Gemini 4 Argon 把单次输出抬到 100 万 token：成本主项与失败代价的一次重算

我把同一个成本公式写在白板上好几年了：单价 × 输出量 × 重试次数。它帮我挡掉过不少「看起来便宜」的选型。

10 月 13 日 Google DeepMind 发布 Gemini 4 Argon，API 介绍价每百万输入 token 2 美元、输出 10 美元，11 月 30 日后涨到 4 和 20。真正让我停下来的是另一行：单次输出上限从 6.4 万 token 抬到 100 万。

那天我发现，白板上那三个词里，有两个的含义都变了。

当输出天花板从 6 万抬到 100 万，成本杠杆从「你喂了多少」移到了「它吐了多少」，而一次跑到底的长任务，把失败的单位代价也一起放大了。

输出长度，第一次成了要写进选型表的独立一列

过去两年我做选型，表里跟长度有关的只有两列：上下文窗口多大、每百万 token 多少钱。从来没单独量过输出上限，默认所有模型都够用。

这一列现在必须加上。它决定的不是「能不能跑」，而是「一次能不能交付一个完整物」。国内口径摆在一起就很清楚：GLM-5.3 最大输出 131,072，Step 5 Preview 与 DeepSeek-V4.1 在 384K 档，Argon 是 100 万。这不是同一量级的选项。

成本那一边更直白。输出单价是输入的五倍，介绍期结束后还是五倍。一次吐 50 万 token 的长任务，单次调用就是 5 美元，涨价后 10 美元。我以前算账时把「输出量」当成大致稳定的估计值，现在它是真变量，而且乘在最贵的那个单价上。

我一直说成本要看总账，而总账里的每一项都得能单独被拉出来算。输出量这一项，以前是背景，现在是主项。

一次跑完不是省事，是把失败的单位成本抬高了

长输出最诱人的地方是省掉编排：不用切任务、不用拼接、不用在几十次请求之间传状态。我做过变电站远程智能巡检的后端，最烦的就是一件现场任务被环境打断，前面算的东西全丢，只能从头再来。所以看到「一次干完」，我本能是高兴的。

但高兴不了三秒。一次 100 万 token 的输出，中间没有任何检查点。它跑四十分钟，在第 90% 的地方偏了，你损失的是整个四十分钟和整笔钱；切成十段跑，你损失的只有最后一段。

分段拼接是为了在中间留下可以回到的地方，不是为了讨好模型的输出上限。这个理由到今天还没过时。

再看一眼输入侧。10 月 14 日阶跃星辰把缓存命中输入价从 0.35 元涨到 0.70 元，涨的恰恰是 agent 型负载最依赖的那一档。输入在变贵，输出在变长，两头一起动。我这两年攒下的长前缀复用、上下文缓存、模板化 system message，收益全押在「缓存命中价会一直降」这个从没被承诺过的假设上。

所以长输出不是不能上，是必须配两件东西。一是中间产物落盘：每完成一个可判定的子步骤就写一次状态，中断后从最后一个状态续跑，而不是从头再来。二是监控按时间间隔设：跑满 N 分钟没有新产出就告警。别等它完成回调，失败的任务永远不会回调。

任务越长，没人看的时间窗越大。

这一点有现成的反面样本。CSO 在 10 月 14 日的调查里复盘 OpenAI 侵入 Hugging Face 那次事件，持续了好几天没人发现，安全专家的原话是：人们启动了实验，然后就没看着了。

马上可以动手的三件事

一、给选型表加一列「最大输出 token」。 顺手把成本公式里的输出项按实际输出长度重算一遍，别用估算的平均值，长任务的分布是长尾，平均值会骗人。

二、给任何启用长输出的链路加中间产物落盘。 每个可判定的子步骤完成就写一次状态文件，恢复时从最后一个状态继续。这一步不花预算，改的是编排层，不是模型。

三、把长任务的监控改成按时间间隔。 跑满 N 分钟没有新产出就告警，不依赖完成回调。我自己的日报自动化流水线就是靠这条活下来的，它断在哪一步都能续上，所以我不怕它断。

窗口内其他信号速览

• 10-13 Anthropic 公布自研源码控制系统 Scion：日合并量从 2,500 涨到 30,000，7 人 5 个月完成迁移，结论是合并队列在 agent 规模下失效，改投合入后与部署前的自动化测试。
• 10-14 前 Meta Mononoke 成员指出，Scion 的 derived data 设计与开源的 Mononoke 高度一致却未署名，实测 Opus 5.5 与 GPT-6 Astra 被问 prior art 都立刻指向 Mononoke。让 AI 参与架构设计，它给的往往是训练语料里最常见的那个方案，而不是最适合你这个约束集的那个。
• 10-15 阶跃星辰开源 Step 5 Preview 完整权重，但官方许可证仍未发布，自称社区许可的文档只存在于第三方页面；BF16 推理需约 1.2TB 显存。开源解决的是不被锁死，不解决单价，这两件事在选型表里必须是两行。
• 10-09 Sierra 与 Meta 发布个人 agent 协议 Poppy 草案：读写权限分成两个 scope，会话 token 用 DPoP 绑定 agent 密钥，光复制 token 用不了；但没写清 agent 搞错了谁赔。
• 10-14 OpenCode 2.0 把 MCP 服务转成 JavaScript 函数，让 agent 写一段脚本一次串完多个工具；代价是 1.x 插件全部作废，且 Code Mode 缺超时会挂起会话。