# Gemini 4 Argon API finish_reason 怎么处理：长输出续写与中转实测 > Argon 返回 CONTINUATION 就带 token 重发原请求，MAX_TOKENS 要调高 maxOutputTokens；OpenAI 兼容接口不能续写。 - URL: https://blog.laozhang.ai/zh/posts/gemini-4-argon-api-finish-reason - Published: 2026-10-28 - Updated: 2026-10-28 - Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about) - Topic: Gemini 与 Google AI - Tags: Gemini 4 Argon, gemini-4-argon, finish_reason, CONTINUATION, MAX_TOKENS, continuationToken, 长解码, Gemini API, google-genai --- `gemini-4-argon` 的一次请求最多输出 65,536 个 token（直连的非流式 REST 是 32,768），思考和正文共用这份额度。回答没写完就碰到这个上限时，Gemini API 返回 `finishReason: CONTINUATION` 和一个 `continuationToken`，你要把**完全相同的请求**连同这个 token 再发一次，Google 把每一次这样的请求叫作一“跳”（hop），整个机制叫长解码（long decode）。如果用完的是你设定的 `maxOutputTokens` 总额，返回的是 `MAX_TOKENS`，这时要调高 `maxOutputTokens`，文字为空说明额度全花在了思考上。 最省事的接法是：Python 的 `google-genai` 升到 2.30.1 以上（JavaScript 的 `@google/genai` 升到 2.29.1 以上），走原生 `generateContent`，把 `maxOutputTokens` 设到 65,536 以上，SDK 会自动续写，你最后只看到一个 `STOP`。例外有两种：OpenAI 兼容接口不支持长解码，到单次上限就停；经过 API 中转平台时 token 可能被丢掉，2026 年 10 月 28 日实测的一条 OpenAI 兼容路径用满了 `max_tokens` 却返回 `finish_reason: "stop"`，所以在这类路径上要比较 `completion_tokens` 和 `max_tokens`，不能只看 finish_reason。规则依据截至 2026 年 10 月 28 日的 [Gemini API 长解码文档（GenerateContent）](https://ai.google.dev/gemini-api/docs/generate-content/long-decode)。 2026 年 10 月 28 日实际做了两组测试：一是通过一家 API 中转平台调用 `gemini-4-argon` 的 Gemini 原生接口和 OpenAI 兼容接口，共 11 次请求；二是在本机模拟服务器上测 `google-genai` 2.33.0 和 2.29.0 收到 `CONTINUATION` 时的反应。没有使用 Google 直连的 API key，真实请求里也没有出现过 `CONTINUATION`，所以下文关于 Google 直连行为的内容都来自官方文档，没有在一次真实的长解码上验证过。 ## Argon 的 finish_reason 各是什么意思，代码下一步怎么做 只有 `CONTINUATION` 应该自动重发；`STOP` 表示模型自己停下，`MAX_TOKENS` 要先改预算，内容类和工具类的停止原样重试没有用。字段名在 REST JSON 里是 `finishReason`，在 Python SDK 和 OpenAI 风格的响应里是 `finish_reason`。Argon 只输出文字，`IMAGE_SAFETY`、`NO_IMAGE` 这类图片专用的取值不会出现。下表的含义取自截至 2026 年 10 月 28 日的 [Gemini API generateContent 参考文档](https://ai.google.dev/api/generate-content)和长解码文档。 | 返回值 | 含义 | 下一步 | | --- | --- | --- | | `STOP` | 模型自然结束，或命中了停止序列 | 视为完成，但不代表任务做完（见表后说明） | | `CONTINUATION`，带 `continuationToken` | 到了单次请求的上限，`maxOutputTokens` 还有余量 | 原样重发同一请求，附上最新的 token；新版 SDK 会自动做 | | `CONTINUATION`，没有 token | 你和 Google 之间的某一层把 token 丢了 | 这条路径续写不了，改走直连 Gemini API 或 Interactions 后台执行 | | `MAX_TOKENS`，有文字 | 用完了 `maxOutputTokens` 总额 | 调高 `maxOutputTokens`；带 token 就附上续写，新值必须高于已用量，否则返回 400 | | `MAX_TOKENS`，文字为空 | 额度全部用在了思考上 | 调高 `maxOutputTokens`，或把 `thinking_level` 降一档 | | `SAFETY`、`PROHIBITED_CONTENT`、`BLOCKLIST`、`SPII`、`RECITATION`、`LANGUAGE` | 内容被安全过滤、含禁用词或敏感个人信息、疑似复述，或用了不支持的语言 | 改提示词或输入 | | `MALFORMED_FUNCTION_CALL`、`UNEXPECTED_TOOL_CALL`、`TOO_MANY_TOOL_CALLS` | 函数调用格式无效、请求没开工具却产生了工具调用、连续调用工具过多 | 检查工具声明和调用流程后重试 | | `MISSING_THOUGHT_SIGNATURE` | 请求里至少缺了一个思考签名 | 多轮对话把上一轮返回的 thought signature 原样带回 | | `ESCALATION`、`PUP_LIMITED_DISABLED` | 被升级规则过滤；账号因违反禁止使用政策被限制或停用 | 重试无效，后者要先处理账号状态 | | `MALFORMED_RESPONSE`、`OTHER` | 响应格式异常，或原因不明 | 记录 `finishMessage` 和原始响应，重试一次 | | 没有 candidates，只有 `promptFeedback.blockReason` | 提示词在生成前就被拦下 | 改写提示词，模型什么都没生成 | | 流结束了却没有 finishReason | 连接被切断 | 不算完成，按后文“流结束了却没有 finishReason”一节处理 | `STOP` 只说明模型是自己停下的。2026 年 10 月 28 日的一次测试里，把 `maxOutputTokens` 设为 33,000，要求逐行打印 1 到 7000，Argon 只用了 142 个 token 就以 `STOP` 结束：它拒绝输出完整列表，理由是会超过单次回答的长度限制，并建议改用 `seq 1 7000`。所以需要完整产物的任务，除了看 finishReason，还要检查结果本身，例如行数、JSON 能否解析、代码能否编译。 ![Argon 返回各种 finishReason 时的下一步：只有带 token 的 CONTINUATION 应原样重发，MAX_TOKENS 调高 maxOutputTokens，没有 finishReason 说明连接被切断](https://blog.laozhang.ai/posts/zh/gemini-4-argon-api-finish-reason/img/finish-reason-next-step.webp) 用 Interactions API 时看到的不是 finishReason，而是 `status`。截至 2026 年 10 月 28 日的 [Interactions 长解码文档](https://ai.google.dev/gemini-api/docs/long-decode)列出的终态有 `completed`（完成）、`requires_action`（模型要求调用工具）、`incomplete`（用完了 `max_output_tokens`，文字可能为空，相当于 `MAX_TOKENS`）、`failed` 和 `cancelled`；续写由服务器在后台完成，客户端没有 `CONTINUATION` 要处理。 ## 开通 Gemini 4 Argon API：没有免费层，先绑结算再设预算 Gemini API 的免费层不能调用 `gemini-4-argon`，模型 2026 年 10 月 13 日正式发布（GA），每个 token 都计费，思考 token 也算在输出里。截至 2026 年 10 月 28 日的 [Gemini API 价格页](https://ai.google.dev/gemini-api/docs/pricing)，每 100 万 token 输入 $2、输出 $10，2026 年 12 月 1 日起调到 $4 / $20。Gemini 应用里的 Google AI Pro、Ultra 订阅和 API 是两套体系，有订阅不等于你的项目能调 API。 1. 在 Google AI Studio 的项目上关联结算账号并预付至少 $5，进入 Tier 1。预付余额降到 0 时，key 会停止工作并返回 HTTP 402。 2. 请求里的模型 ID 写 `gemini-4-argon`。 3. 升级 SDK：`pip install -U "google-genai>=2.30.1"` 或 `npm install "@google/genai@>=2.29.1"`；Go、Java、.NET、Kotlin 的最低版本分别是 1.74.0、1.77.0、1.26.0、1.6.0。更早的版本不会自动续写，输出停在 64K。 4. `maxOutputTokens` 至少设 32,768，因为 Argon 会把更多额度花在思考上；长代码和智能体任务从 65,536 起，难的数学、证明类从 262,144 起试。同时删掉 `temperature`、`top_p`、`top_k`，Argon 会忽略它们并给出警告。 5. `thinking_level` 只能用 `low`、`medium`、`high`，默认 `medium`；Argon 不接受 `minimal`，也不要和 `thinking_budget` 同时设。各档区别见 [Gemini 3.1 Pro 思考级别：LOW/MEDIUM/HIGH 区别与 Gemini 4 默认值](https://blog.laozhang.ai/zh/posts/gemini-3-1-pro-thinking-level)。 