ویژگی‌های جدید Gemini 4 Argon

‫Gemini 4 Argon (gemini-4-argon) جدیدترین و توانمندترین مدل ما است. این مدل می‌تواند برای مدت طولانی‌تری درباره مسائل دشوار استدلال کند تا نتایج بهتری در تکالیف پیچیده کدنویسی، عامل‌گرا، ریاضی، و علمی ارائه دهد. ‫Gemini 4 Argon ازطریق Gemini API و در Google AI Studio دردسترس است.

‫Gemini 4 Argon از حد یکپارچه ۱ میلیون داده‌واحد ورودی-خروجی، رمزگشایی طولانی تا ۱ میلیون داده‌واحد، و سطوح تفکر قابل‌تنظیم (low، medium، high) پشتیبانی می‌کند.

این راهنما ویژگی‌های جدید Gemini 4 Argon، تغییرات API، نمونه‌های کد، و راهنمای انتقال را توضیح می‌دهد.

مدل جدید

راه‌اندازی سریع

از مثال زیر برای ارسال درخواست به gemini-4-argon با thinking_level پیش‌فرض توصیه‌شده (medium) و محدودیت ۶۴ هزار کد برونداد استفاده کنید:

pip install -U "google-genai>=2.30.1"

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-4-argon",
    contents="Write a three.js script that renders a realistic 3D black hole with gravitational lensing.",
    config=types.GenerateContentConfig(
        max_output_tokens=65536,
        thinking_config=types.ThinkingConfig(thinking_level="medium"),
    ),
)

print(response.text)

npm install "@google/genai@>=2.29.1"

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

const response = await ai.models.generateContent({
  model: "gemini-4-argon",
  contents: "Write a three.js script that renders a realistic 3D black hole with gravitational lensing.",
  config: {
    maxOutputTokens: 65536,
    thinkingConfig: {
      thinkingLevel: "medium",
    },
  },
});

console.log(response.text);

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-4-argon:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [{
      "parts": [{"text": "Write a three.js script that renders a realistic 3D black hole with gravitational lensing."}]
    }],
    "generationConfig": {
      "maxOutputTokens": 65536,
      "thinkingConfig": {
        "thinkingLevel": "medium"
      }
    }
  }'

ویژگی‌های جدید Gemini 4 Argon

• محدودیت یکپارچه ۱ میلیون داده‌واحد ورودی-خروجی: داده‌واحد ورودی، تفکر، و خروجی یک پنجره ۱ میلیون داده‌واحدی را به‌طور مشترک استفاده می‌کنند، با سقف ۳۲ هزار داده‌واحد برای هر درخواست در تماس‌های غیرجاری‌سازی و سقف ۶۴ هزار داده‌واحد برای هر جاری‌سازی در تماس‌های جاری‌سازی.
• رمزگشایی طولانی تا ۱ میلیون داده‌واحد: مدل می‌تواند فراتر از سقف هر درخواست، تا ۱ میلیون داده‌واحد منهای ورودی شما تولید کند. جدیدترین «کیت‌های توسعه نرم‌افزار هوش مصنوعی زایا Google» به‌طور پیش‌فرض برای شما ادامه می‌یابد.
• درک ویدیو مبتنی بر عامل (GA): درک ویدیو مبتنی بر عامل اکنون به‌طور عمومی دردسترس است.
• پشتیبانی‌شده در «عامل‌های مدیریت‌شده»: عامل «ضدجاذبه» در «عامل‌های مدیریت‌شده Gemini» اکنون از Gemini 4 Argon پشتیبانی می‌کند.

برای جزئیات بیشتر، به صفحه مدل Gemini 4 Argon مراجعه کنید. برای جزئیات قیمت‌گذاری، صفحه قیمت‌گذاری را ببینید.

برونداد بزرگ‌تر و کدگذاری طولانی

وقتی تکلیفی به استدلال عمیق نیاز داشته باشد، Gemini 4 Argon می‌تواند مدت بیشتری فکر کند و سخت‌تر کار کند تا مسائل پیچیده ریاضی، علوم، و کدنویسی را در یک مرحله تولید کند.

