AI 模型熱門

Gemini 4 Argon 開放付費訂閱者:誰能用、API 為何 12 月漲價

Google 把 Gemini 4 Argon 從少數網路安全人員的測試名單,推向付費訂閱者與開發者。這款主打複雜多步任務的模型終於大範圍放量,但推送分批進行,付了錢不代表馬上就看得到入口。

陳柏宇陳柏宇
熱度:1,620
Gemini 4 Argon 開放付費訂閱者:誰能用、API 為何 12 月漲價

Google 把 Gemini 4 Argon 從少數網路安全人員的測試名單,推向付費訂閱者與開發者。這款主打複雜多步任務的模型終於大範圍放量,但推送是分批進行,付了錢不代表馬上就看得到入口。

Gemini 4 Argon 是什麼,這次開放給誰

Google 在 10 月 13 日於官方部落格宣布,把 Gemini 4 Argon 開放給 Gemini 應用程式的 Google AI Pro 與 AI Ultra 訂閱用戶。在此之前,Argon 只在受控首發階段給一小批被稱為「網路防禦者」的對象試用。

現在能碰到這款模型的路徑分成幾條。訂閱 Google AI Pro(起價約每月 19.99 美元)或 AI Ultra 的使用者,可以在 Gemini 應用程式裡切換到 Argon。開發者與企業則透過付費的 Gemini API,以及 Google AI Studio 取用。Google 表示,10 月 16 日起也開始向付費的 Google AI Pro 用戶開放 Antigravity,也就是整合在 macOS Gemini 應用程式裡的開發工具。

Google 說 Argon 已與 40 多個應用打通,但實際能用到哪些整合,要看個別產品與帳號而定。

模型定位:處理多步驟的複雜任務

Google 把 Argon 定位在處理複雜、多步驟的任務上,而不是即時問答這類單步操作。這類能力對一般使用者的差別在於:你交代一件需要分好幾步、中途還要回頭修正的事情時,模型比較有機會自己規劃流程跑完,而不必你一步一步盯著。

Google 也提到 Argon 的回答更直接。不過這裡要打個折,能力和評測表現目前都還是 Google 自己的說法,尚未經過大規模的獨立驗證。看到宣傳數字時,先當成廠商口徑看待。

API 漲價時間點:12 月 1 日

對開發者來說,比開放本身更要緊的是定價。《數位時代》報導指出,Google 採取先低後高的階段式收費,優惠價落在每百萬個輸入詞元(token,模型計費的單位)2 美元、每百萬輸出詞元 10 美元,這個價位大約只有部分競爭對手旗艦模型的五分之一。優惠期之後,API 價格會在 2026 年 12 月 1 日調漲。

如果你的專案正打算接 Gemini 4 Argon API,12 月之前的價格值得先卡位,之後的成本要重新算一遍。

放量是漸進的,別急著找入口

Google 提醒這次是分批推送,付費訂閱並不保證你立刻就能在模型選單裡看到 Argon。如果你訂閱了 AI Pro 或 Ultra 卻還沒看到,先確認應用程式已更新到最新版本,再等推送輪到你。

換句話說,看到別人已經能用了、自己卻沒有,屬於正常狀況,不需要重新訂閱或另外申請。Argon 不用額外下載,訂閱資格符合就會出現在模型選單裡。

值得觀察的三件事

接下來有幾個時間點值得留意。一是推送何時覆蓋到全部的 Pro 與 Ultra 訂閱者,Google 沒有給出明確的完成時間。二是獨立評測機構何時會公布 Argon 在真實任務上的成績,這比官方說法更有參考價值。三是 12 月 1 日 API 調漲後,實際漲幅與對開發成本的影響。在那之前,先趁優惠價試用一輪,是比較務實的做法。

分享這則新聞

提到的產品

來源

相關 AI 新聞

Google Cloud 推出通用工作代理 Gemini agent
AI產品

Google Cloud 推出通用工作代理 Gemini agent

Google Cloud 推出名為 Gemini agent 的統一工作代理,讓 AI 從「回答問題」跨到「替你把事做完」。它先服務企業,日後才推向一般消費者。

熱度:82
香蕉造型遊標在極簡畫布上編修照片的編輯插圖
AI 模型

Nano Banana 2.1 上線:圖片半價,但輸入漲三倍

Google 的 Nano Banana 2.1 正式上線,單張 1K 圖片價格砍到上一代的一半。但別急著高興,同一份價目表裡,輸入費用悄悄漲了三倍,帳單未必真的變輕。

熱度:1,300
Gemini 4 Argon 登場:Google 新旗艦模型一次看懂
AI 模型

Gemini 4 Argon 登場:Google 新旗艦模型一次看懂

Google 端出新一代旗艦模型 Gemini 4 Argon,帳面數據確實有明顯躍進。但幾乎沒有人現在就能用,而且獨立評測的分數比官方部落格保守得多。

熱度:1,250
寫程式的 LLM 怎麼選:四種開發情境的實測建議
評測

寫程式的 LLM 怎麼選:四種開發情境的實測建議

寫程式的模型評比光看總分沒用。這篇依日常小功能、真實專案重構、長時間代理、預算敏感四種開發情境,分別給出模型建議,並說明背後依據與社群實測的心得。

熱度:1,250