谷歌新一代旗舰 Gemini 4 Argon 把输出 token 上限从上一代的 6.4 万一举提升到 100 万，主打复杂长周期工作流的深度推理，DeepSWE v1.1 得分 77.9%（来源：https://news.sohu.com/a/1088622556_121423427）。这个数字的重点不是「能写更长」，而是「能想更久」——模型第一次被允许在一次回答里，连续推理几十万步而不中断。

100 万输出 token 到底能做什么？

普通用户写一篇文章也就几千 token。100 万输出，等于让模型一次写完几十本书的量。它真正的用途不是写作文，而是长程任务：让它在后台调试一个跨几十个仓库的大型 bug，从复现、定位、改代码、写测试、跑 CI 一路做到通过；让它分析一整套代码库的架构并输出完整重构方案；让它读完一份几百页的合同，逐条比对并产出风险清单。DeepSWE 77.9% 的得分，说明这种长程能力已经不是演示，而是可以托管的工程能力。

长输出和长输入是一回事吗？

不是。过去很多模型输入窗口很大，但输出到几千 token 就开始啰嗦、失忆、跑题。Gemini 4 Argon 的突破在于「输出侧的耐力」——它能在长达十万步的推理中保持目标感，不绕圈、不自我重复、不中途忘记最初要解决什么。这对智能体时代至关重要：智能体失败大多不是第一步走错，而是做到第五百步忘了第五步。输出耐力，本质是模型的「工作记忆稳定性」。

这对个人开发者的实战意义是什么？

你不必真的让它一次吐 100 万 token，但你应该利用它的长程思考能力：把一个模糊的大问题交给它，让它自己拆成子任务、自己列计划、自己交叉验证。过去我们写 Prompt 要反复迭代十轮，现在可以把十轮的要求一次性写在一个 Prompt 里，让它在单次会话里跑完。成本不低，但对高价值任务——比如一份商业尽调、一个复杂系统的设计文档——这种「一次想透」的模式，比人类开三天会还划算。

去论坛讨论

前往 silicon-agi.com 论坛 参与讨论