Gemini 4 Argon 要不要换成 Neon?一份带回滚方案的迁移步骤

Gemini 4 Argon 没有被弃用,但 12 月 1 日起 Neon 更便宜,在 Artificial Analysis 上也更快。本文说明两者有哪些差别,按思考档位重新对比幻觉率,并给出包含评测集、影子流量和回滚的分步迁移方法。

一笔线稿:一条石砌灌溉渠在木制水闸处分成两路。原来的渠道保持畅通,承载大部分水流;一扇带橙色把手的小闸门把一小股水放进新挖的第二条渠道。

对大多数 Gemini 4 Argon 工作负载来说,现在就值得开始规划迁移到 Gemini 4 Neon,但不要只是直接替换模型 ID。2026 年 12 月 1 日起,Argon 的 Standard 费率翻倍到每百万 token $4/$20,Neon 仍是 $3/$15;在 Artificial Analysis(AA)上,默认 high 档的 Neon 得分高于 Argon 测过的任一档位,用时只有大约一半。Argon 没有公布停用日期,所以没有截止时间逼你迁移。 需要留意的是,Neon 的默认思考档位比 Argon 深。另外,大家常引用的 Argon 低幻觉率(4.3%)属于 Argon high,而不是 Argon 在 API 中的默认档位。

本文于 2026 年 11 月 19 日对照 Google 的 Gemini API 文档(弃用页、选型指南、Argon 和 Neon 的开发者指南与模型页、价格页)以及 AA 的实时模型页核对。我们没有调用 Neon。为了演示迁移中的基线步骤,我们通过 Ofox 对 Argon 跑了一个小型的有据作答评测集,结果和局限写在第 2 步。成本对比均标明是我们自己的计算。

本文由 Ofox 发布。Gemini 4 Argon 可以通过 Ofox 以 google/gemini-4-argon 调用。Gemini 4 Neon 目前不在 Ofox 上(2026 年 11 月 19 日对照带鉴权的模型列表确认),所以文中提到的 Neon 调用都直接发往 Google 的 Gemini API。这对迁移意味着什么,下面有单独一节说明。

Gemini 4 Argon 要下线了吗?

没有公布任何下线安排。不过有几个信号显示 Google 更倾向于推荐 Neon,有必要把 Google 自己说的和其他来源报道的分开看。

信号内容来源与性质
弃用页gemini-4-argon:2026 年 10 月 13 日发布,“No shutdown date announced”(未公布停用日期),未列出推荐替代模型Google 弃用页(英文),官方,11 月 19 日核对
选型指南推荐 Hydrogen、Neon 和 Carbon(以及 3.5 Flash-Lite)。整页都没有提到 Argon,升级路径表里也没有选型指南(英文),官方,11 月 19 日核对
Neon 开发者指南有一节标题为 “Migrate from Gemini 4 Carbon, Argon, or Hydrogen”(从 Gemini 4 Carbon、Argon 或 Hydrogen 迁移)Neon 指南(英文),官方
Argon 开发者指南仍在发布,仍推荐默认用 medium,仍称 Argon “ideal for most advanced software engineering and knowledge work tasks”(适合大多数高级软件工程和知识工作任务);没有弃用说明Argon 指南(英文),官方,11 月 19 日核对
Gemini 应用Google 表示 Pro 和 Ultra 订阅用户可以在模型下拉菜单中选择 NeonNeon 发布公告(英文),官方
Gemini 应用的模型选择器9to5Google 报道选择器中 “Neon also replaces Argon”(Neon 也取代了 Argon),列出的选项为 Auto、Hydrogen、Neon 和 Carbon9to5Google,2026 年 11 月 18 日(英文),媒体报道,Google 未确认

我们的判断:在 API 里,Argon 是受支持的正式版(GA)模型,没有结束日期;Google 的指引则把新项目引向 Neon。即使媒体报道属实,应用里选择器的变化也不影响 API 端点。弃用页写明停用日期会提前通知,所以每月查一次就够了。应用、AI Studio 和 Antigravity 之间的访问差异,见我们的 Argon 访问指南。

Argon 和 Neon 有哪些不同

请求结构完全一样。Google 的 Neon 指南写明,从其他 Gemini 4 模型切换过来 “requires no request schema changes”(不需要修改请求结构)。差别在默认值、价格和行为上。

