Có gì mới trong Gemini 4 Argon

Gemini 4 Argon (gemini-4-argon) là mô hình mới nhất và mạnh nhất của Google. Mô hình này có thể suy luận lâu hơn về các vấn đề khó để đưa ra kết quả tốt hơn cho các nhiệm vụ phức tạp về lập trình, tác nhân, toán học và khoa học. Gemini 4 Argon có trong Gemini API và Google AI Studio.

Gemini 4 Argon hỗ trợ giới hạn chung là 1 triệu token đầu vào và đầu ra, khả năng giải mã dài lên đến 1 triệu token và các cấp độ suy nghĩ có thể điều chỉnh (low, medium, high).

Hướng dẫn này giải thích những điểm mới trong Gemini 4 Argon, các thay đổi về API, ví dụ về mã và hướng dẫn di chuyển.

Mô hình mới

Bắt đầu nhanh

Hãy sử dụng ví dụ sau để gửi yêu cầu đến gemini-4-argon bằng thinking_level mặc định được đề xuất (medium) và giới hạn mã thông báo đầu ra là 64K:

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"
      }
    }
  }'

Tính năng mới trong Gemini 4 Argon

• Hạn mức chung là 1 triệu token đầu vào và đầu ra: Token đầu vào, suy nghĩ và đầu ra dùng chung một cửa sổ 1 triệu token, với giới hạn 32.000 token cho mỗi yêu cầu đối với lệnh gọi không truyền trực tuyến và giới hạn 64.000 token cho mỗi luồng đối với lệnh gọi truyền trực tuyến.
• Giải mã dài lên đến 1 triệu token: Mô hình có thể tạo ra kết quả vượt quá giới hạn cho mỗi yêu cầu, lên đến 1 triệu token trừ đi dữ liệu đầu vào của bạn. Các SDK GenAI mới nhất của Google sẽ tiếp tục hoạt động cho bạn theo mặc định.
• Tính năng hiểu video dựa trên tác nhân (GA): Tính năng hiểu video dựa trên tác nhân hiện đã được cung cấp ở giai đoạn phát hành rộng rãi.
• Được hỗ trợ trong Managed Agents: Tác nhân Antigravity trong Gemini Managed Agents hiện hỗ trợ Gemini 4 Argon.

Để biết thêm thông tin, hãy xem trang về mô hình Gemini 4 Argon. Để biết thông tin chi tiết về giá, hãy xem trang giá.

Dữ liệu đầu ra lớn hơn và giải mã dài

Khi một nhiệm vụ đòi hỏi khả năng suy luận sâu, Gemini 4 Argon có thể suy nghĩ lâu hơn và nỗ lực hơn để giải quyết các bài toán, vấn đề khoa học và lập trình phức tạp chỉ trong một lần tạo.

• Hạn mức kết hợp 1 triệu token đầu vào và đầu ra: Argon có thể sử dụng tối đa 1 triệu token (trừ đi số token đầu vào) cho cả quá trình suy luận và kết quả đầu ra.
• Token tư duy được tính vào max_output_tokens: Đối với các nhiệm vụ khó, mô hình sẽ sử dụng nhiều hạn mức max_output_tokens hơn để đưa ra câu trả lời tốt hơn. Dùng thinking_level để kiểm soát việc sử dụng mã thông báo.
• Giới hạn cho mỗi yêu cầu (64.000 cho yêu cầu truyền trực tuyến / 32.000 cho yêu cầu không truyền trực tuyến): Một yêu cầu truyền trực tuyến trả về tối đa 65.536 mã thông báo. Một yêu cầu không truyền trực tuyến trả về tối đa 32.768 mã thông báo, giảm từ 65.536 trên Gemini 3.x. Đối với lệnh gọi REST, các giới hạn này cũng là giới hạn mặc định.

Các SDK GenAI mới nhất của Google chạy giải mã dài cho bạn theo mặc định. Sử dụng Python google-genai 2.30.1 trở lên hoặc JavaScript @google/genai 2.29.1 trở lên.

Trong các phiên bản này, automatic_continuation được đặt thành True theo mặc định, nên bạn không cần đặt giá trị này. Khi bạn đặt max_output_tokens cao hơn giới hạn cho mỗi yêu cầu, generate_content và generate_content_stream sẽ tự động tiếp tục trên các yêu cầu cho đến khi mô hình hoàn tất hoặc đạt đến max_output_tokens, trả về một phản hồi kết hợp.

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.
    ),
)

Để tự chạy vòng lặp, hãy đặt automatic_continuation=False. Nếu bạn gọi REST hoặc sử dụng SDK cũ, các yêu cầu sẽ dừng ở hạn mức theo yêu cầu. Đối với vòng lặp REST, khung của bên thứ ba, việc đếm mã thông báo và thời điểm sử dụng tính năng giải mã dài, hãy xem hướng dẫn giải mã dài.

Đặt giới hạn mã thông báo đầu ra

max_output_tokens đặt tổng số mã thông báo suy nghĩ và đầu ra cho một lần tạo, bao gồm tất cả các yêu cầu tiếp tục. Đặt giá trị này đủ cao để suy nghĩ không làm câu trả lời bị cắt ngắn. Đặt hạn mức đủ thấp để giới hạn mức chi tiêu khi một lời nhắc cố định sử dụng hết hạn mức.

