Gemini 4 Argon 费用：单价与 GPT-6.1 Sol 相同，每次答对贵 3 倍

Gemini 4 Argon 与 GPT-6.1 Sol 的单价相同：每百万输入 token $2，每百万输出 token $10。但在我们的 13 道推理题测试中，Argon 每次答对的成本是 Sol 的 3.1 倍（$0.0063 对 $0.0020，按总费用除以正确回答数计算）。两者都是 39 次调用答对 38 次，Argon 却输出了 3.3 倍的 token。换成 Google 用来对标的顶级模型，结果则反过来：Argon 的成本是 Claude Opus 5.5 的 0.76 倍、GPT-6 Astra 的 0.6 倍，但这个优势只持续到 12 月 1 日涨价一倍之前。控制成本的主要参数是 thinking_level，它决定 gemini-4-argon 回答前推理多久，可选 low、默认的 medium 和 high。即使回复不展示推理内容，推理 token 仍按输出计费。我们在 API 上线两天后测了全部三个档位，对比模型和 Gemini 3.1 Pro 也在同一天运行。

TL;DR

• Gemini 4 Argon 在 2026 年 11 月 30 日之前的价格为每百万 token $2/$10，之后为 $4/$20。
• Google 将 Argon 与 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5 对比；公布的 19 项结果中，Argon 有 13 项领先。
• medium 档下，每次答对的成本分别为 Argon $0.0063、GPT-6.1 Sol $0.0020、Opus 5.5 $0.0083；按 12 月价格计算，Argon 为 $0.0125。
• Argon 的 low 档没有报告推理内容，在最难的五道题上，15 次调用只答对 1 次；medium 则答对 14 次。

Gemini 4 Argon 的费用是多少？

Gemini 4 Argon 的 API 价格将在 2026 年 12 月 1 日翻倍。Google 定价页 列出了截至 11 月 30 日的价格和之后的正式价格，没有免费额度。缓存输入是服务器在先前请求中已经见过的文本，例如重复的 system prompt，按输入单价的 5% 计费。下表单位为美元／百万 token：

12 月 1 日之后，Batch（以作业形式提交，数小时内返回结果）和 Flex（尽力而为的容量供应）仍为标准价格的一半，Priority（预留容量）仍为 1.8 倍。与 Google 上一代顶级模型、价格为 $2/$12 的 Gemini 3.1 Pro 相比，有三处变化：

• 长上下文不加价。Gemini 3.1 Pro 的 prompt 超过 200K token 后，价格升至 $4/$18；Argon 在整个 1,048,576 token 上下文窗口内都保持 $2/$10。上下文窗口是单次请求中输入、推理和回复合计可容纳的最大 token 数。按标价计算，我们的 709K token prompt 在 Argon 上花费 $1.42，在 3.1 Pro 上为 $2.84。
• 只支持隐式缓存。显式缓存已取消，不能再创建缓存对象并支付存储费。重复的 prompt 前缀会自动缓存，按缓存输入价格计费。
• 输出超过 64K 要换模式。普通请求最多返回 65,536 个输出 token；更长的输出需要使用 Google 的后台执行模式，由服务器每次继续生成 64K，最多生成 1M token。

Gemini 4 Argon 对标哪些 OpenAI 和 Claude 模型？

能力上，Google 将 Gemini 4 Argon 对标各家的顶级模型：GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。价格上则低一档：11 月 30 日之前与 GPT-6.1 Sol 一样，为 $2/$10；12 月 1 日起与 Opus 5.5 一样，为 $4/$20。GPT-6 Astra 和 Fable 5.1 的标价均为 $10/$50。

Artificial Analysis 智能指数 汇总了 Artificial Analysis 自行运行的智能体、编程、知识和科学基准，也公布各模型运行一项指数任务的成本。在这个指数上，Argon 与 GPT-6 Astra、Fable 5.1 基本持平，Opus 5.5 则领先四到五分：

Google 自己的表格来自 Argon 模型卡，共 19 项。Argon 领先 13 项、并列 1 项；GPT-6 Astra 领先 3 项，Opus 5.5 领先 2 项。下面列出其中 10 项：差距最大的知识工作和长上下文项目，以及 Argon 落后的全部 5 项，涉及耗时数小时的编程、终端操作和桌面电脑操作。得分均为百分比，越高越好：

这张表应视为 Google 公布的结果，而不是条件一致的受控对比。根据 Google 的方法说明，Argon 使用最高推理档位，大多数竞品数据则来自厂商自己的评测报告或公开排行榜，采用最高或当时可用的最佳推理设置。Argon 的部分成绩（DeepSWE、两项 Terminal-Bench、OSWorld）由 Google 用自有测试框架得出，也就是由 Google 的代码运行任务并评分，而竞品成绩来自其他来源；在 Terminal-Bench Science 中，Argon 的评分程序获准运行的时间是其他模型的六倍。