Gemini 4 ArgonGemini 4 Neon
模型 IDgemini-4-argongemini-4-neon
GA 日期2026 年 10 月 13 日2026 年 11 月 18 日
思考档位low、medium(默认)、highlow、medium、high(默认)、xhigh
上下文窗口1,048,576 token,输入、思考和输出共用相同
单次响应输出(默认)65,536 token;配合后台执行,长解码最多 1M相同
前台续写的每段(hop)流式 64K,但非流式每段 32,768流式和非流式都是 64K
缓存仅隐式缓存(不支持显式 cachedContents)相同
内置工具(模型页)代码执行、computer use、文件搜索、函数调用、Search 和 Maps grounding、结构化输出、URL context列表相同
Batch、Flex、Priority支持支持
免费层级无无
Standard 每百万 token 价格(输入 / 缓存 / 输出)截至 11 月 30 日 $2 / $0.10 / $10;12 月 1 日起 $4 / $0.20 / $20$3 / $0.15 / $15,无调价日期
Ofox 上可用(11 月 19 日)是,google/gemini-4-argon否

来源:Argon 和 Neon 模型页、两份开发者指南、长解码指南(每段大小)和价格页,均为英文,2026 年 11 月 19 日核对。

清理参数时,两份文档有两处小差别要注意。两份指南都要求删除 temperature、top_p 和 top_k。Argon 的指南说传了也会被忽略;Neon 的指南说范围内的值会被忽略,超出范围的值会返回 400 校验错误。输出上限方面,Argon 的指南要求如果设置 max_output_tokens,至少设为 32,768;Neon 的指南则说要去掉过低的上限或提高到 65,536,想少用 token 就改为降低思考档位。

价格:什么时候 Neon 更便宜

Neon 的 token 单价在 11 月 30 日之前是 Argon 的 1.5 倍,从 12 月 1 日起是 Argon 的 0.75 倍。由此可以得到一个简单的盈亏平衡点(按 Google Standard 费率,由我们自己计算):

  • 截至 11 月 30 日: 只有当 Neon 完成同样工作所用的 token 少于 Argon 的 0.67 倍时,Neon 才更便宜。
  • 12 月 1 日起: 除非 Neon 用的 token 超过 Argon 的 1.33 倍,否则 Neon 更便宜。

问题出在默认思考档位上。不改动的请求会让 Argon 跑 medium、Neon 跑 high,所以 Neon 每次调用可能产出更多输出 token。Artificial Analysis 在同一套测试框架上测了两个模型的多个档位,可以大致看出净效果:

配置(AA,11 月 19 日)AA 列出的单个指数任务成本我们估算的 12 月成本单个指数任务用时
Argon medium(API 默认)$4.31~$8.6329.1 分钟
Argon high$4.97~$9.9529.8 分钟
Neon medium$1.90$1.908.3 分钟
Neon high(API 默认)$3.74$3.7414.8 分钟
Neon xhigh$6.44$6.4421.5 分钟

AA 按当前的 $2/$10 费率给 Argon 定价。12 月那一列是把 AA 的 Argon 数字翻倍,前提是这些成本全部来自 token;这是我们的估算,不是 AA 的数据。Neon 没有调价日期。在 AA 的任务组合上,11 月时 Neon high 的单任务成本就已经比 Argon medium 低约 13%,12 月 1 日之后差距扩大到约 57%。AA 的单任务用时是输出 token 数除以实测输出速度(AA 列出 Argon 为每秒 57 到 65 token,Neon 约每秒 101 token),所以它衡量的是生成时间,不是包含工具执行的完整 agent 运行时间。

基准测试的汇总成本只能说明方向,不能当作你自己流量的预测。12 月调价的全部内容和月账单公式,见 Carbon 和 Argon 12 月 1 日价格变化。按档位做 Neon 预算,见 Neon 价格指南;Argon 按请求计费的算法,见 Argon 价格拆解。

同等思考档位下的质量和速度

AA 用同一套测试框架、通过 Google 第一方 API 运行两个模型,并分别报告每个思考档位。下表数值来自 AA 的 Argon 和 Neon 页面(英文),读取于 2026 年 11 月 19 日。AA 只列出了 Argon 的 medium 和 high。

