谷歌发布 Gemini 4 Argon，单次输出上限从 6.4 万 Token 拉到 100 万。
我判断，这条新闻的分量不在又发了个旗舰，在于它把一个被忽视的指标------输出上限------推到台前。而且谷歌做了 OpenAI 没做的选择：因为 Argon 漏洞发现能力太强，它分批发布，先给防御者不给攻击者。
上图：100 万 Token 是输出上限不是上下文窗口，解决的是「一口气干长活」的问题。
100 万是输出，不是上下文
这里有个关键区分，很多报道混了。上下文窗口是模型能读多少，输入侧；输出上限是模型能写多少，输出侧。
Argon 突破的是后者，单次输出从 6.4 万 Token 提到 100 万。多数前沿模型输出上限约 12.8 万，Argon 是近 8 倍。
这个区分为什么重要：上下文窗口决定模型能看多长的资料，输出上限决定模型能一口气干多长的活。长流程任务------大型代码迁移、深度研究、多步企业流程------卡的不是读不进，是写不完。Argon 把写的天花板抬高了 15 倍，这才是它对长流程定位的底气。
不是刷榜，是实打实搬代码
Argon 的软件工程成绩，是这轮发布里最硬的部分。DeepSWE v1.1 得分 77.9%，超过 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%。它已在谷歌内部大规模使用，参与 C/C++ 到 Rust 的迁移，覆盖超过 80 万行 Fuchsia Zircon 内核代码。在 libgav1 项目里重写了约 3.2 万行 SIMD 代码，新版本速度是原版的 2.7 倍。
80 万行内核迁移、3.2 万行 SIMD 重写、2.7 倍提速，这三个数字比任何 benchmark 分数都更有说服力。因为它们不是测试集刷分，是生产代码库里干了真活。这和我之前写 Claude 九圈散射振幅是同一个母题：AI 的工程执行力，正在从能写对走向能搬完一整个代码库。
双用途风险：先给防御者
Argon 最值得注意的发布策略，是分批发布。因为漏洞发现能力太强，存在双用途风险，首批只通过 Fairwind Program 提供给受信任的网络安全防御者，之后再向付费客户、Google AI Ultra 用户开放，最后才到企业和普通消费者。
网络安全公司 Wiz 已经用 Argon 发现了影响全球医院医疗软件的严重漏洞，此前的前沿模型都没识别出来。
这个先防御者后大众的策略，和 OpenAI 之前取消 Astra 发布形成鲜明对比。OpenAI 发现不安全直接取消；谷歌发现太强就分批放行，先给好人。
上图：分批、分层、分对象发布，是双用途风险治理的新答案。
上图：同样是能力太强，谷歌分批放行，OpenAI 直接取消，两条安全策略的对比。
我的判断
100 万 Token 输出，是比任何 benchmark 都重要的信号。 我判断，智能体时代的竞争会从模型能答多准，转向模型能一口气干多长的活。长流程任务真正的瓶颈是输出上限。Argon 把指标抬到 100 万，等于给长流程智能体扫清了一个核心障碍。这个指标接下来会变成各家旗舰模型的标配军备。
80 万行内核迁移，比 77.9% 的 DeepSWE 分数更值得信。 我原以为这种参与生产代码库迁移的宣传会有水分，但 3.2 万行 SIMD 重写、2.7 倍提速、覆盖 Fuchsia Zircon 内核，这些是能在代码库里验证的事实。我判断谷歌这次是真在内部用 Argon 干重活，不是发布前刷个分。
分批发布是双用途风险的一个新答案。 这是我最看好的一点。OpenAI 面对能力太强选择取消，谷歌选择先给防御者。后者承认了能力的双用途，但没废掉它，而是用受信任对象来隔离风险。我判断，随着前沿模型越来越强，分批、分层、分对象发布会成为行业标准做法，这是 AI 安全治理的下一阶段。
一句话：Gemini 4 Argon 用 100 万 Token 输出，给智能体时代补上了「一口气干长活」的能力；而它先防御者后大众的分批发布，是比取消发布更务实的双用途风险解法。
每日更新。