• حد یکپارچه ۱ میلیون داده‌واحد ورودی-برونداد: Argon می‌تواند تا ۱ میلیون داده‌واحد، منهای داده‌واحدهای ورودی شما، برای ترکیب اندیشیدن و برونداد استفاده کند.
• تعداد نشانه‌های اندیشیدن در max_output_tokens محاسبه می‌شود: در تکالیف دشوار، مدل از بودجه max_output_tokens شما بیشتر استفاده می‌کند تا به پاسخ بهتری دست یابد. از thinking_level برای کنترل استفاده از کد استفاده کنید.
• سقف‌های هر درخواست (۶۴ هزار جاری‌سازی / ۳۲ هزار غیرجاری‌سازی): یک درخواست جاری‌سازی حداکثر ۶۵٬۵۳۶ کد برمی‌گرداند. یک درخواست غیر جاری‌سازی حداکثر ۳۲٬۷۶۸ واحد برمی‌گرداند، درحالی‌که در Gemini 3.x این مقدار ۶۵٬۵۳۶ واحد بود. برای تماس‌های REST، این محدودیت‌ها نیز پیش‌فرض هستند.

جدیدترین «کیت‌های توسعه نرم‌افزار Google GenAI» به‌طور پیش‌فرض رمزگشایی طولانی را برای شما اجرا می‌کنند. از Python google-genai نسخه ۲.۳۰.۱ یا بالاتر، یا JavaScript @google/genai نسخه ۲.۲۹.۱ یا بالاتر استفاده کنید.

در این نسخه‌ها، automatic_continuation به‌طور پیش‌فرض True است، بنابراین نیازی به تنظیم آن ندارید. وقتی max_output_tokens را بالاتر از سقف هر درخواست تنظیم می‌کنید، generate_content و generate_content_stream به‌طور خودکار در درخواست‌ها ادامه می‌یابند تا زمانی که مدل تمام شود یا به max_output_tokens برسد و یک پاسخ ترکیبی برگرداند.

response = client.models.generate_content(
    model="gemini-4-argon",
    contents="Write a complete, rigorous proof of the prime number theorem.",
    config=types.GenerateContentConfig(
        max_output_tokens=262144,
        thinking_config=types.ThinkingConfig(thinking_level="high"),
        automatic_continuation=True,  # Default.
    ),
)

برای اجرای حلقه خودتان، automatic_continuation=False را تنظیم کنید. اگر REST را فراخوانی کنید یا از کیت توسعه نرم‌افزار قدیمی‌تری استفاده کنید، درخواست‌ها در سقف هر درخواست متوقف می‌شوند. برای حلقه‌های REST، چارچوب‌های شخص ثالث، شمارش داده‌واحد، و زمان استفاده از رمزگشایی طولانی، به راهنمای رمزگشایی طولانی مراجعه کنید.

تنظیم محدودیت‌های داده‌واحد برونداد

‫max_output_tokens مجموع توکن‌های استدلال و برونداد را برای یک تولید، ازجمله همه درخواست‌های ادامه، تنظیم می‌کند. آن را به‌اندازه‌ای بالا تنظیم کنید که فکر کردن باعث کوتاه شدن پاسخ نشود. آن را به‌اندازه‌ای پایین تنظیم کنید که وقتی پیام‌واره سخت از همه آن استفاده می‌کند، هزینه را محدود کند.

از راهنمایی‌های زیر به‌عنوان نقطه شروع استفاده کنید:

• تکالیف استاندارد: پیش‌فرض را حفظ کنید.
• برنامه‌های موجود با محدودیت کمتر از ۳۲ هزار: max_output_tokens را به ۳۲٬۷۶۸ افزایش دهید. برای استفاده از نشان‌های کمتر، thinking_level را کاهش دهید.
• تکالیفی که قبلاً از بیش‌از ۳۲ هزار توکن استفاده می‌کردند: max_output_tokens را روی ۶۵٬۵۳۶ تنظیم کنید.
• استدلال پیچیده و کدنویسی: max_output_tokens را روی ۱۳۱۰۷۲ یا ۲۶۲۱۴۴ تنظیم کنید، تا ۱۰۴۸۵۷۶ منهای نشان‌های ورودی شما.

اگر در درخواستی از همه max_output_tokens استفاده شود، finish_reason: "MAX_TOKENS" برمی‌گرداند و continuation_token را دربرمی‌گیرد. می‌توانید ازسر بگیرید یا دوباره شروع کنید.

• ازسرگیری از نقطه بازرسی: درخواست اصلی را با جدیدترین continuation_token و max_output_tokens بالاتر ارسال کنید. اگر max_output_tokens را افزایش ندهید، درخواست 400 INVALID_ARGUMENT برمی‌گردد.
• شروع مجدد: درخواست اصلی را با max_output_tokens بالاتر و بدون continuation_token ارسال کنید.

آشنایی با سطوح اندیشیدن

سطح اندیشیدن کنترل اصلی شما بر کیفیت، تأخیر، و استفاده از نمانه در Gemini 4 Argon است:

ارزیابی‌هایتان را در هر سه سطح با max_output_tokens بالا اجرا کنید تا حد مجاز پاسخ‌ها را کوتاه نکند. سپس پایین‌ترین thinking_level را که با سطح کیفیت شما مطابقت دارد انتخاب کنید.