AA 指标Argon mediumArgon highNeon mediumNeon high
Intelligence Index(v5.0.1)47.650.454.959.6
Terminal-Bench 4.055.1%57.1%54.5%61.6%
FrontierCode-AA 2.025.0%25.7%36.9%43.3%
HLE-Diamond42.5%56.7%63.6%68.4%
CritPt v2(困难子集)53.5%52.5%61.5%59.0%
AA-Omniscience 准确率49.0%48.3%57.9%59.4%

Neon medium 在除 Terminal-Bench 4.0 以外的所有项目上已经追平或超过 Argon high;在 Terminal-Bench 4.0 上两者相差不到三个百分点。FrontierCode 上,无论怎么配对,差距都很大。这些是 AA 任务上的汇总分数。总分更高的模型,仍可能在你的某个提示词上失败,而另一个模型能通过。所以下面的迁移步骤从你自己的评测集开始。

Google 的模型卡在这里帮助不大。Argon 的模型卡日期是 2026 年 10 月,Neon 的是 2026 年 11 月,两者对比的竞品不同,Google 也没有发布 Argon 对 Neon 的对比表。我们没有把两张卡的数据混在一起用。

正确解读幻觉率

AA 的 Omniscience 评测(英文)把幻觉率定义为:错误回答数除以所有非正确响应数(错误 + 部分正确 + 未作答)。它回答的问题是:模型不知道答案时,有多大比例会猜错,而不是拒答?这是一个闭卷知识测试,完全不反映模型答对的频率,所以要和准确率放在一起看。

配置幻觉率准确率每 100 题答对每 100 题答错每 100 题拒答或部分正确
Argon medium(API 默认)15.4%49.0%49.07.943.1
Argon high4.3%48.3%48.32.249.5
Neon medium16.2%57.9%57.96.835.3
Neon high(API 默认)13.9%59.4%59.45.635.0
Neon xhigh14.4%60.5%60.55.733.8

幻觉率和准确率:AA 页面数据,2026 年 11 月 19 日。每 100 题的几列是我们的计算:答错 =(100 − 准确率)× 幻觉率。

这改变了常见的说法。被广泛引用的 4.3% 是 AA 的 Argon 主条目,AA 把它标为 Argon (High)。在 Argon 的 API 默认档位 medium 上,AA 测得的是 15.4%,略差于 Neon 的默认档位。因此:

  • Argon 默认档 → Neon 默认档(最常见的情况):在这个基准上,每 100 题大约多答对 10 题,少答错约 2 题。按这个指标没有任何损失。
  • Argon high → Neon high: 大约多答对 11 题,但每 100 题也多答错约 3.4 题。Argon high 选择拒答而不是去猜的情况要多得多。如果你特意把 Argon 跑在 high,是因为答错的代价很高,那么这是迁移唯一可能让输出变差的地方,需要用上第 5 步的防护措施。

Neon 的幻觉率在各档位之间变化小得多:low 18.8%,high 13.9%,xhigh 14.4%。Argon 在 medium 和 high 之间的大幅波动来自 AA 的单次快照,所以请用你自己的应拒答用例去测,不要把任何一个数字当成定值。Google 的 Neon 公告引用了来自 Antigravity 内部测试的 “lowest fabrication rate yet”(迄今最低的编造率),那是另一种衡量方式,不能和 AA 的数据比较。整个模型家族和竞品模型的对比,见我们的 Gemini 4 幻觉率对比。

该不该迁移?决策表

你的情况建议
用默认 medium 的 Argon 做编程、agent 或文档工作,直接调用 Google迁移到 Neon。在 medium 和 high 两档上评测;大部分成本收益来自不让模型过度思考
用 high 的 Argon 做闭卷问答,答错比不答更糟保持不动;或者等第 5 步的防护措施在你的不可回答问题集上通过后再迁移
对延迟敏感的交互功能先测 Neon medium;在 AA 上它的用时不到 Argon 的三分之一
用 low 的 Argon 处理便宜的高频步骤比较 Neon low 和 Hydrogen,而不是 Neon high;AA 没有 Argon low 的数据可比
流量经 Ofox 转发,没有 Google API 项目暂时留在 Argon(Neon 不在 Ofox 上),或者直接在 Google 的 API 上做评测。见下文 Ofox 一节
Neon 试点在 Argon 能通过的验收检查上失败该任务类型继续用 Argon;没有停用日期在催你
最难的调试、证明、研究级物理问题考虑看 Neon 和 Carbon 的对比,而不是留在 Argon