6. 把客户端的读取超时设为 20 分钟。服务器对非流式请求 10 分钟后断开、流式 20 分钟后断开，3 分钟或 5 分钟的超时会提前把请求掐掉。Python 写法是 `genai.Client(http_options=types.HttpOptions(timeout=1_200_000))`，单位是毫秒。 截至 2026 年 10 月 22 日更新的 [Gemini API 可用地区列表](https://ai.google.dev/gemini-api/docs/available-regions)不包括中国大陆和香港，从这些地区调用通常要经过 API 中转平台，下文“走中转平台”一节的实测就是这种路径。请求返回 429 属于速率限制，按项目计算，处理方法见 [Gemini API 速率限制 2026：按项目计算，429 对应哪种限额、怎么提额](https://blog.laozhang.ai/zh/posts/gemini-api-rate-limits-guide)。 ## 为什么 SDK 里看不到 CONTINUATION：2.30.1 以上会自动续写 `google-genai` 2.30.1 及以上默认开启 `automatic_continuation`，中间每一跳的 `CONTINUATION` 都被 SDK 自己处理掉，你拿到的是合并后的文字、最后一跳的 `STOP` 和各跳累加的用量。低于这个版本时 SDK 不会续写，而且不报错：它把空文字和 `CONTINUATION` 原样交给你，代码如果只读 `response.text`，看到的就是一个空字符串。 2026 年 10 月 28 日，用一个模仿 `:generateContent` 的本机服务器，按 Google 文档里的响应格式手写了四种情况，分别交给 `google-genai` 2.33.0（当天 PyPI 上的最新版）和 2.29.0，结果如下。模拟响应和真实服务器在细节上可能不同，这组测试说明的是 SDK 怎么处理这些响应。 | 模拟场景 | google-genai 2.33.0 | google-genai 2.29.0 | | --- | --- | --- | | 第一跳 `CONTINUATION` + token，文字为空、思考 32,768 token；第二跳 `STOP` | 发了 2 次请求，第二次带 token，`maxOutputTokens` 仍是 262,144，contents 不变；调用方看到 `STOP` 和完整文字 | 只发 1 次请求；调用方拿到空文字、`CONTINUATION` 和 token，没有报错 | | 同上，设 `automatic_continuation=False` | 只发 1 次请求，调用方看到 `CONTINUATION` 和 token | 没有这个参数 | | `CONTINUATION` 但响应里没有 token | 只发 1 次请求；空文字加 `CONTINUATION`，不抛异常 | 同左 | | `MAX_TOKENS` + token | 只发 1 次请求，不续写；返回已有文字和 token | 同左 | 第一种场景里，2.33.0 报告的 `prompt_token_count` 是 33,008，也就是第一跳的 120 加上第二跳的 32,888（原始提示加第一跳生成的全部内容），而 `initial_prompt_token_count` 是 120。2.33.0 的源码里，只有 finish_reason 为空或为 `CONTINUATION` 时才会续写；流式请求在连续 3 次重连都没拿到新的检查点 token 后放弃。由此得出一条检查规则：SDK 调用返回后，finish_reason 仍是 `CONTINUATION`，说明续写没有发生，要么 SDK 版本太旧，要么 token 在半路被丢了，第三种场景就是后者，它最危险的地方是静默返回空字符串。 ## 不用 SDK 自动续写时，怎样自己写续写循环 直接调用 REST、用的语言没有新版 SDK，或者要自己控制每一跳时，就要自己写循环。按 Google 文档的规则，每一跳都发送相同的 contents、system_instruction、tools 和 generation_config，`maxOutputTokens` 也保持不变，因为它是所有跳合计的上限；不要把已生成的部分拼进 contents，模型的状态（包括思考）都在 token 里，所以每次只发最新的那个 token。finishReason 是 `CONTINUATION` 就继续，其他任何值都停，最后把各跳的 parts 合并成一条模型回复，再放进对话历史。 下面这段 Python 按上述规则写成，2026 年 10 月 28 日在 `google-genai` 2.33.0 和本机模拟服务器上跑过：三跳（空文字、部分文字、`STOP`）时它发出 3 次请求，contents 和 `maxOutputTokens` 每次相同，每次只带最新的 token，最后拼出完整文字；服务器返回不带 token 的 `CONTINUATION` 时，它抛出异常，而不是返回空字符串。走中转平台的原生接口时，在 `HttpOptions` 里加上平台给的 `base_url` 即可。 ```python from google import genai from google.genai import types client = genai.Client( # 默认读取环境变量 GEMINI_API_KEY http_options=types.HttpOptions(timeout=1_200_000), # 20 分钟，单位毫秒 ) PROMPT = "给出素数定理的完整证明。" config = dict( max_output_tokens=262_144, # 所有跳合计的上限，每一跳都填同一个值 thinking_config=types.ThinkingConfig(thinking_level="high"), automatic_continuation=False, # 由下面的循环负责续写 ) parts, token = [], None while True: resp = client.models.generate_content( model="gemini-4-argon", contents=PROMPT, # 每一跳都发原始内容，不要拼上已生成的文字 config=types.GenerateContentConfig(**config, continuation_token=token), ) cand = resp.candidates[0] if cand.content and cand.content.parts: parts.extend(cand.content.parts) token = cand.continuation_token # 只保留最新的 token if cand.finish_reason != types.FinishReason.CONTINUATION or not token: break if cand.finish_reason == types.FinishReason.CONTINUATION: raise RuntimeError("收到 CONTINUATION 却没有 continuationToken，这条路径无法续写") text = "".join(p.text for p in parts if p.text and not p.thought) print(cand.finish_reason, text) ``` 流式循环多一条规则：前 32,768 个 token 之后，流每隔 5,000 个 token 发一次检查点 token。新到的数据块先放进待定列表，收到带 token 的块时再把待定内容转为正式输出并保存这个 token；流中断就丢掉待定内容，从最后一个 token 续上；如果在第一个检查点之前就断了，只能重发原请求。遇到带 token 的 `MAX_TOKENS` 时有两种选择：带着 token 重发，同时把 `maxOutputTokens` 调到高于已用量（否则返回 400 "Continuation token has already used output tokens…"）；或者不带 token、调高预算从头再来，两次的费用都要付。 拿到一次响应后该做什么，可以交给一个判断函数。下面是精简版，只依赖标准库，Python 3.9 及以上可用。2026 年 10 月 28 日，用它处理当天保存的 7 个中转平台真实响应和 4 个模拟响应，11 个都归到了预期的动作；其中拒绝打印 7000 行的那次被判为“完成”，这正是 `STOP` 不代表任务做完的例子。 ```python def next_action(resp: dict) -> str: """输入一次 REST 响应（JSON 转成的 dict），返回下一步该做什么。""" cands = resp.get("candidates") or [] if not cands: if resp.get("promptFeedback", {}).get("blockReason"): return "提示词被拦截：改写提示词，模型没有生成任何内容" return "没有候选：记录原始响应，重试一次" c = cands[0] reason = c.get("finishReason") token = c.get("continuationToken") parts = (c.get("content") or {}).get("parts") or [] text = "".join(p.get("text", "") for p in parts if not p.get("thought")) if not reason: return "连接被切断：有检查点 token 就从它续写，没有就重发原请求" if reason == "STOP": return "完成（模型自己停下，不代表任务做完）" if reason == "CONTINUATION": return ("续写：原样重发同一请求，附上 continuationToken" if token else "token 被中间层丢掉：这条路径无法续写，改走直连或 Interactions 后台执行") if reason == "MAX_TOKENS": hint = "（文字为空：预算全花在思考上）" if not text else "" tail = "，并附上这个 token" if token else "；没有 token，只能从头重来" return f"调高预算{hint}：提高 maxOutputTokens 后重发{tail}" if reason in ("SAFETY", "PROHIBITED_CONTENT", "BLOCKLIST", "SPII", "RECITATION", "LANGUAGE"): return f"内容拦截（{reason}）：改提示词或输入，原样重试没用" if reason in ("MALFORMED_FUNCTION_CALL", "UNEXPECTED_TOOL_CALL", "TOO_MANY_TOOL_CALLS", "MISSING_THOUGHT_SIGNATURE", "MALFORMED_RESPONSE"): return f"工具或格式问题（{reason}）：检查工具声明、带回思考签名后重试" return f"其他（{reason}）：记录 finishMessage，重试一次" def next_action_openai(resp: dict, max_tokens: int) -> str: """OpenAI 兼容接口：用满 max_tokens 就当作截断，不管 finish_reason 写的是什么。""" choice = (resp.get("choices") or [{}])[0] used = (resp.get("usage") or {}).get("completion_tokens", 0) if choice.get("finish_reason") == "length" or used >= max_tokens: return "被截断：调高 max_tokens；这个接口不能续写" return "完成" if choice.get("finish_reason") in ("stop", "tool_calls") else "需要人工检查" ``` ## 走中转平台或 OpenAI 兼容接口：哪些情况续写不了 OpenAI 兼容接口续写不了。Google 自己的兼容端点 `https://generativelanguage.googleapis.com/v1beta/openai/` 在长解码文档里写明不支持长解码，输出到单次上限就停；Interactions API 不开后台执行时，`max_output_tokens` 超过 65,536 会直接返回 400。中转平台能不能把 `continuationToken` 原样转回给你，取决于平台，公开资料里很少写明。需要超过单次上限的长回答，只有两条路：原生 `generateContent` 配合新版 SDK 或上一节的循环，或者 Interactions API 设 `background: true`、`store: true`、`max_output_tokens` 大于 65,536，由服务器在后台续写，最长运行 24 小时。 把 OpenAI SDK 指向 Google 或中转平台的地址，配置方法见 [OpenAI base_url 怎么改：/v1、优先级与排错](https://blog.laozhang.ai/zh/posts/openai-base-url-override)。在 Google 的兼容端点上，`reasoning_effort` 的 low、medium、high 对应 Argon 的同名思考级别，minimal 在 Google 的映射表里对应 low。 下表是 2026 年 10 月 28 日的实测，路径是“本机 HTTP 代理 → laozhang.ai 网关”，网关同时提供 Gemini 原生的 `generateContent` 和 OpenAI 兼容的 `/v1/chat/completions`。这只是一家平台、一个 key、一天的结果，不代表 Google 直连或其他平台。 *说明：[laozhang.ai 是我们自己的服务](https://blog.laozhang.ai/zh/about#laozhang)，其价格是平台报价，不是独立比较的结论。* | 请求 | 返回 | 说明 | | --- | --- | --- | | 原生非流式，`maxOutputTokens` 64，思考 low，长回答 | `MAX_TOKENS`，291 个字符，响应里没有 `continuationToken` | 无法续写，同样的请求再发一次是从头重写 | | 原生非流式，`maxOutputTokens` 200，思考 high，数学难题 | `MAX_TOKENS`，文字 0 个字符（思考 197 + 输出 3 token） | 预算全被思考用掉 | | 原生非流式，`maxOutputTokens` 40,000，只要求回复 OK | 200，`STOP`，“OK” | 没有出现 Google 文档所说的 400 | | 原生，`thinkingLevel` 设为 minimal | HTTP 500，“上游服务异常，请重试，或联系网站客服”，code "402" | 网关替换了上游的报错 | | OpenAI 兼容，`max_tokens` 64，长回答 | `completion_tokens` 64，`finish_reason` "stop" | 明明被截断，却不是 "length" | | OpenAI 兼容，`max_tokens` 40,000，只要求回复 OK | "stop"，5 个 token | 正常完成 | | 原生非流式，`maxOutputTokens` 33,000，生成 2,500 行三语 CSV | 300.9 秒时连接被关闭，没有响应体 | 切断发生在代理还是网关，无法区分 | | 原生流式 SSE，同上 | 993 个事件、74,760 个字符（写到第 1,065 行），302.5 秒时流结束 | 没有 finishReason、没有最终用量、没有检查点 token | 前两行说明，这条路径上的 `MAX_TOKENS` 不带 token，而 Google 文档写的是 Argon 的 `MAX_TOKENS` 仍会附带 token，所以在这种路径上只能调高预算从头重来。