Gemini 4 Argon 发布：输出上限提到百万 Token，谷歌已经在用它迁移 80 万行内核代码

Gemini 4 Argon 发布：输出上限提到百万 Token，谷歌已经在用它迁移 80 万行内核代码

情报来源：InfoQ《刚刚，Gemini 4 Argon 发布：多项基测碾压 GPT-6 Astra，已参与谷歌 80 万行内核代码迁移》（2026-10-01）· 原始信息以 Google DeepMind 官方发布为准

一文看懂

先看痛点。 大模型的"长任务能力"卡在一个被忽视的瓶颈上：输出上限。代码迁移、金融研究、企业流程执行这类活，需要模型在一整条执行轨迹里反复分析、验证、修改——不是生成一次回答就完事，而是持续输出数十万 Token 的工作量。之前的旗舰模型输出上限普遍卡在 64K，长任务做着做着就到头了，只能断成一段段手工拼接。

Gemini 4 Argon 这次直接把上限提到了 100 万 Token。 注意，这是输出上限，不是输入上下文窗口——官方明确说了区分。谷歌的逻辑是：更大的输出空间让模型在单条执行轨迹里进行更深的推理，从而支撑"多轮分析、验证与修改中推进"的持续性任务。10 月 1 日由 CEO Sundar Pichai 亲自官宣，但采用分阶段开放：目前只通过 Fairwind 计划向一批受信任的网络安全防御团队开放，后续才轮到付费 API 客户和 AI Ultra 订阅用户。

基准上的表现。 按谷歌公布的数据：衡量真实长流程软件工程能力的 DeepSWE v1.1 拿到 77.9%，创该评测新纪录；在企业任务综合指数 Vals Index 上领先（覆盖金融、编码、法律、税务，按对美国 GDP 的贡献加权）；Zapier 的 AutomationBench 51.3% 排第一；衡量长视频理解的 LVBench 91.7%。价格方面，Argon 输入每百万 Token 2 美元、输出 10 美元，缓存输入再降 95%——量子位的报道口径是"单项任务成本最低 1.99 美元，是 Astra 的一半"。

比分数更值得看的是内部工程案例。 谷歌披露，Argon 智能体正在参与公司内部 C/C++ 代码库向 Rust 的迁移：从 re2、libgav1 等核心库的数万行，扩展到 Fuchsia 操作系统 Zircon 内核的 80 多万行代码。在开源视频解码库 libgav1 的案例里，Argon 基于已有的 Rust 移植版替换了约 3.2 万行 SIMD 代码，工作方式是多轮"性能剖析结果驱动"的实验——先剖析瓶颈、研究编译器输出、再生成能被编译器自动向量化的安全 Rust 代码。这已经超越了"生成代码"，进入"面向性能的工程重构"。

为什么要先给网络安全团队？ 分阶段开放不是营销话术，而是把 Argon 的"持续性工作"能力放到最需要它的真实战场上去验：安全防御本来就是最典型的长流程任务——分析告警、追踪攻击链、多轮验证，每一环都要在长时间内保持目标一致。谷歌把首批测试权交给受信任的防御团队（Fairwind 计划），等于先让最挑剔的用户用它干最长的活，根据反馈再调安全防护，然后才向付费 API 客户和 AI Ultra 订阅开放。这个顺序本身就是在回答"百万 Token 输出到底实不实用"。

这次发布的调门也很高。 量子位的报道标题用了"拳打 Opus 5.5、脚踢 GPT-6 Astra"——直接对标 Anthropic 和 OpenAI 的两代旗舰。谷歌这边从上到下集体站台：CEO Pichai 亲自宣布，DeepMind 负责人哈萨比斯和接班人 Koray Kavukcuoglu 同步转发，内部口径是"Google is back"。在连续被对手抢走"最强模型"话语权之后，这次 Argon 选择用"百万输出 + 内核迁移"这种工程向的指标来打，而不是只靠基准分数喊话，本身就是在回应"谷歌只会做研究不会做产品"的老批评。

"RSI 来了"是怎么回事。 伴随发布，DeepMind 研究员 Zirui Wang 直接发帖："RSI 来了！" RSI（Recursive Self-Improvement，递归自我改进）是谷歌对外强调的能力标签，也是深信号一直在跟的自进化 harness 路线的一部分——模型在自身工作轨迹中改进自己的方法。需要理性看待的是：输出上限高不等于任务完成能力强，谷歌自己也承认，实际效果取决于模型能否保持目标一致、正确调用工具、发现并纠正执行中的错误。80 万行迁移也明确"未全部完成或投产"，大规模重写仍需自动化与人工双重审计。但它释放的方向信号是清楚的：旗舰模型的竞争，正在从"单次回答质量"转向"持续工作能力"。

信号强度：8.8/10 ｜ 归类：模型推理

一句话记住：当"输出上限"成为旗舰发布的核心卖点，说明长任务执行已经是模型竞赛的主战场——而谷歌选择的练兵场，是自己 80 万行的操作系统内核。