Argon 每次答对的成本与 GPT-6.1 Sol、GPT-6 Astra、Opus 5.5 相比如何？

token 单价相同时，在双方默认的 medium 档下，Gemini 4 Argon 每次答对的成本是 GPT-6.1 Sol 的 3.1 倍，high 档则是 7.7 倍。两者在 medium 下都答对了 38/39。与顶级模型相比，Argon 目前仍更便宜：每次答对的成本是 GPT-6 Astra 的 0.6 倍、Claude Opus 5.5 的 0.76 倍。

我们运行了 13 道推理题，答案均由短程序验证，每道题运行三次，因此下表中每个模型、每个档位都有 39 次调用。最终整数与答案一致就计为正确。八道较简单的题是：求 60 以下的质数之和、统计 1 到 500 中数字 7 的出现次数、列车时刻表、7 的 222 次方模 1000、连续应用某条规则 40 次、统计能被 11 整除且各位数字互不相同并非零的四位数、绕过一个障碍格的网格路径，以及凑出 47 美分的方法数。最难的五道题称为困难集：将同一规则应用 200 次、求 13 的 1001 次方除以 10007 的余数、带三个障碍格的 8x8 网格、从 10 件物品中选择总重量不超过上限的组合，以及用五种硬币凑出 187 美分。

每个模型都通过能传递其推理控制参数的请求格式调用：Argon 和 Gemini 3.1 Pro 使用 OpenAI 较早的 chat 格式，许多服务商也沿用该格式，控制参数为 reasoning_effort；GPT 模型使用 OpenAI 较新的 Responses 格式；Opus 5.5 使用 Anthropic 原生格式，控制参数为 output_config.effort。我们使用各厂商的 medium 和 high，支持 low 的模型也测了该档位。

与 GPT-6.1 Sol 的成本差距来自输出长度。medium 档全部 39 次调用中，Argon 共输出 22,980 个 token，GPT-6.1 Sol 为 7,032 个。最难的单题是求 13 的 1001 次方模 10007，Argon 在 medium 和 high 下的 token 中位数分别为 1,523 和 6,108；GPT-6.1 Sol 分别为 524 和 901。困难集得分相同：medium 都是 14/15，high 都是 15/15。12 月 1 日起，medium 下的成本差距将扩大到 6.3 倍，因为 Argon 单价翻倍，GPT-6.1 Sol 不变。

12 月也会改变与 Opus 5.5 的对比。届时两者标价均为 $4/$20，但在我们的题集中，Opus 5.5 输出的 token 更少（medium 下为 15,414，Argon 为 22,980），且 39 次全部答对。按 12 月价格，Argon 每次答对花费 $0.0125，Opus 5.5 为 $0.0083，前者是后者的 1.5 倍；相对 GPT-6 Astra 的成本则从 0.6 倍升至 1.2 倍。每个档位只有 15 次困难集调用，Argon、Opus 5.5 和 GPT-6 Astra 之间的得分差异均未达到统计显著性（这些模型对单独检验，不属于下一节做多重校正的比较组）。Artificial Analysis 的单任务成本排序也相同：GPT-6.1 Sol 最高档为 $0.72，Argon 在 high 和当前价格下为 $1.99，GPT-6 Astra 为 $3.26，Opus 5.5 为 $5.98。

与被替代的 Gemini 3.1 Pro 相比，按各自默认档位计算，Argon 每次答对的成本约低 10 倍：$0.0063 对 $0.0643。部分差距来自单价，3.1 Pro 每百万输出 token 收费 $12，而不是 $10；单价相同时，差距仍有 8.6 倍，原因是 3.1 Pro 每次调用的输出 token 中位数为 3,272，Argon 为 383。12 月 1 日之后，Argon 在这组题上仍便宜 5.1 倍。我们还测试了模型承认不知道虚构事实时会花多少 token：询问五个虚构实体（公司股价、研究机构、城镇宪章、合金和奖项），两者都拒绝回答全部五项，Argon 的输出 token 中位数为 146，3.1 Pro 为 1,014。

各推理档位具体做什么？

在 Gemini 4 Argon 上，low 实际上相当于关闭推理。Google 文档列出三个档位，将 low 描述为使用“最少的 token”，并注明“困难任务的质量可能下降”。全部 39 次 low 调用中，Argon 都报告没有推理 token，而其全部输出长度为 5 到 11 个 token，在这条路由上，全部输出也包含任何推理内容。我们还通过另一条转发到 Google 服务器的 API 路由发送了四次 low 调用，明确报告的推理 token 也全部为 0。相比之下，Gemini 3.1 Pro 的 low 仍输出了中位数 1,091 个 token，几乎全是推理。

不做推理时，Argon 仍能解出一步完成的题，但需要中间步骤的题会失败：

• low 下仍正确：质数求和、数字计数、时刻表、单障碍格网格和 47 美分题（15 次全部正确）。
• low 下出错：40 步规则（0/3）、四位数计数（0/3）、7 的 222 次方（1/3），以及困难集中 15 次调用的 14 次。

