作者有一个每天在用的 LINE Bot，为兼顾速度与预算，之前把高吞吐分类与提取放在 gemini-3.5-flash-lite、把多步工具调用与多模态推理放在 gemini-3.6-flash。Google 在十月中把 Gemini 4 Argon 推到 GA 后，表面最吸引人的是数字：输入、思考与输出共享的 100 万 token 窗口，Long Decode 能把单次调用续到 100 万输出 token，Agentic Video Understanding 正式 GA 并省下 88% 的 token，Interactions API 成为默认。但他的提醒是：不要以为把 model 从 gemini-3.6-flash 改成 gemini-4-argon 就完事。这一代在参数规格、token 预算计算、缓存机制与对等待时间的假设上都有变化，正好都打在 LINE Bot 的痛点上：习惯性把 max_output_tokens 设成 2048 或 4096 会返回空字符串，默认 thinking_level 变成 medium，显式缓存不再支持，采样参数被废弃，且没有免费层。