Hãy tham khảo hướng dẫn sau đây để bắt đầu:

• Việc cần làm thông thường: Giữ nguyên chế độ mặc định.
• Các ứng dụng hiện có có giới hạn thấp hơn 32K: Tăng max_output_tokens lên 32.768. Để sử dụng ít mã thông báo hơn, hãy giảm thinking_level.
• Những tác vụ trước đây sử dụng hơn 32.000 mã thông báo: Đặt max_output_tokens thành 65.536.
• Lập luận và lập trình phức tạp: Đặt max_output_tokens thành 131.072 hoặc 262.144, tối đa là 1.048.576 trừ đi số mã thông báo đầu vào.

Nếu một yêu cầu sử dụng tất cả max_output_tokens, thì yêu cầu đó sẽ trả về finish_reason: "MAX_TOKENS" và bao gồm continuation_token. Bạn có thể tiếp tục hoặc bắt đầu lại.

• Tiếp tục từ điểm kiểm tra: Gửi yêu cầu ban đầu kèm theo continuation_token mới nhất và max_output_tokens cao hơn. Nếu bạn không tăng max_output_tokens, yêu cầu sẽ trả về 400 INVALID_ARGUMENT.
• Bắt đầu lại: Gửi yêu cầu ban đầu với max_output_tokens cao hơn và không có continuation_token.

Tìm hiểu về các cấp độ tư duy

Mức độ suy nghĩ là yếu tố kiểm soát chính đối với chất lượng, độ trễ và mức sử dụng mã thông báo trong Gemini 4 Argon:

Chạy các bản đánh giá ở cả ba cấp độ với max_output_tokens cao để giới hạn không cắt ngắn câu trả lời. Sau đó, hãy chọn thinking_level thấp nhất đáp ứng tiêu chuẩn chất lượng của bạn.

Danh sách kiểm tra cho quá trình di chuyển

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

Di chuyển sang gemini-4-argon

• Cập nhật mã nhận dạng mô hình: Thay đổi chuỗi mô hình thành gemini-4-argon.
• Đặt max_output_tokens một cách rõ ràng: Giá trị mặc định là 64K cho các lệnh gọi phát trực tuyến và SDK, còn 32K cho các lệnh gọi REST không phát trực tuyến.
• Tăng giới hạn thấp hơn 32K: Tăng mọi giới hạn thấp hơn 32K lên ít nhất là 32.768. Sử dụng thinking_level để giảm mức tiêu thụ mã thông báo.
• Lên kế hoạch cho quá trình giải mã dài: Đối với các tác vụ vượt quá giới hạn cho mỗi yêu cầu, hãy sử dụng SDK mới nhất hoặc thêm vòng lặp continuation_token.
• Thay thế thinking_budget bằng thinking_level: thinking_budget vẫn hoạt động và liên kết với thinking_level gần nhất, nhưng sẽ trả về một cảnh báo. Kiểm thử khối lượng công việc ở low, medium và high.
• Ngừng sử dụng tính năng lưu vào bộ nhớ đệm ngữ cảnh rõ ràng: Tính năng lưu vào bộ nhớ đệm rõ ràng (cachedContents / caches.create) không được hỗ trợ trên Gemini 4 Argon và sẽ trả về lỗi. Xoá các lệnh gọi tạo hoặc truyền cached_content trong GenerateContentConfig. Tính năng lưu trữ ngầm được bật theo mặc định cho các câu lệnh có ít nhất 4.096 token và giảm giá 95% cho các token đầu vào được lưu vào bộ nhớ đệm khi có kết quả tìm kiếm trong bộ nhớ cache.
• Xoá các tham số không dùng nữa: Xoá temperature, top_p, top_k và candidate_count khỏi yêu cầu. Nếu được cung cấp, các thông số lấy mẫu sẽ bị bỏ qua.
• Tăng thời gian chờ của máy khách: Đặt thời gian chờ của máy khách HTTP thành ít nhất 20 phút cho mỗi lệnh gọi.
• Lưu giữ chữ ký suy nghĩ: Truyền toàn bộ nhật ký trò chuyện, bao gồm cả chữ ký suy nghĩ, trong các yêu cầu nhiều lượt và yêu cầu gọi hàm.

Giá

Gemini 4 Argon có giá ưu đãi đến hết ngày 30 tháng 11 năm 2026:

• Token đầu vào: 2 USD/1 triệu token (4 USD kể từ ngày 1 tháng 12 năm 2026)
  • Mã thông báo đầu vào được lưu vào bộ nhớ đệm: Tính năng lưu vào bộ nhớ đệm ngầm ẩn giúp giảm 95% chi phí cho dữ liệu đầu vào được lưu vào bộ nhớ đệm, xuống còn 0,1 USD/1 triệu mã thông báo (0,2 USD kể từ ngày 1 tháng 12 năm 2026).
• Token đầu ra, bao gồm cả token tư duy: 10 USD/1 triệu token (20 USD kể từ ngày 1 tháng 12 năm 2026)

Gemini 4 Argon không có trong gói Miễn phí hoặc gói Google AI Pro. Để xem các cấp giá đầy đủ, hãy xem trang giá.

Các mô hình khác

• Gemini 3.8 Flash
• Gemini 3.6 Flash và 3.5 Flash-Lite
• Xem tất cả mẫu xe

Bước tiếp theo

• Đọc hướng dẫn cho nhà phát triển về quy trình giải mã dài để biết đầy đủ các mẫu truyền trực tuyến, kết nối lại và đếm mã thông báo.
• Tìm hiểu cách hoạt động của các cấp độ suy nghĩ và bản tóm tắt suy nghĩ trong hướng dẫn về suy nghĩ.
• Thử nghiệm Gemini 4 Argon trong Google AI Studio.