Gemini 4 Argon 开发实测与 Token 消耗详单：糟老头子干活挺漂亮

Gemini 4 Argon 模型详情

其实订阅 Google Pro，就是冲着这个家伙去的，没想到最后还薅了 Vertex 近 400 刀。

这几天我在焦虑一件事：Vertex AI 里那么大一笔额度，怎么在 3 个月内花掉。想来想去，决定把模型对比改版一下，于是拉着 Argon 出来干活，推理档直接拉到 High——反正烧的是自己的额度，不花白不花。

先交代一下开发环境：Pi → Magpie → LiteLLM → Vertex AI。为啥绕这么远？其实我也不想，都是 Google 的 Pro 订阅搞的鬼：Studio 里改预付费了，不想花钱只能绕道 Vertex。这个可以单独写一大篇了，无力吐槽。

一、下达任务：模型对比页改版

需求很简单：models 这个页面，把费用对比去掉，增加用户口碑对比和模型评分对比；好评、吐槽、适合场景三项都要有。口碑和评分内容比较杂，排版上得花点心思。

任务下达，这个家伙立刻开始 git 乱翻，跟 Gemini 3.8 Flash 一个套路。

翻了就被我阻止。

二、闷头干活：进度与完工汇报

然后它就闷头干活了。这是它干到一半时自己贴的截图：

干完汇报：

三、让它拉一份会话统计

重点来了。本身在 Magpie 里也能看到这些数字，但我让它自己拉一份会话统计清单。

然鹅，它拉的清单太逆天了，详细到我震惊。

四、详细到离谱的清单

先是本次会话的配置和核心汇总指标——61 次有效模型请求、累计 1124.9 万 tokens、思考链占输出的一半：

接下来是全会话五个阶段的总表，以及全部 61 步 API 请求的逐笔明细——每一步的推理耗时、未缓存输入、缓存读取、思考链 tokens、上下文总长、单步费用，全都列出来了：

五、追问：为啥要翻 git 历史

接着我出于好奇，问它为啥要去看 git，它的答复：

真的很无语——它自己都承认"过度谨慎、绕了弯路"。

六、贴一下此次费用估计

把模型清单里的两组关键数据转成表格，这就是本次改版的完整账单：

费用明细（USD）：

两条关键成本观察，值得单独拎出来：

• 缓存机制省下了 85% 的账单：如果不走缓存（全部按 $2/M 输入计费），本次会话输入费将达 $22.34，总费用 $23.13；开启缓存后实际仅花 $3.51。
• 3 次缓存失效占了输入费的 65%：在 Step #07（87.2K tokens，$0.174）、Step #32（210.6K tokens，$0.421，因插入了截图多模态消息）、Step #53（244.6K tokens，$0.489，因两次对话间隔约 6 分钟缓存 TTL 过期）发生了 3 次全量重算，仅这 3 次就花了 $1.085，占全部未缓存输入费的 64.4%。

耗时与性能：

工具耗时里包括 2 次完整 build.sh 构建、2 次 Playwright 起本地 HTTP 截图与多视口布局检测、1 次线上冒烟抽查。

七、总结：一个糟老头子，但活干得漂亮

最后总结：Argon 干活是真慢，可能是开到 High 的原因，我给它的评价是一个糟老头子。但是活干得漂亮。

这个对比页面最多可以有 4 个模型一起对比，数据一多，排版是个问题。特别是口碑部分，文字内容没规律，各模型的评分项数量也不同，实在不太好排。我当时只是想让它先搞出来，后面慢慢调，没想到一次过。

所以这么一来，对它的表现还是认可的。当然仅限于这个任务，前端的东西还是相对简单的。