Gemini 4 Argon 正式 GA 那天，Artificial Analysis 的 Intelligence Index 上出现的是一个熟悉的画面：它和 GPT-6 Astra 并排站着，分不出高下。真正让这一行字值得多看两眼的，是旁边那栏 cost per task——Argon 只有 Astra 的六成。能力打平，账单打六折，这两件事凑在同一天，才叫事情。
并列第一正在贬值
指数撞到天花板，平手成了常态
Intelligence Index 这类综合榜单，本质上是一种压缩。它把几十个跑分、几百个样本揉成一个数字，好处是能一眼看清梯队，代价是对同档选手之间的差距越来越不敏感。当第一梯队全都逼近同一堵墙，指数能给出的信息就退化成一句话：他们差不多。差不多的意思不是没差别，而是差别藏在指数照不到的地方——长上下文里会不会掉链子，工具调用会不会半路发疯，跑十二个小时的任务还能不能守住目标。这些问题，一个总分回答不了。
Cost per Task 比单价诚实得多
判断模型贵不贵，很多人第一反应是比 token 单价。这个习惯在推理模型时代彻底失效了。同一个问题，有的模型两百个 token 收工，有的模型先自我辩论三千字再给答案，单价便宜一半，账单反而翻倍。Cost per Task 的价值就在这儿：它不问每百万 token 卖多少钱，只问把一件事办完要花多少钱，把模型思考时的啰嗦、试错、返工全算进去。用一个更接近财务口径的数字做对比，比在单价上玩小数点游戏有意义得多。
六折不是促销，是替代关系成立
便宜但能力弱一档，那叫性价比选项；能力和对手打平、价格砍掉四成，那叫替代。两者对市场的冲击完全不在一个量级。前者只是给预算紧张的用户多一个备选，后者会让所有按每任务成本定价的产品重新算一遍毛利。做 Agent 的、做批量文档处理的、做代码审查流水线的，成本结构里模型调用往往占大头，六折直接改写盈亏平衡点。
省下来的四成，抠在哪儿
推理路径的分叉已经很清楚了
同样一道题，模型可以走最短路径，也可以绕一大圈做自我检查。前者便宜但容易翻车，后者稳但烧钱。真正拉开成本差距的，往往不是参数量，而是"什么时候愿意花时间想、什么时候必须立刻答"这个调度策略。做得好的模型在难题上多花算力，在简单请求上一句话结束；做得差的模型对着一句"今天天气怎么样"也要深思熟虑三十秒。同样的能力水位，不同的算力分配策略，成本能差出一大截。
单位算力的效率，才是长期变量
另一个容易被忽略的变量，是同样一度电能换回多少有效输出。同样的芯片、同样的机房，谁把每个 token 的边际成本压得更低，谁就握着定价权。这条路没有捷径，靠的是架构上的取舍、训练与推理链路的工程优化，以及在自家硬件上跑得比别人更顺。它不像发榜那样热闹，但复利效应极强——每年省下来的那几个百分点，累积几年就是别人跨不过去的成本护城河。Argon 能把每任务开销压到六成，粗略地看，大概率是这两件事同时成立的产物。
谁在半夜睡不着
被夹在中间的模型最难受
头部两家打成平手还互相压价，最难受的从来不是他们自己，而是排在第三到第八位的那批模型。往上，能力追不上第一梯队，讲不出"我更聪明"的故事；往下，价格压不过开源和自部署方案，讲不出"我更便宜"的故事。中间地带正在变窄。过去两年靠"便宜 20%、弱一点点"活着的产品策略，现在同时被两头挤压，留给它们的叙事空间不多了。
换模型的成本，比迁移文档厚
看到六折就立刻切过去，是一种过于乐观的想法。真实世界里，换主模型意味着 prompt 重写、评测集重跑、线上回归测试全来一遍，还得盯着那些只有生产流量才能暴露的边角行为。团队越大，这笔隐性账单越厚。所以能力打平的情况下，真正推动迁移的往往不是"便宜 40%"这一个数字，而是这 40% 乘以调用量之后，能不能盖过迁移本身的折腾。月调用量在千万级以上的团队，答案通常是能；还在验证想法的小团队，先别急。
自建还是调用，这道题被重新打开
每任务开销降到某个阈值以下，一些原本"自己部署更划算"的选项就会失去吸引力。开源方案的性价比一直建立在长期更便宜的假设上，前提是你的运维、扩缩容、GPU 闲置率都管得住。当 API 的单任务账单足够低，很多团队的理性选择会变回"先别自己扛机房"。这个天平不会一次性倒过去，但每降一次价，它都会朝托管那一侧倾斜一点。
下一张榜单会怎么问
长任务和工具调用才是分水岭
现在的综合指数，大部分题目还是单轮的、封闭的、有标准答案的，而真实场景早就跑到了别处：一个 Agent 要连着调十几个工具，中途遇到接口报错还得自己绕路，跑完可能已经过去几十分钟。这种任务里，单轮答得好不好几乎不重要，重要的是别在半路丢失目标、别在第 9 步突然开始胡言乱语。谁先把这类评测做扎实，谁就能给出比总分更有参考价值的判断。价钱这一栏已经有了明确答案，可靠性还没有。
指数会重写，成本曲线不会回头
榜单会一直更新，第一名的位置也会继续换手，这是常态。但成本下降有不可逆的性质——一旦某个价位被证明可以做出来，它就会变成新的地板，所有人只能站在上面继续往上盖。Argon 把同档能力的每任务成本拉到六折，真正的意义不在于它今天排第几，而在于它拆掉了"能力打平就该卖得贵"这个默认假设。以后评价一个模型，先问它能做什么，再问做这件事要花多少钱。顺序变了，选择也就变了。
