Gemini 4 Argon 编程能力：官方跑分、长输出与适用边界

快速摘要

Google 的公开模型卡显示，Gemini 4 Argon 在 DeepSWE v1.1 和 Vibe Code Bench 上得分较高，但在 FrontierSWE v2 和 Terminal-Bench 4.0 上有其他模型领先。它的 1M Token 窗口由输入、思考和输出共用；长解码还需要后台执行。

为什么要看窗口和基准条件

大型代码任务可能涉及较长上下文和多个文件，输出长度会影响模型能否一次返回完整补丁。但一次长回答仍需编译、测试和人工审查；基准分数也只适用于其公开的评测条件。先看适用边界，能避免把单项跑分误当成项目级保证。

要点

• 1,048,576 Token 是共享上下文窗口，不是固定的最终代码输出量。
• Gemini 4 Argon 的长解码可超过 65,536 Token，但需后台执行且输入会占用窗口。
• Google 模型卡中，Argon 在 DeepSWE v1.1 上为 77.9%，在 FrontierSWE v2 上为 55.0%。
• 在 DSH 中使用前，确认已安装版本的 Google 模型目录是否列出 gemini-4-argon。

Gemini 4 Argon 的 1M Token 是共享窗口

Google API 的模型 ID 是 gemini-4-argon。它面向复杂编程、推理和多步任务，支持最多 1,048,576 个输入、思考和输出 Token 共用的上下文窗口。这个数字不是每次请求都能完整用于最终代码的“1M 输出”。Gemini 4 Argon API 文档

普通同步请求的默认输出上限为 65,536 Token。需要更长的单次响应时，Google 的长解码流程要求启用后台执行并设置更高的 max_output_tokens。服务端会用不超过 64K Token 的连续步骤完成同一个响应；可用输出总量仍受输入和思考 Token 占用影响。长解码与后台执行说明

这对大型重构有实际意义：模型可以在更长的输出预算内给出跨文件补丁、测试和解释。但它不会取消仓库权限、编译、测试和人工审查。读入更多代码，也不等于模型已经理解了每条隐含依赖。

Google 公布的编码基准显示了什么？

Google DeepMind 的模型卡给出以下结果。表内对照分数也来自同一张模型卡，测试结果仍属于 Google 发布的数据。Gemini 4 Argon 模型卡与评测方法

从这几项分数看，Argon 在 DeepSWE v1.1 和 Vibe Code Bench 上表现突出，但 FrontierSWE v2 与 Terminal-Bench 4.0 有其他模型得分更高。基准适合筛选候选模型，不足以证明一个模型在你的代码库中一定更好。

下方交互面板可切换查看模型卡中的部分分数，并按输入、缓存命中率和输出量估算 API Token 费用。费用部分是情景计算，不是实测账单；评测分数也不是本站测试结果。

选编码模型时，按任务拆开判断

如果工作需要跨多个文件、理解较长上下文或一次生成较长补丁，Argon 的长解码能力值得纳入候选。先把任务拆成可检查的结果：代码差异、通过条件、测试输出和允许修改的目录。

如果主要工作是终端命令、依赖排障或单点算法，先看对应基准是否更接近这个任务。Google 模型卡中，Claude Opus 5.5 在 Terminal-Bench 4.0 得分更高，GPT-6 Astra 在 FrontierSWE v2 得分更高。不要把一个基准上的领先扩展成“所有编程都更强”。

可复现的本地测试比公开榜单更接近你的工作：固定同一任务、模型版本、上下文、工具权限和验收方式，记录第一次通过所需的尝试次数与人工修订时间。本站的编程模型测试模板可用于整理这些条件；它不提供本站模型排名。

Google 公布的代码迁移案例仍在审查流程中

Google 表示，Argon 智能体正在协助把 C/C++ 代码迁移到 Rust，范围包括数万行核心库和 80 万行以上的 Fuchsia Zircon 内核。Google 同时说明，这些大型重写仍要经过自动与人工审计、仿真测试和代码审查，完成后才会进入生产部署。因此不能把这项工作写成“已全部迁移并合入生产主干”。Google 关于工程案例的说明

Google 还介绍了 libgav1 的优化：Argon 智能体替换了现有 Rust 版本中的约 32,000 行 SIMD 代码，生成安全 Rust，再通过多轮性能分析调整。Google 报告称，该版本比原有 Rust 端口快 2.7 倍，并产生一致的视频输出；这个对照对象是 Rust 端口，不是已经优化的 C++ 版本。

这些案例说明模型可以参与长流程工程工作，但也显示代码自动生成需要测试、审计和评审，不能把模型产出直接视为生产结果。

在 DSH 中选择 Gemini 4 Argon 前，先核对模型目录

DSH 的 Google Provider 使用 Google 原生 Generative AI 协议，可从Google Provider 配置教程查看当前设置路径。Google API 的模型 ID 是 gemini-4-argon，但 DSH 的模型选择器由已安装版本的模型目录提供。先确认你的模型选择器是否列出 Argon，以及当前 DSH 版本和 Google API 项目是否可用。

如果目录里没有 Argon，不要把 Google 原生 API 强行填进其他协议的自定义 Provider 表单。先核对 DSH 版本与已安装目录。本文依据公开文档整理，没有声称本站已通过 DSH 对 Gemini 4 Argon 发出真实 API 请求。

常见问题

Gemini 4 Argon 是否有 1M Token 的纯输出上限？

不是。Google API 文档将输入、思考和输出计入同一个 1,048,576 Token 窗口。长解码的可用输出还要扣除输入等占用；超过 65,536 Token 时需要后台执行。

Gemini 4 Argon 的编程能力一定强于 Claude Opus 5.5 吗？

不能这样概括。Google 模型卡显示 Argon 在 DeepSWE v1.1 得分更高，但 Claude Opus 5.5 在 Terminal-Bench 4.0 上得分更高。选择时应匹配任务和验收方法。

公开跑分能证明它适合我的仓库吗？

不能。跑分反映指定测试集、模型设置和工具条件下的结果。用你的代码库、测试和权限设置做一项可重复任务，才能判断它是否适合你的流程。

DSH 的 Google 模型目录没有 Argon 时怎么办？

先确认 DSH 与 Provider 模型目录版本。内置 Google 路线使用原生协议，自定义 Provider 支持的协议并不等同于 Google 原生协议。模型目录未列出时，应先核对版本支持，不要假设复制模型 ID 就能完成配置。

用你自己的验收任务决定是否采用

Gemini 4 Argon 的公开数据支持把它列入长上下文、跨文件编码与多步工程任务的候选名单，但部分编程基准上其他模型领先。用相同仓库、测试和工具设置做一次小型对照，再决定是否把它设为 DSH 的默认模型。

模型与工作流文章