 14 日；Google 評測表取自 Gemini 4 Argon 模型卡。

← 返回部落格