بازبینه انتقال

  `/gemini-api-dev migrate my app to Gemini 4 Argon`

انتقال به gemini-4-argon

• شناسه مدل را به‌روز کنید: رشته مدل را به gemini-4-argon تغییر دهید.
• تنظیم max_output_tokens به‌طور صریح: مقدار پیش‌فرض برای جاری‌سازی و فراخوانی‌های کیت توسعه نرم‌افزار ۶۴ هزار و برای فراخوانی‌های REST غیرجاری‌سازی ۳۲ هزار است.
• افزایش سقف‌های کمتر از ۳۲ هزار: هر سقفی را که کمتر از ۳۲ هزار است به حداقل ۳۲٬۷۶۸ افزایش دهید. از thinking_level برای کاهش هزینه کردن کد استفاده کنید.
• برنامه‌ریزی برای رمزگشایی طولانی: برای تکالیف بالاتر از سقف هر درخواست، از جدیدترین کیت توسعه نرم‌افزار استفاده کنید یا حلقه continuation_token اضافه کنید.
• جایگزینی thinking_budget با thinking_level: thinking_budget همچنان کار می‌کند و به نزدیک‌ترین thinking_level نگاشت می‌شود، اما هشدار برمی‌گرداند. بار کاری‌تان را در low، medium، و high آزمایش کنید.
• از حافظه پنهان بافت صریح استفاده نکنید: حافظه پنهان صریح (cachedContents / caches.create) در Gemini 4 Argon پشتیبانی نمی‌شود و خطا برمی‌گرداند. فراخوانی‌هایی را که cached_content را در GenerateContentConfig ایجاد یا ارسال می‌کنند بردارید. ذخیره نهان ضمنی به‌طور پیش‌فرض برای پیام‌واره‌های حداقل ۴٬۰۹۶ کد فعال است و کدهای ورودی ذخیره‌شده در حافظه نهان را در بازدیدهای حافظه نهان ۹۵٪ تخفیف می‌دهد.
• برداشتن پارامترهای منسوخ: temperature،‏ top_p،‏ top_k، و candidate_count را از درخواست‌ها بردارید. اگر ارائه شده باشد، پارامترهای نمونه‌برداری نادیده گرفته می‌شود.
• افزایش درنگ‌های کارخواه: درنگ‌های کارخواه HTTP را حداقل روی ۲۰ دقیقه برای هر تماس تنظیم کنید.
• حفظ نشان‌های فکری: در درخواست‌های چند نوبتی و فراخوانی تابع، سابقه کامل مکالمه، ازجمله نشان‌های فکری، را ارسال کنید.

قیمت‌گذاری

‫Gemini 4 Argon با قیمت آغازین تا ۳۰ نوامبر ۲۰۲۶ دردسترس است:

• داده‌واحد ورودی: ۲ دلار به‌ازای هر ۱ میلیون داده‌واحد (از ۱ دسامبر ۲۰۲۶، ۴ دلار)
  • داده‌واحدهای ورودی ذخیره‌شده: ذخیره‌سازی ضمنی داده‌واحدهای ورودی ذخیره‌شده را تا ۹۵٪ تخفیف می‌دهد و به ۰٫۱۰ دلار برای ۱ میلیون داده‌واحد می‌رساند (از ۱ دسامبر ۲۰۲۶، ۰٫۲۰ دلار).
• داده‌واحدهای برونداد، ازجمله داده‌واحدهای تفکر: ۱۰ دلار به‌ازای هر ۱ میلیون داده‌واحد (از ۱ دسامبر ۲۰۲۶، ۲۰ دلار)

‫Gemini 4 Argon در سطح «رایگان» یا در طرح Google AI Pro دردسترس نیست. برای سطوح قیمت‌گذاری کامل، صفحه قیمت‌گذاری را ببینید.

مدل‌های دیگر

• ‫Gemini 3.8 Flash
• ‫Gemini 3.6 Flash و ‎3.5 Flash-Lite
• دیدن همه مدل‌ها

قدم بعدی چیست

• برای الگوهای جاری‌سازی کامل، اتصال مجدد، و شمارش نشان، راهنمای توسعه‌دهنده رمزگشایی طولانی را بخوانید.
• در راهنمای تفکر با نحوه عملکرد سطوح تفکر و خلاصه‌های فکر آشنا شوید.
• ‫Gemini 4 Argon را در Google AI Studio آزمایش کنید.