分步迁移

第 1 步:盘点所有 Argon 调用

列出每个发送 gemini-4-argon 的地方,并按调用点记录:

  • 路由(Google API、Vertex、Ofox、某个框架的默认值);
  • API 形式(generateContent 或 Interactions,是否流式,是否有后台任务);
  • 实际发送的 thinking_level(Argon 上未设置即为 medium);
  • max_output_tokens、声明的工具、结构化输出 schema、Search grounding;
  • 对话状态是保存在服务端(previous_interaction_id),还是由客户端管理历史并携带 thought signature;
  • 来自用量日志的每月输入、缓存和输出 token 数。

未设置的思考档位会悄悄改变行为。动其他任何东西之前,先把它明确写成 medium。

第 2 步:建立评测集,记录 Argon 基线

每种任务类型抽取 30 到 200 个真实请求,每个请求配一个自动验收检查:测试通过、JSON 校验通过、抽取的值匹配,或者回答逐字引用了原文。要包含正确答案是”材料里没有”的请求,这类请求能捕捉到上文提到的幻觉变化。

为了演示这一步的样子,我们在 2026 年 11 月 19 日对 Argon 跑了一个 10 题的有据作答评测集。每个请求带一份简短的虚构账单政策和一个问题。六个问题可以回答,四个不能(例如,政策只涉及年付方案,问题却问月付方案的退款规则)。系统指令要求模型只根据文档作答,答案缺失时返回 NOT_IN_DOC,并逐字复制一句支持性原文。输出用 JSON schema 约束。我们自动评分:可回答的题需要给出预期值,且引文必须逐字符出现在文档中;不可回答的题必须恰好返回 NOT_IN_DOC。

Argon 经 Ofox,11 月 19 日mediumhigh
通过题数10 / 1010 / 10
可回答:值正确 + 逐字引用6 / 66 / 6
不可回答:返回 NOT_IN_DOC4 / 44 / 4
报告的平均思考 token0(无该字段)164
计费输出总量(可见 + 思考),10 次调用4402,077
延迟中位数5.6 秒8.2 秒

路由:Ofox 的 Gemini 原生端点,gemini-4-argon,maxOutputTokens 32,768,每档每题跑一次。“0 思考 token”表示 usageMetadata 中没有 thoughtsTokenCount 字段。每次调用的提示词 token 平均为 542。

请如实看待这组数据:这是一个简单题集上的基线,每档 n = 10,只有一天、一条路由。它不能说明 Argon 总体上可靠,也完全不涉及 Neon。它的价值在于题目文件、评分器和 Argon 的数字已经存在,同样的用例可以直接指向 Google API 上的 gemini-4-neon,逐行对比。在这个题集上,high 的计费输出约是 medium 的 4.7 倍,结果同样是 10/10。这类发现也应该用来决定 Neon 用哪一档。你自己的题集应该比我们的难;全部通过的题集检测不出退化。

一个最小的测试框架,请求体保持完全一致,只替换路由和模型:

import json, os, urllib.request

ROUTES = {
    # Argon 走 Ofox 的 Gemini 原生端点(key:OFOX_API_KEY)
    "argon": ("https://api.ofox.ai/gemini/v1beta/models/gemini-4-argon:generateContent",
              os.environ["OFOX_API_KEY"]),
    # Neon 走 Google 的 Gemini API(截至 2026 年 11 月 19 日 Ofox 上没有 Neon)
    "neon": ("https://generativelanguage.googleapis.com/v1beta/models/gemini-4-neon:generateContent",
             os.environ["GEMINI_API_KEY"]),
}

def run(route, system, user, level, schema=None):
    url, key = ROUTES[route]
    cfg = {"thinkingConfig": {"thinkingLevel": level}, "maxOutputTokens": 65536}
    if schema:
        cfg |= {"responseMimeType": "application/json", "responseSchema": schema}
    body = {"systemInstruction": {"parts": [{"text": system}]},
            "contents": [{"role": "user", "parts": [{"text": user}]}],
            "generationConfig": cfg}
    req = urllib.request.Request(url, data=json.dumps(body).encode(),
          headers={"x-goog-api-key": key, "Content-Type": "application/json"})
    r = json.load(urllib.request.urlopen(req, timeout=900))
    parts = r["candidates"][0]["content"]["parts"]
    text = "".join(p.get("text", "") for p in parts if not p.get("thought"))
    return text, r.get("usageMetadata", {})