第五行说明，Chat Completions 截断时惯常返回的 "length" 在这里变成了 "stop"，Google 的兼容文档也没有写明映射，可靠的判断是 `completion_tokens` 是否达到 `max_tokens`。第四行说明，网关可能把上游的真实报错换成一句笼统的提示，排查时先用一个极小的请求逐项改参数，找出是哪个字段触发的。11 次请求按 Google 标价（每 100 万 token 输入 $2、输出 $10）计算，并把两次中途断开的长请求按全额计入，最坏情况合计 $0.59。 ## 流结束了却没有 finishReason，算成功吗 不算。每一跳正常结束时，最后一个数据块都会带 finishReason，流在没有它的情况下结束，说明连接被切断，回答不完整。接下来怎么做取决于有没有收到过检查点 token：收到过，就丢掉最后一个检查点之后的待定内容，带着那个 token 续上；没收到过（流在前 32,768 个 token 内断开），只能重发原请求。新版 SDK 的流式调用会自动从检查点恢复，连续 3 次重连没有进展才放弃。 上表最后一行就是这种情况：流里有 74,760 个字符，中间块报告的 `candidatesTokenCount` 是 0，结束时没有 finishReason，也没有任何检查点 token，所以没有可以续上的位置。两次长请求都在 300 秒左右被切断，远早于 Google 文档里服务器 10 分钟（非流式）和 20 分钟（流式）的断开时间，如果你也在固定时长处被切断，先查客户端、本机代理和中转平台各自的超时设置。按 Google 直连的计费规则，流在 32K token 之前断开不收费，之后按最后一个检查点收费；非流式请求失败或断开也不收费。 ## 长解码后 prompt_token_count 为什么大好几倍 因为每一跳都会把原始提示加上之前生成的全部内容重新作为输入，SDK 再把各跳的输入加起来。Google 长解码文档的例子是：1,000 token 的提示生成 200,000 token 的思考和输出，走 SDK 需要 4 跳，各跳输入分别是 1,000、66,536、132,072、197,608，`prompt_token_count` 合计 397,216，`total_token_count` 约 597,000，而实际的上下文只有约 201,000；换成每跳 32K 的非流式 REST 循环要 7 跳，输入合计 695,128。 ![Google 长解码示例中 4 跳的输入 token 依次为 1,000、66,536、132,072、197,608，prompt_token_count 合计 397,216，实际上下文约 201,000](https://blog.laozhang.ai/posts/zh/gemini-4-argon-api-finish-reason/img/long-decode-hops.webp) 所以这两个累加值只能用来算钱，不能拿来判断上下文还剩多少，也不能用来触发对话压缩。要知道提示本身有多大，Python 读 `usage_metadata.initial_prompt_token_count`，JavaScript 读 `usageMetadata.initialPromptTokenCount`；这个字段由 SDK 在本地算出，REST 响应和 `model_dump()` 的输出里都没有，需要的话要单独保存。自己写循环或自己做中转时，各字段按跳相加用于计费，提示大小取第一跳的 `promptTokenCount`。 计费上，每一跳的每个 token 都要付费，只有思考的那一跳也一样。重复的跳间输入会命中隐式缓存，打 95% 的折扣，截至 2026 年 10 月 28 日，推广期内缓存输入是每 100 万 token $0.10，而不是 $2；缓存闲置 15 到 20 分钟就失效，跳与跳之间停顿太久，重复部分会按全价重新计费。 ## 参考来源 本文引用的外部页面，按正文出现顺序排列。最后更新于 2026-10-28。 - [Gemini API 长解码文档（GenerateContent）](https://ai.google.dev/gemini-api/docs/generate-content/long-decode) (ai.google.dev) - [Gemini API generateContent 参考文档](https://ai.google.dev/api/generate-content) (ai.google.dev) - [Interactions 长解码文档](https://ai.google.dev/gemini-api/docs/long-decode) (ai.google.dev) - [Gemini API 价格页](https://ai.google.dev/gemini-api/docs/pricing) (ai.google.dev) - [Gemini API 可用地区列表](https://ai.google.dev/gemini-api/docs/available-regions) (ai.google.dev)