Google日前無預警發表Gemini 4 Argon,一個數字被社群反覆轉貼:單次生成輸出上限從前代的6.4萬token一口氣拉到100萬token,放大超過15倍 [Source: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/] [Source: https://www.facebook.com/aidailyhk/posts/gemini-4-argon-%E9%9C%87%E6%92%BC%E7%99%BB%E5%A0%B4%E6%B2%89%E5%AF%82%E5%A4%9A%E6%99%82%E7%9A%84-google-%E6%97%97%E8%89%A6%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%B5%82%E6%96%BC%E8%BF%8E%E4%BE%86%E9%87%8D%E9%87%8F%E7%B4%9A%E5%8D%87%E7%B4%9A%E6%9C%80%E6%96%B0%E7%99%BC%E8%A1%A8%E7%9A%84-gemini-4-argon-%E6%A8%A1%E5%9E%8B%E5%B0%87%E5%96%AE%E6%AC%A1%E8%BC%B8%E5%87%BA%E4%B8%8A%E9%99%90%E5%BE%9E%E5%89%8D%E4%BB%A3%E7%9A%84/122203960328934823]。台灣科技媒體iThome也報導Argon把輸出上限增至100萬token [Source: https://www.ithome.com.tw/news/179337]。

先把能不能用講清楚:現在一般使用者打開Gemini還用不到Argon [Source: https://www.threads.com/@dada3c.tw/post/Dd8LSWKH6D_/google-%E6%98%A8%E5%A4%A9%E7%99%BC%E8%A1%A8-gemini-4-argon%E4%BD%A0%E7%8F%BE%E5%9C%A8%E6%89%93%E9%96%8B-gemini-%E6%98%AF%E7%94%A8%E4%B8%8D%E5%88%B0%E7%9A%84%E6%9C%80%E5%80%BC%E5%BE%97%E6%B3%A8%E6%84%8F%E7%9A%84%E4%B8%8D%E6%98%AF%E8%B7%91%E5%88%86%E6%98%AF%E8%BC%B8%E5%87%BA%E4%B8%8A%E9%99%90%E5%BE%9E-64-%E8%90%AC-token-%E7%9B%B4%E6%8E%A5%E6%8B%89%E5%88%B0-10]。依官方說法會分階段開放,先輪到受信任的測試者,之後才是開發者、企業與一般用戶 [Source: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/]。所以這篇不是「今天就衝進去用」,而是:在它普及之前,先把你的流程、模板、prompt準備好——等開放那天,別人還在摸索,你已經能直接跑。真正要花時間學的從來不是按鈕在哪,是下面這套思路。

先搞懂:這次變大的是「嘴巴」不是「耳朵」

很多人看到100萬token,第一個反應是「那我可以餵更多資料進去了」。不是。能餵多少進去,那叫context window(上下文視窗,可以想成AI一次能「讀」進多少東西,是它的耳朵);這次拉大的是輸出上限(output,AI一次能「講」多長,是它的嘴巴)。社群第一時間就點出這個重點:最值得注意的不是跑分,是「輸出上限」從6.4萬token直接拉到100萬 [Source: https://www.threads.com/@dada3c.tw/post/Dd8LSWKH6D_/google-%E6%98%A8%E5%A4%A9%E7%99%BC%E8%A1%A8-gemini-4-argon%E4%BD%A0%E7%8F%BE%E5%9C%A8%E6%89%93%E9%96%8B-gemini-%E6%98%AF%E7%94%A8%E4%B8%8D%E5%88%B0%E7%9A%84%E6%9C%80%E5%80%BC%E5%BE%97%E6%B3%A8%E6%84%8F%E7%9A%84%E4%B8%8D%E6%98%AF%E8%B7%91%E5%88%86%E6%98%AF%E8%BC%B8%E5%87%BA%E4%B8%8A%E9%99%90%E5%BE%9E-64-%E8%90%AC-token-%E7%9B%B4%E6%8E%A5%E6%8B%89%E5%88%B0-10]。對照之下,同業單次輸出普遍在12.8萬token上下,Argon直接拉開了這段差距 [Source: https://www.facebook.com/aidailyhk/posts/gemini-4-argon-%E9%9C%87%E6%92%BC%E7%99%BB%E5%A0%B4%E6%B2%89%E5%AF%82%E5%A4%9A%E6%99%82%E7%9A%84-google-%E6%97%97%E8%89%A6%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%B5%82%E6%96%BC%E8%BF%8E%E4%BE%86%E9%87%8D%E9%87%8F%E7%B4%9A%E5%8D%87%E7%B4%9A%E6%9C%80%E6%96%B0%E7%99%BC%E8%A1%A8%E7%9A%84-gemini-4-argon-%E6%A8%A1%E5%9E%8B%E5%B0%87%E5%96%AE%E6%AC%A1%E8%BC%B8%E5%87%BA%E4%B8%8A%E9%99%90%E5%BE%9E%E5%89%8D%E4%BB%A3%E7%9A%84/122203960328934823]。

