Gemini 4 Argon写作能力实测：72小时25万亿Token，输出上限拉到100万

上周Gemini 4 Argon正式发布，Antigravity中已可用。作者将全部写作任务切换至该模型进行高强度测试，认为单论长程写作和文字驾驭能力，Gemini 4 Argon处于独一档位置。

Google AI Studio负责人Logan Kilpatrick和CEO Pichai公布的数据显示，Gemini 4 Argon上线前72小时全网处理约25万亿Token，平均每秒吞吐9600万Token，是上一代Gemini 3.0同期用量的3倍。Logan推文中排在首位的兴奋点是该模型的写作能力，其次是原始知识储备、编码耐力，以及单次最大输出上限从前代64K提升至1M Token。100万Token的统一输入输出窗口加上长输出续写协议，拉开了显著差距。

作者在Antigravity CLI中让Gemini 4 Argon撰写《姜维传》：先将《三国志》裴松之注、《华阳国志》《晋书》《资治通鉴》相关卷次梳理成2万字史料汇编，再按12章写出17.3万字书稿。初稿完成后用DeepSeek V4.1 Flash进行review并提出修改意见，经三轮交互修改后定稿，并排版为可印刷PDF。

作者认为，日常技术文章写作最头疼的是去AI味与高密度信息转化。多数模型写深度技术解读时排比腔难藏，常见独句成段的“不是A而是B”对照句、满篇破折号插入、工整小标题和结尾行业升华，即便设置二十条禁用词规则，字数一多仍会复发。作者自去年10月维护个人写作Skill，在该Skill下语言效果最丝滑的早期有Claude Opus 4.6，近期为Gemini 3.8 Flash和Gemini 4 Argon；即使是Opus 5.5，写作上也不如Argon。AI直出初稿仍需人工至少修改一轮。

Gemini系列文字更自然的原因，结合公开资料和社区拆解，核心在预训练语料与后训练对齐两处差异：一是谷歌拥有二十多年积累的Google Books海量扫描出版物与多语种长文库，模型预训练阶段吸收的是真实出版级专著的叙事节奏和词汇肌理，比主要靠网页和合成数据训练的模型少一层公文总结味；二是Argon将100万Token做成输入、内部思考与输出共享的统一预算池，后训练阶段不对内部思维链做干预打压，模型动笔前有充足思考空间排布结构、消化负向文风禁令，不会为迎合偏好评测而套用总分总、列清单和排比金句模板。

数据标注机构Surge AI的Hemingway-bench写作评测中，职业编剧和资深编辑做了5000多轮双盲对比，发现自动打分的EQ-Bench常把堆砌辞藻和密集比喻的模型排前，但机器裁判与人类职业作家审美一致率仅43%。换到人类作家盲测和LMArena文本盲投时，行文克制不炫技、擅长在严苛约束下给出具体细节的Gemini系列冲在前列，其长文质量退化率仅0.029，比GPT-6 Astra的0.050低近一半。

Argon改稿和写评论干脆利落、没有客套味，很大程度来自极高自信度；但麻烦也在于，一旦冷门史料或文献细节超出输入材料覆盖范围，它不会承认不确定，而会用笃定学术口吻编造假出处。如《姜维传》一审时，DeepSeek发现《三国志·郤正传》裴注引文被标成《晋书》。作者提醒：AI写的代码可以不看，但用于严肃场景的写作文字，如论文、专利、书稿或其他需对外发表的内容，一定要人工把关。