Gemini 4 Argon 對上 Gemini 3.1 Pro：後繼者更便宜，而舊款模型仍贏下兩場對決

Gemini 4 Argon 的運行成本比它理應取代的模型還低。這不是打錯字。Google 為 Gemini 4 Argon 制定的首發輸出費率是每百萬個 token 10 美元，而 Gemini 3.1 Pro Preview——這款目前列於 OrcaRouter 目錄中的模型，也正是 Argon 整個存在所要反駁的對象——收費 12 美元。兩者的輸入費率同為 2 美元，除非你把 Gemini 3.1 Pro Preview 的輸入推升超過 20 萬個 token，屆時其費率會翻倍，變成輸入 4 美元、輸出 18 美元。更便宜的後繼者本身就已罕見到足以單獨成為導語。

整體情況的其餘部分就沒那麼整齊了。在 Artificial Analysis 的 Intelligence Index 上，Gemini 4 Argon 拿下 52.6 分，而 Gemini 3.1 Pro Preview 為 29.7 分——這 22.9 分的差距本身會讓人以為較舊的模型不在同一個等級。但較舊的模型在 GPQA Diamond 以 94.1% 勝出，對手則未公布任何成績；在長上下文推理以 82.0 對 79.7 勝出；並在 τ²-Bench 代理式工具使用上取得 95.6 分成績，而 DeepSeek 一直把這個分數當作自家旗艦模型的重點宣傳。所以誠實的說法並不是「Argon 取代 3.1 Pro」，而是「Argon 以更低的輸出價格取代 3.1 Pro 的工作，而 3.1 Pro 仍保有一些狹隘優勢，這些優勢會對特定少數工作負載很重要」。

Gemini 3.1 Pro Preview 究竟是什麼

它自 2026-02-19 起就列在目錄中，而自此之後的整整七個月裡，它一直被稱為預覽版。Google 在這段期間忙著推出 Flash 層級的模型——3.6 Flash、3.8 Flash、針對網路安全調校的 3.8 Flash Cyber——而 Pro 層級則原地不動。這個落差是 Argon 所有說法的背景脈絡，也是為什麼一個五月時期的問題（「Pro 層級何時會被取代？」）到了十月依然是對的問題。

這張卡是真正的前沿模型，不是淘汰的舊貨。1,048,576 個 token 的上下文，涵蓋文字、圖像、音訊、影片與檔案的多模態輸入，工具使用、結構化輸出與推理，以及我們這邊的五個能力標籤。它的弱點在於它受訓練的方式：65,536 個 token 的最大輸出，以及一個與 2026 年模型相比顯得過時的任務設定。

這張表格你應該讀兩次

價格，兩者均如所列，每百萬個 token：

• 輸入 — Gemini 4 Argon $2.00 對比 Gemini 3.1 Pro Preview $2.00。等級。

• 輸出 — Gemini 4 Argon $10.00 對比 Gemini 3.1 Pro Preview $12.00。Argon 便宜 17%。

• 快取輸入——Gemini 4 Argon $0.10 對比 Gemini 3.1 Pro Preview $0.20。

• 長輸入級距 —— Gemini 4 Argon 表示採用固定導入費率；Gemini 3.1 Pro Preview 在輸入超過 200,000 個 token 時，調升至 $4.00 輸入 / $18.00 輸出。

• 最大輸出 — Gemini 4 Argon 1,000,000 個 token，對比 Gemini 3.1 Pro Preview 的 65,536。

• 每項指標任務的實測成本 — Gemini 4 Argon 為 $1.99，而 Gemini 3.1 Pro Preview 為 $0.67（根據 Artificial Analysis）。在這裡，較舊的模型價格只要三分之一，因為對測試框架來說，要執行的工作量小得多。

最後一行才是對帳的關鍵。以每個 token 計，Argon 比較便宜；以每項任務計，它貴了三倍，因為它回答的是更難的問題。如果你的工作負載是固定輸入、固定輸出——分類、擷取、已知長度的摘要——那麼會反映在你帳單上的是每 token 的數字。如果你的工作負載是「解決這個問題」，那麼每項任務的數字才是誠實的，而 Argon 的溢價確實存在。

22.9 個百分點的差距，以及它從何而來

Artificial Analysis 跑的是固定的一組測試，因此那麼大的差距理應會穩定地顯現出來。大致上的確如此，而這個模式頗具啟發性：

• Terminal-Bench 4.0 — Gemini 4 Argon 57.1%，對比 Gemini 3.1 Pro Preview 4.0%。這不是印刷錯誤。長時程軟體工程是兩者之間最顯著的能力變革。

