先写对模型 ID
官方稳定 ID 是 gemini-4-argon。它和 gemini-3.8-flash 不同：Argon 用连字符，3.8 Flash 用点号。请求里写错一个字符就会 404。免费档官方不可用 Argon，中转是否对本 Key 开放只看控制台列表，不看这篇文档的愿望。
先把价格有效期写进预算表
Google 定价页把标准档拆成两段：
- 至 2026-11-30：输入 $2、输出 $10、缓存 $0.10
- 自 2026-12-01：输入 $4、输出 $20、缓存 $0.20
本站 Gemini 0.2x，介绍期参考 $0.40 / $2.00，调价后 $0.80 / $4.00。输出价包含 thinking tokens。Batch / Flex / Priority 官方另有价格，页面不把它们写成已开通。Search grounding 超出免费额度后按请求计费，不能塞进 Token 公式。
OpenAI 兼容最小调用
from openai import OpenAI
client = OpenAI(base_url="https://www.codex789.com/v1", api_key="YOUR_KEY")
resp = client.chat.completions.create(
model="gemini-4-argon",
messages=[{"role": "user", "content": "返回你收到的模型 ID。"}],
max_tokens=256,
)
print(resp.model)
print(resp.usage)第一条请求把 max_tokens 留在 256 附近，确认模型名和 usage 能回来。不要用长文档当冒烟测试。需要 Google 原生 thinking_level、Search 或 Computer Use 时，先确认当前端点有没有对应字段；没有就不要在业务里写死。
长输出要单独排期
官方窗口是输入加输出合计 1,048,576。默认同步最大输出 65,536。long decode 才把输出上限提到接近 1M，并要求处理超时和后台任务。如果中转只提供 chat completions，应把“能生成长报告”从默认承诺里拿掉，改成：短输出验收通过后，再单独测长任务是否超时、是否按输出 tokens 入账、是否被截断。
隐式缓存和 thinking 不要沿用旧字段
Argon 只支持隐式缓存，不支持显式缓存。旧项目里的 cache name、显式 cache create 调用应删除或隔离。Thinking 支持 low / medium / high。若兼容接口没有 thinking 字段，模型仍可能在内部思考并把相关 tokens 计入输出；账单变高不一定是“被加价”，先看 usage 拆分。
从 Gemini 3.8 Flash 迁移
不要只替换模型 ID。对照清单：
- ID 从
gemini-3.8-flash改成gemini-4-argon - 删掉显式缓存
- 检查 thinking_budget 是否要改成 thinking_level
- 用同一输入比较延迟、截断率和费用
- 原生工具逐项验证，不默认继承 Flash 的工具映射
费用敏感的检索和短回复可以留在 Flash。复杂 Agent 再试 Argon。本文没有认证调用截图。
来源与核对日期
2026-10-17 核对。
从 Gemini 3.8 Flash 升级值不值？
阅读Gemini 4 Argon vs Gemini 3.8 Flash，核对调价日期、统一窗口与 long decode 边界，再做小流量验收。