每项任务只计一次时，这一下降仍然成立，这一点很重要，因为同一任务的三次运行并不相互独立：medium 在 13 项任务中的 8 项上胜过 low，没有一项落败（符号检验，p = 0.008，表示这么大的差距由偶然因素造成的概率低于 1%）。仅看困难集，以三次运行中至少两次答对为标准，low 在五项任务中一项也未答对，而 medium 五项全部答对（Fisher 精确检验，p = 0.008；对我们进行的六项比较使用 Holm 校正后为 0.047）。应把 low 当作不推理模式，用于查询和格式转换。另一端的 high 每次答对成本是 medium 的 3.4 倍，却只在 15 次困难集调用中多答对一次；这个样本量无法区分该差异与随机波动。

默认档位会根据 prompt 调整。发送简单 prompt 且不指定档位时，默认 medium 的 Argon 经常使用零推理 token；默认 high 的 Gemini 3.1 Pro 则每次都做了推理。工具调用指模型请求你的代码执行某个函数，再由你把结果传回：

两个模型都正确回答了全部 prompt，也调用了正确的工具。在 Google 原生 API 中，档位放在 generation_config，推理数量从 usage 返回：

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)

我们测试所用的 OpenAI 兼容 chat 格式中，网关将 reasoning_effort 映射到同样的三个档位，推理数量从 usage.completion_tokens_details.reasoning_tokens 返回。

迁移到 Gemini 4 Argon 会遇到哪些不兼容？

以预填的 assistant 消息结尾的 prompt 现在会返回 HTTP 400，显式缓存已取消，随机性参数（temperature、top_p、top_k）会被忽略。预填是指自行写好模型回复的开头，例如用左花括号引导 JSON 输出。大多数变化已列入 Google 迁移清单，但预填报错、prompt 固定开销和超限行为没有列出：

遇到预填报错，应将相应指令移到 prompt 中。按当前价格，这项固定开销每次请求增加 $0.00006：相对 Gemini 3.1 Pro，单行 prompt 多 27 个 token，709K token 文档多 31 个，因此将文本切分成 token 的 tokenizer 并未改变。那个 709K token prompt 包含 60,000 个编号条目，末尾询问第 42 项；Argon 接受了请求，并回答了预先放入的值 529。

不同工作负载该用哪个推理档位？

从 medium 开始，多步骤任务不要用 low，预算按 12 月价格准备。

12 月 1 日之后，Batch 和 Flex 的价格等于目前的标准价格（$2/$10），将离线作业迁过去即可保持 10 月的价格。

常见问题

Gemini 4 Argon 能关闭推理吗？ Gemini 4 Argon 没有文档明确说明的关闭选项，但在我们的测试中，thinking_level: "low" 起到了关闭作用：39 次调用均未报告推理 token（每次的全部输出为 5 到 11 个 token），通过另一条通往 Google 的 API 路由进行的四次调用也全部明确报告为 0。在最难的五道题上，low 的 15 次调用答对 1 次，默认 medium 则答对 14 次。

Gemini 4 Argon 的长 prompt 会加价吗？ 截至 2026 年 11 月 30 日，Gemini 4 Argon 在 1,048,576 token 窗口内对任何长度的 prompt 都按 $2/$10 收费，之后为 $4/$20。Gemini 3.1 Pro 超过 200K token 后按 $4/$18 收费，因此按标价计算，709K token prompt 在 Argon 上花费 $1.42，在 3.1 Pro 上为 $2.84。

Gemini 4 Argon 的隐式缓存有效吗？ 首次调用 4 秒后重复发送 6,935 token prompt，Gemini 4 Argon 的隐式缓存命中了其中 4,881 个 token，单价为每百万 token $0.10（比输入价格低 95%）。它也缓存了一个 3,006 token prompt 的部分内容，该长度低于 Google 文档规定的 4,096 token 门槛。

延伸阅读

• GPT-6.1 Sol 与 Claude Sonnet 5.5 对比：相同的 13 道题，相同的 $2/$10 价格
• LLM 推理控制对比：各厂商的 effort 参数具体控制什么
• Prompt 缓存门槛实测：文档门槛与实际门槛的差异
• Gemini 3.7 Flash API 费用：上一次采用首发优惠价的 Gemini 发布

测量日期为 2026 年 10 月 15 日，即 API 正式开放两天后。推理档位测试：13 道题，答案由程序验证，每个模型、每个档位各运行 3 次，显著性检验中每道题仅计一次，每个 prompt 附加随机 ID，防止回复从缓存返回；费用按 token 数和标价计算。推理开销、结构化输出和工具测试：各运行 3 次；迁移、缓存、长上下文和虚构事实测试：单次调用。low 结果和 prompt token 固定开销均通过另一条转发到 Google 的 API 路由确认。Artificial Analysis 数据读取于 2026 年 10 月 14 日；Google 基准表来自 Gemini 4 Argon 模型卡。

← 返回博客