• AutomationBench-AA — Gemini 4 Argon 77.5% 對比 Gemini 3.1 Pro Preview 35.4%。

• ApexAgents — Gemini 3.1 Pro Preview 為 32.0%，而同一排行榜上並無公布 Argon 的數據。

• SciCode — Gemini 4 Argon 61.8% 對比 Gemini 3.1 Pro Preview 58.7%。很接近。

• 人類的最終考試 — Gemini 4 Argon 57.1% 對上 Gemini 3.1 Pro Preview 47.0%。

• 長上下文推理 — Gemini 3.1 Pro Preview 82.0%，對比 Gemini 4 Argon 的 79.7%。舊模型以些微差距勝出。

• GPQA Diamond — Gemini 3.1 Pro Preview 94.1%。Argon 在此排行榜上未公布任何數據。

• 全知全能 — Gemini 4 Argon 42.4 對上 Gemini 3.1 Pro Preview 31.9。

• GDPval — Gemini 4 Argon 1,611 對 Gemini 3.1 Pro Preview 776。

• ITBench-SRE — Gemini 4 Argon 未出現；Gemini 3.1 Pro Preview 30.3%。

所以：差距幾乎完全在於代理續航力與長時程任務執行，而在這方面差距極其巨大。在科學選擇題推理、1M token 推理任務以及 GPQA 上，這兩個模型的差異在雜訊範圍內，或者較舊的模型領先。Terminal-Bench 4.0 的 4.0% 對上 57.1%，才是大多數遷移決策都應該依據的數字，而這也是較舊模型擁護者會刻意略過不提的數字。

重塑你架構的兩項規格

Argon 的輸出上限為 1,000,000 個 token，高於前一代上限的 64K——而 64K 正是 Gemini 3.1 Pro Preview 所提供的上限，準確來說是 65,536。單一軌跡中十六倍的餘裕，改變了單次呼叫能被要求完成的事。

具體來說：你目前為了不超過 65K 輸出上限而串接多次呼叫來完成的任何事——多檔案修補檔產生、冗長的稽核報告、一次完成整份文件草擬——都會變成單一次呼叫。呼叫次數更少，代表代理迴圈遺失狀態的地方更少，也代表你的重試邏輯會變得更簡單，而不是更複雜。如果你已經圍繞 64K 上限建構了複雜的輔助框架，那些框架就會成為遷移成本。

Gemini 3.1 Pro Preview 保有一項 Argon 的公告並未提及的規格優勢：音訊與視訊輸入。Argon 公布的模態清單涵蓋文字、圖像、影片與檔案——音訊並未在發布資料中列名，而 Google 的影片範例是 LVBench，一個長影片理解基準。如果你的管線會接收音訊，請先驗證該模態，再假設升級會包含它。這是關於一個尚未可呼叫的模型、可查證的事實，而這正是那種很快就會過時的說法。

預覽卡在中間擋路

這裡有一個真實、乏味又昂貴的問題：較舊的模型被稱為預覽版，這個稱呼已經持續七個月，卻沒有人說明它會何去何從。有兩種可能的情況，而它們對你的程式碼庫有著截然不同的影響。要嘛 Gemini 3.1 Pro Preview 在 Argon 正式推出時就會退役，而你必須遷移；要嘛它被取代，並在仍持續提供服務的同時慢慢遭到棄用，而你有時間。

Google 自家的資料並未給出定論。Argon 的發布公告表示，更廣泛的存取權將「盡快」開放，首先從付費 API 客戶與 Google AI Ultra 訂閱者開始，卻對它所取代的 Pro 層級之後續命運隻字未提。保守的工程立場是不花任何成本的那一種：把模型 ID 留在設定檔中，而不是寫進程式碼裡；保留一套評估框架，讓你能在一個下午內用真實的提示詞對候選模型跑過一輪；並把最終的替換視為一項維運任務，而不是一次改寫。

那個位置在 OrcaRouter 上特別便宜，因為替換的只是一個字串。google/gemini-3.1-pro-preview已以上述費率在型錄中正式上線，與其他200 多個模型一樣，透過同一個 OpenAI 相容端點提供服務，並以供應商定價、零加成計費——因此當 Google 調整 3.1 Pro 的價格，或 Argon 正式公布時，我們這邊的費率會在同一天跟著變動。用同樣的提示詞分別對兩者執行，只需改個設定、多發一次呼叫，而不是多接一套整合，而且自動容錯移轉意味著即使某個匯入資料過期，也不會連帶讓端點停止運作。

本月待辦事項

如果你正在使用 Gemini 3.1 Pro Preview，而你的工作負載是長上下文檢索、GPQA 形式的科學推理，或任何 94.1% 科學推理準確率至關重要的場景，那麼目前還沒有遷移的理由——Argon 尚不可呼叫，而舊模型領先的那些特定任務類型也尚未被證明差距已經彌合。不要單憑一項指標差距就遷移。

如果你的工作負載是代理式程式開發、多步驟業務任務執行，或任何會產生大量輸出的工作，那麼這個理由在紙面上已經很充分：十六倍的輸出上限、Terminal-Bench 上 53 分的差距，以及更低的輸出價格。唯一的阻礙純粹在於，Argon 是透過 Google 的 Fairwind 計畫、以分階段方式向受信任的網路防禦人員推出，沒有公開端點。把這項遷移排進你的路線圖，趁現在還沒有壓力時先建好評估測試框架，並在 Argon 可供呼叫的那一週執行。後繼者更便宜；為它做好準備幾乎不花任何成本。