打工人要“秒读百页报告”，得先纠正一个被传歪的数字：Gemini 4 Argon的百万词元，不是单次能吐100万token，而是输入、思考、输出共享同一条100万的预算线，单次回答写到约6.4万token上限后靠“续写协议”接力接着写。真正对读材料有利的是预算线的输入侧：100万上下文原生覆盖文本、高分辨率图像、视频及音频，一百页带图带表的报告可以整份塞进去。这款谷歌Gemini 4系列的旗舰10月1日官宣、10月14日全面开放，谷歌AI Pro订阅是目前普通人最便宜的入口。机器之心知乎专栏
它能不能读对？第三方行业评测和谷歌披露的企业文档测试都指向同一件事：一摞多文档、带图表的材料，它不仅能装得下，还能对得上。但先泼一盆冷水——秒读不等于秒信：API优惠价11月30日到期、会员额度比想象中不经烧、模型知识截止在2026年3月，报告里的关键数字仍然要回原文抽查。
先分清这个“100万”：口径在两周内变过一次
10月初官宣时，官方宣传把Argon描述成“跑分超Astra、Opus5.5”，并强调它具有行业领先的100万token输出限制。可等10月14日正式开闸，谷歌博客的说法变成了1M unified input-output token limit——百万词元不是单指输出，而是各算各的输入、思考、输出被合并到一条线上。实测博主也确认了这个转向：今天的说法，变成了“输入输出合计100万”，输入、思考、输出共享同一个池子。这不是文字游戏：你丢进去的百页报告占预算，它写出来的长总结同样占预算，两边掏的是同一个池。微博知乎知乎专栏
续写协议怎么工作，为什么和读报告有关
机制是这样的：Argon单次请求仍最多输出约6.4万token，写到上限不会直接断掉，模型返回一个加密的续写令牌，里面记着前面写到了哪，调用方拿着令牌把原请求重发一遍，它接着往下写，一段一段接，最多能接到100万。Google Cloud的工程师拿它在自家开源仓库上无人值守跑了一夜，只给了一份项目规则文件和一段简短的目标描述，跑到第11小时，Argon发现自己多智能体缓存里的bug，把全部16,892个单元测试重跑了一遍才停下来；它一共提了六处优化、跨32个文件，人最后只放行了两处。这类数字不出在跑分榜上，但它决定了你一次丢几十份材料、逐章节追问时，模型会不会中途“失忆”——对读报告的人来说，这才是百万词元真正兑现的地方。知乎专栏知乎
“秒读百页报告”的证据，都在专业办公这一侧
谷歌官方展示的场景几乎是照着“材料岗”选的。金融分析平台Kepler用Argon根据美国证券交易委员会（SEC）的申报文件搭建多年财务报表，结果显示它生成的数值超过99%与分析师构建的参考模型一致。机器之心
企业内容管理平台Box的评测盯着“图表里的细节”：Argon能够关联多份文档中的信息，包括隐藏在图表中的细节，再综合完成多步骤分析，其内部评测准确率相比Gemini 3.1 Pro提升了14%。机器之心
第三方行业评测Vals把金融、法律、税务等贴近真实工作的题目做成指数，Argon站在了帕累托前沿的最顶端，拿到68.9的综合第一。知乎专栏
媒体实测的判断更直接：如果你要干的活，是看几千万行老代码做架构规划、或者审几百页的法务合同，Argon见谁秒谁。差评
可靠性这边，ArtificialAnalysis测得Argon的幻觉率为15%，是综合智能指数达到45分以上的模型里最低的，远低于GPT-6 Astra的51%。差评
打工人怎么用上，以及真实的账
不想碰代码的上班族，入口只有一个：Gemini应用里，20美元月费的Pro会员就能用上Argon；想在编程工具Antigravity里用，则必须开100美元的Ultra。纯读报告的场景，Pro档够用；Ultra的溢价主要付给重度多任务，而不是“读得更全”。知乎专栏
要把材料批量接进自己工作流的，API账本很清楚：输入2美元/百万tokens、输出10美元/百万tokens，长交互里反复复用的上下文缓存再给95%折扣，但优惠价只持续到11月30日，之后回到4美元/20美元。也就是说，12月起同样的账单要翻倍，任何成本测算都建议在截止日前做完对照。机器之心
但标价不等于真实花费。ArtificialAnalysis统计Argon平均每任务花费约1.99美元，同为2/10单价的GPT-6.1 Sol Max只要0.72美元。原因出在它“话多”：各家前沿模型消耗的Token中位数大约是8200万，Argon的高思考档烧到1.1亿，比基准高出34%。知乎专栏差评
会员侧的坑更直观：一位实测者开着100美元的Ultra账号，跑了不到10个普通任务，5小时额度窗口就全空，周额度一次性被干没27%。长文档加多轮追问正是最吃额度的用法，先Pro试水、确认额度扛得住再谈升级，比直接冲Ultra划算。知乎专栏
官方还给不写代码的办公族演示了完整链路：把装着零散项目资料的文件夹交给Argon，它可以调用自定义Skill整理内容、制作面向客户的提案演示文稿、再起草并发送邮件，同时创建处理后续客户请求的自动化工作流。不过这是官方演示，把它当“现在就能照抄的流程”还早，当“能力边界”看更合适。机器之心
另一半账本：哪些环节还不敢全交给它
它的世界并不是最新的：Argon的知识截止日期是2026年3月，比GPT-6 Astra和Claude Opus 5.5都要旧一点，读刚发布的报告时，一切以文档内容为准，别信它的“记忆”。知乎专栏
它是个强“读手”，不是强“帮手”：Vals测电脑操作的CUA-bench里，Argon只有4.83%，8个模型中排倒数第二；真让它进命令行终端干活，从跑分看也在四大旗舰里垫底。读完报告再让它替你自动开软件、跑流程，这一版还不成立，需要一步一步来。知乎专栏
中文产出的功课也没做完：它拿了LMArena文本盲测第一，但那是英文场景；实测者对中文直出的评价是“味道太重”，旧版模型的怪比喻和双引号癖好都还在。知乎专栏
还有个值得观察的背景音：外媒报道谷歌内部员工对Gemini 4的实战表现犯嘀咕，而按曝光的内部文件，这次发布的Argon实际内部标注是Barium，按元素顺序排下去，谷歌手里可能还压着更强的迭代。这不影响你今天拿它读文档，但影响要不要现在就喊“谷歌重回巅峰”。差评
所以，打工人用Gemini 4 Argon“秒读”百页报告，现在最划算的姿势其实很朴素：订个Pro档，把整批含图表的PDF一次丢进对话，先让它建立目录和关键数字清单，再按章节追问，最后把引用的每个数字、日期回原文抽查一遍。前半段，百万预算池加多模态输入确实能把节奏压到分钟级；最后那道抽查，恰恰是这100万词元替你省不掉的部分。