在测试框架里始终显式传入 thinkingLevel,避免任何一个模型退回到自己的默认档位。900 秒超时遵循 Google 的建议:难题至少留 15 分钟。Ofox 原生协议的请求格式见 Ofox Gemini API 参考。

第 3 步:映射参数

当前的 Argon 设置Neon 起点说明
未设置 thinking_level(= medium)测 medium 和 high,把胜出的档位显式固定不设置就会变成 high
显式设置 mediummedium;检查不通过再试 highAA:Neon medium 得分高于 Argon high
highhigh;只在 high 失败的用例上用 xhigh在 AA 上,xhigh 的单任务成本比 high 高 72%
lowlow,并和 Hydrogen 比较Neon low 在 AA 指数上得 44 分
max_output_tokens 低于 32,76865,536 或不设置思考和回答共用这个上限
temperature / top_p / top_k删除在 Neon 上,超出范围的值返回 400
cached_content 引用用 Argon 时就已删除,无需改动两者都对至少 4,096 token 的提示词使用隐式缓存
超过 64K 的后台任务不变每段同为 64K,上限同为 1M
前台非流式续写(REST 循环)段数会变少、每段更大Argon 每段 32,768,Neon 每段 65,536;凡是按段计数或按段设定超时的代码都要重新检查
客户端超时至少 15 分钟,或使用后台执行两份指南的建议相同

如果你在 Gemini Managed Agents 中使用 Antigravity agent,要改的是 agent_config 里的 model 字段。两个模型都支持。

第 4 步:影子流量

把一部分线上 Argon 请求复制一份发给 Neon,只把 Argon 的回答返回给用户,两边都记录日志。保持对比公平的规则:

  1. 提示词、工具和文档保持逐字节一致,两边都固定思考档位。
  2. 先从无状态请求开始。对于多轮会话,Google 说跨轮次切换模型时,要把之前的模型轮次和 thought signature 原样传回。我们没有测试过把进行中的会话从一条路由上的 Argon 转到另一个项目上的 Neon,所以让现有会话在 Argon 上跑完,新会话再从 Neon 开始。
  3. 用第 2 步中相同的自动检查给两边的输出打分,另外对结果不一致的样本做抽样人工复核。
  4. 单独观察工具调用路径。如果 Neon 返回 MALFORMED_FUNCTION_CALL 或缺少 thought signature 的错误,原因通常在于工具或历史的发送方式;我们的 thought signature 修复指南和 Gemini 4 API 报错指南两种情况都讲到了。
  5. 记住,影子流量会让抽样部分的 token 开销翻倍。抽样 5% 到 10% 通常就够了。

为 Neon 新建 Google Cloud 项目时,有一个数据处理默认值值得检查:根据 Google 的发布说明(英文),自 2026 年 10 月 26 日起,使用 generateContent 的新付费层级项目默认存储请求(store=true)。如果这与你的政策冲突,可以按请求设置 store=false,或修改日志设置。

第 5 步:为答错加防护

如果你的 Argon 工作负载依赖模型拒答,尤其是在 high 档,就要加上不依赖模型自我克制的检查:

  • 逐字引用检查。 要求给出支持性引文,引文不是原文子串的回答一律拒收,和我们的评分器一样。这能低成本地抓出编造的依据。
  • 明确的拒答标记。 给模型一个固定值,例如 NOT_IN_DOC;在不可回答问题集上,返回其他任何内容都算失败。
  • 结构化输出。 用 responseSchema,不要在提示词里用文字要求 JSON;Neon 的指南提醒,在没有声明工具的情况下用纯文本写 JSON 工具调用,可能返回 MALFORMED_FUNCTION_CALL。
  • 事实来自外部时做 grounding。 开放领域的问题用 Search grounding 或你自己的检索;注意 Search grounding 在 token 之外按查询次数另行计费。
  • 把关指标。 把”不可回答题集上的错误回答”设为发布门槛,而不只是”可回答题集上的准确率”。这一项上,Neon 不能比 Argon 的基线差。

