Google 推出 Gemini 4 Argon，開發者即日起可使用付費 Gemini API。推出優惠價每百萬輸入 tokens 為 US$2、輸出 US$10，12 月 1 日起均加倍。Google 指內部 Antigravity 團隊的代理式程式碼提交量增加逾 35%，回滾次數減少近三分之一，但這是 Google 自身的工程數據，並非所有團隊都可達到的成效。
API 收費及存取方式
| 計費項目 | 至 11 月 30 日 | 12 月 1 日起 |
|---|---|---|
| 輸入 | US$2 | US$4 |
| 輸出（包括 Thinking） | US$10 | US$20 |
| 命中隱式快取的輸入 | US$0.10 | US$0.20 |
模型 ID 是 gemini-4-argon，可經 AI Studio 的付費 API 及 Google Cloud 使用。個人用戶在 Antigravity Desktop／CLI 使用 Argon 須有 Google AI Ultra；企業則可經合資格 Gemini Enterprise 訂閱存取。Google AI Pro 訂戶可在 Gemini App 使用模型，但不等於可以免費調用 API。
開發者遷移須知
| 設定 | 需要留意 |
|---|---|
| Context | 輸入、Thinking 及輸出共用最多 1,048,576 tokens |
| Thinking Level | low／medium／high；預設 medium，應按任務測試延遲及成本 |
| 長輸出 | 一般單次輸出上限 65,536 tokens；要超過此值須配置 Long Decode／背景執行 |
| 快取 | 僅支援隱式快取；至少 4,096 tokens 才符合快取門檻，命中不保證 |
| 舊參數 | temperature、top_p、top_k 會被忽略；不支援 Explicit Cache |
| 執行時間 | 複雜任務可用 Background Execution，客戶端 Timeout 建議至少 15 分鐘 |
其中一項易被忽略的成本是 Thinking tokens 亦計入輸出收費。長時間 Agent 任務不應只按最終生成的程式碼行數預算。
Google 實際工程案例
| 案例 | Google 公布的結果 |
|---|---|
| Chrome | 在 4,000 萬行 Chromium 程式碼庫中，從約 600 萬行的舊功能資料夾分離核心網頁處理程序，橫跨數百個檔案的重構由數月縮短至數星期 |
| Google ADK | 在約 20.5 萬行 Python 程式碼中自主工作 11 小時，完成 16,892 項單元測試；6 項改善建議只有 2 項通過人工 Code Review |
| ADK 效能 | 長 Session 的 InMemorySessionService 準備開銷減少約 40%；冷匯入快 21%，但冷啟動至首次模型請求仍約 3.07 至 3.09 秒 |
ADK 已合併的兩項修改分別是先過濾 Session 歷史才複製資料，以及延遲載入大型模組。被否決的 4 項方案涉及過期快取風險、使用第三方套件私有屬性、降低程式可讀性，或只改善合成測試而未見實際效益。
Google 的 40% 數字只針對記憶體 Session 準備流程，並不適用於使用 Redis、Firestore 或外部資料庫的 Session Store。其特定 158-turn 測試，整段框架執行時間由 65.6 秒減至 56.1 秒，不可當成模型推理速度提高 40%。
社群首日意見：能力不俗 工具與授權仍有分歧
Hacker News 有開發者表示，Argon 協助除錯 Vulkan 時主動輸出 Framebuffer 圖像、逐像素比對並在 Shader 加入顏色標記；同一討論亦有用戶批評 agy CLI 的 Context Compaction 時機難以預測，以及 Antigravity 訂閱門檻。這些屬個別實測與使用感想，尚不足以判定 Argon 全面優於 Claude Code 或 Codex。
另一名開發者分享 Gemini 網頁版的使用經驗，指出過去使用 Gemini 3.8 Flash 等舊模型詢問如何關閉 Claude Code 的 Git Commit Attribution 時，經常獲得錯誤指引，甚至被建議修改專案內的 CLAUDE.md 檔案。他表示改用 Gemini 4 Argon 詢問相同問題，模型終於正確指出應在使用者設定檔 ~/.claude/settings.json 調整 attribution 設定。他認為新模型在回答涉及既有開發工具設定的事實性問題時，準確度有所改善。不過這屬單一開發者的前後使用體驗，尚不足以證明模型整體幻覺率已明顯下降。
Google ADK 案例可供開發團隊參考的做法是，先向 Agent 提供 .agents/skills 專案規則、完整回歸測試及明確任務目標，再由維護人員決定哪些 Pull Request 可合併。評估模型時，亦應把 tokens、長任務耗時、測試成本及人工 Code Review 一同計算。
資料來源：
Google Gemini API 開發者文件、
Google ADK 技術實驗、
Google Cloud 官方公告、
Google Antigravity 公告、
Hacker News 開發者討論