以前請它寫一份長合約,講到一半被掐斷,你得說「繼續」,它再接下去——接龍接個五六段,結果前面叫甲方、後面變乙方,第三條跟第七條自相矛盾。這種事,做過長文件的人都遇過。嘴巴變大,解的就是這個:一次生成的東西,它自己記得前面寫過什麼。

100萬token一口氣能生出多長

粗估一下:100萬output token,中文大概是幾十萬到上百萬字,換算成A4大約好幾百頁。意思是一份完整的服務合約、一季的帳務報告、一本從頭到尾的產品SOP,理論上都能在同一次裡產出,不用再分段。Google把Argon定位成為複雜、長時間工作負載打造的高效能模型 [Source: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/]。

對接案族跟小公司,這件事的價值其實不在「更快」,在「前後不打架」——這才是分段接龍永遠解不掉的痛。

30分鐘怎麼做:把接龍改成一次到底

做法不難,重點是把你腦中那份文件的骨架一次講清楚,而不是邊寫邊補。

一個可照做的prompt長這樣:先給角色跟情境(「你是一位熟悉台灣法規的合約起草人」),再給完整結構(「請產出一份服務合約,包含甲乙雙方、服務範圍、費用與付款、智慧財產權歸屬、保密、違約、終止、爭議解決……」),把每一條要寫多細、要不要留填空欄位,全部先寫明,最後加一句「一次輸出完整草稿,不要分段、不要省略、不要用『以下略』」。帳務報告也一樣:先給欄位定義跟數據,再要求「從摘要、分項、趨勢分析到建議,一次寫完」。

半小時裡,大概二十分鐘花在想清楚結構,十分鐘在調。真正難的從來不是AI,是你有沒有先想清楚自己要什麼。這套結構化模板現在就能先寫好存著,跟能不能馬上用到Argon無關——它對任何長文模型都通用。

技術愛好者在意的:定位、跑分、怎麼跟 3.8 Flash 選

如果你比較在意規格,幾個點值得看。

架構定位上,Google把Argon稱為目前為複雜、長時間工作負載打造的最高效能模型,主打在程式設計與資安這類長任務上的表現 [Source: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/]。要留意的是,社群流傳的各項benchmark具體分數目前沒有可獨立核對的公開連結,別被單一數字牽著走。

選型上也別無腦上Argon。有在認真評估的人就直接講白了:把一人公司的編程基座整個切到Argon,現階段既不可能、也沒必要全面遷移 [Source: https://zhuanlan.zhihu.com/p/2088960908974465737]。白話講:短任務、日常任務,用速度快、成本低的Flash就夠;真的要長、要前後一致性的,才上Argon。

貴在哪、哪些任務別浪費

長輸出不是免費的。Google在發表時公布了推廣期的優惠定價 [Source: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/],計價結構上有兩個重點要記住:一是輸出的單價明顯高於輸入,二是對重複餵入的快取內容另有折扣(實際數字與推廣期長短請以官網為準,價格隨時可能調整)。

對照到實際使用:你一次吐一份接近上限的長文件,成本主要燒在輸出端——這也是為什麼不能因為「反正額度很大」就讓它亂長。而那個快取折扣,對重複餵同一批背景資料(同一份法規、同一套帳務底稿)的人特別有感,是可以實際省錢的地方。

所以值得這樣用的,是那種「結構固定、長度本來就很長、前後一致性很要命」的東西:合約、報告、SOP、技術文件。不值得的,是你其實只要幾段、卻因為「反正額度很大」就讓它長篇大論——那是白燒錢。

交付前,花五分鐘抓三種崩壞

一次生幾百頁,最怕三件事:幻覺(它憑空生出不存在的法條、對不上的數字)、重複(同一段話換句話講三次湊長度)、格式崩壞(編號跳號、表格跑掉、條款漏寫)。

交付前的快檢不用讀完全文:先拉到最後,確認它真的「寫完了」沒有中途斷掉;再用搜尋功能抓關鍵欄位有沒有重複出現;數字跟法條這種一錯就出事的,一定要人工對一遍——這部分AI幫不了你,也不該幫。

百萬token聽起來很爽,但它只是把「能一口氣生多長」的上限拉高了。趁它還沒普及,先把模板跟驗收流程練熟;等輪到你能用的那天,想清楚要什麼、驗得出對不對,那一段,還是在你手上。