第 6 步:按通过的任务监控成本

每个请求记录 promptTokenCount、cachedContentTokenCount、candidatesTokenCount 和 thoughtsTokenCount,并用该模型自己的费率计算成本:

cost = (prompt - cached) × input_rate / 1e6
     + cached × cached_rate / 1e6
     + (candidates + thoughts) × output_rate / 1e6

用总成本除以通过检查的请求数,而不是除以全部请求数;重试正是单价更低的模型可能吃亏的地方。当同一任务类型下 Neon 每个请求的计费输出超过 Argon 的 1.33 倍(即上文 12 月的盈亏平衡点)时发出告警。如果你把 Argon 流量留在 Ofox 上,那一侧每个请求的 token 和成本明细可以在 Ofox 的用量追踪中查看。

第 7 步:逐步切换,保留回滚路径

用开关一次只迁移一种任务类型:10%,然后 50%,再到 100%,每个阶段停留几天。保留完整的 Argon 配置(模型 ID、固定的思考档位、路由),不要删掉。只要出现以下任一情况,就把该任务类型回滚:

  • 线上检查的通过率低于 Argon 基线,且差距超过你们约定的幅度;
  • 不可回答题集上的错误回答超过 Argon 基线;
  • 按当时生效的费率,每个通过任务的成本高于 Argon;
  • p95 延迟或超时率突破你的 SLO;
  • 新项目上出现 429 或配额错误。Neon 的限额按 Google 项目和层级计算,所以在切到 100% 之前先检查。我们的 Argon API 报错指南和通用的 429 重试指南讲了退避方法。

回滚路径只在 Argon 还存在时有效,所以每次发布前都查一下弃用页。

Ofox 用户现在能做什么、不能做什么

截至 2026 年 11 月 19 日:

  • 你可以继续通过 Ofox 调用 Argon,模型 ID 为 google/gemini-4-argon,可以用其模型页列出的 OpenAI 兼容协议或 Gemini 原生协议。Ofox 收取的价格见该页面;本文不重复写出,12 月 1 日之后请再查看一次。
  • 你无法在 Ofox 内迁移到 Neon。 Neon 不在 Ofox 的模型目录里,所以无法用同一个 key 做 A/B 测试;把 Ofox 请求里的模型名改成 gemini-4-neon 也调不到 Neon。
  • 想现在就评测或使用 Neon,你需要一个付费层级的 Google Gemini API 项目和 key,账单和限额都与 Ofox 分开。第 2 步的测试框架把两条路由并列展示。我们的 Neon API 指南介绍了原生接入的配置。
  • Hydrogen 在 Ofox 上,模型 ID 为 google/gemini-4-hydrogen。如果你的部分 Argon 流量可以降一档,而不是平移到 Neon,可以考虑它。

如果以后 Ofox 上线 Neon,迁移计划不用改,只需更换测试框架里 Neon 那条路由。Ofox 一侧的错误处理见错误处理指南,默认限额见限流指南。

什么时候留在 Argon 是对的

大多数留下的理由已经写在决策表里:你的评测显示 Neon 在某类 Argon 能通过的任务上失败;你依赖 Argon high 在闭卷问题上拒答,又暂时加不了引用检查;或者你所有的流量都走 Ofox。另外两条和时机有关。正在进行的长 agent 会话或后台任务,就在 Argon 上跑完,不要中途切换。如果现在还是 11 月,检查也没做完,就没必要赶:11 月 30 日之前 Argon 的 token 单价更低,到 12 月 1 日算账结果才会反过来。

“Argon 默认更安全”这个想法不能作为留下的理由。在 API 默认档位上,AA 测得 Argon 的幻觉率略高于 Neon,准确率也更低。在固定某个档位之前想先比较各档位,见我们的 Gemini 4 思考档位指南。

相关文档