Novidades do Gemini 4 Argon

O Gemini 4 Argon (gemini-4-argon) é nosso modelo mais recente e avançado. Ele pode raciocinar por mais tempo sobre problemas difíceis para gerar resultados melhores em tarefas complexas de programação, agentes, matemática e ciências. O Gemini 4 Argon está disponível pela API Gemini e no Google AI Studio.

O Gemini 4 Argon é compatível com um limite unificado de 1 milhão de tokens de entrada e saída, decodificação longa de até 1 milhão de tokens e níveis de raciocínio ajustáveis (low, medium, high).

Este guia explica as novidades do Gemini 4 Argon, as mudanças na API, exemplos de código e orientações de migração.

Novo modelo

Guia de início rápido

Use o exemplo a seguir para enviar uma solicitação para gemini-4-argon com o thinking_level padrão recomendado (medium) e um limite de token de saída de 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"
      }
    }
  }'

Novidades do Gemini 4 Argon

• Limite unificado de 1 milhão de tokens de entrada e saída:os tokens de entrada, pensamento e saída compartilham uma única janela de 1 milhão de tokens, com um limite de 32 mil por solicitação para chamadas sem streaming e de 64 mil por stream para chamadas com streaming.
• Decodificação longa de até 1 milhão de tokens:o modelo pode gerar além do limite por solicitação, até 1 milhão de tokens menos sua entrada. Os SDKs mais recentes da IA generativa do Google continuam disponíveis para você por padrão.
• Compreensão agêntica de vídeos (GA): a compreensão agêntica de vídeos agora está em disponibilidade geral.
• Disponível nos Agentes Gerenciados:o agente do Antigravity nos Agentes Gerenciados do Gemini agora é compatível com o Gemini 4 Argon.

Para mais detalhes, consulte a página do modelo Gemini 4 Argon. Para mais detalhes, consulte a página de preços.

Saída maior e decodificação longa

Quando uma tarefa exige raciocínio profundo, o Gemini 4 Argon pode pensar por mais tempo e se esforçar mais para resolver problemas complexos de matemática, ciências e programação em uma única geração.

• Limite unificado de 1 milhão de tokens de entrada e saída:o Argon pode usar até 1 milhão de tokens, menos os tokens de entrada, para o raciocínio e a saída combinados.
• Os tokens de raciocínio são contabilizados no max_output_tokens:em tarefas difíceis, o modelo usa mais do seu orçamento de max_output_tokens para chegar a uma resposta melhor. Use thinking_level para controlar o uso de tokens.
• Limites por solicitação (64 mil para streaming / 32 mil para não streaming): uma solicitação de streaming retorna até 65.536 tokens. Uma solicitação sem streaming retorna até 32.768 tokens, em comparação com 65.536 no Gemini 3.x. Para chamadas REST, esses limites também são os padrões.

Os SDKs mais recentes da IA generativa do Google executam a decodificação longa por padrão. Use o Python google-genai 2.30.1 ou mais recente ou o JavaScript @google/genai 2.29.1 ou mais recente.

Nessas versões, automatic_continuation é True por padrão, então não é necessário defini-lo. Quando você define max_output_tokens acima do limite por solicitação, generate_content e generate_content_stream continuam automaticamente entre as solicitações até que o modelo termine ou alcance max_output_tokens, retornando uma resposta combinada.

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.
    ),
)

Para executar o loop por conta própria, defina automatic_continuation=False. Se você chamar a REST ou usar um SDK mais antigo, as solicitações vão parar no limite por solicitação. Para loops REST, frameworks de terceiros, contagem de tokens e quando usar a decodificação longa, consulte o guia de decodificação longa.

Como definir limites de tokens de saída

max_output_tokens define o total de tokens de processamento e saída para uma geração, incluindo todas as solicitações de continuação. Defina um valor alto o suficiente para que o pensamento não interrompa a resposta. Defina um valor baixo o suficiente para limitar os gastos quando um comando fixo usar todo o orçamento.

Use as orientações a seguir como ponto de partida:

• Tarefas padrão:mantenha o padrão.
• Apps com um limite inferior a 32 mil:aumente max_output_tokens para 32.768. Para usar menos tokens, diminua thinking_level.
• Tarefas que usavam mais de 32 mil tokens antes:defina max_output_tokens como 65.536.
• Raciocínio e programação complexos:defina max_output_tokens como 131.072 ou 262.144, até 1.048.576 menos os tokens de entrada.

Se uma solicitação usar todo o max_output_tokens, ela vai retornar finish_reason: "MAX_TOKENS" e incluir um continuation_token. Você pode retomar ou começar de novo.

• Retomar do checkpoint:envie a solicitação original com o continuation_token mais recente e um max_output_tokens maior. Se você não gerar max_output_tokens, a solicitação vai retornar 400 INVALID_ARGUMENT.
• Comece de novo:envie a solicitação original com um max_output_tokens maior e sem continuation_token.

Entender os níveis de raciocínio

O nível de raciocínio é o principal controle sobre qualidade, latência e uso de tokens no Gemini 4 Argon:

Execute as avaliações nos três níveis com um max_output_tokens alto para que o limite não corte as respostas. Em seguida, escolha o menor thinking_level que atenda ao seu padrão de qualidade.

Checklist de migração

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

Migrar para o gemini-4-argon

• Atualize o ID do modelo:mude a string do modelo para gemini-4-argon.
• Defina max_output_tokens explicitamente:o padrão é 64 mil para chamadas de streaming e do SDK e 32 mil para chamadas REST que não são de streaming.
• Aumentar limites inferiores a 32 mil:aumente qualquer limite inferior a 32 mil para pelo menos 32.768. Use thinking_level para reduzir o gasto de tokens.
• Planeje decodificações longas:para tarefas acima do limite por solicitação, use o SDK mais recente ou adicione um loop continuation_token.
• Substitua thinking_budget por thinking_level:thinking_budget ainda funciona e é mapeado para o thinking_level mais próximo, mas retorna um aviso. Teste sua carga de trabalho em low, medium e high.
• Remova o armazenamento em cache de contexto explícito:o armazenamento em cache explícito (cachedContents / caches.create) não é compatível com o Gemini 4 Argon e retorna um erro. Remova as chamadas que criam ou transmitem cached_content em GenerateContentConfig. O armazenamento em cache implícito é ativado por padrão para comandos de pelo menos 4.096 tokens e desconta os tokens de entrada armazenados em cache em 95% nas ocorrências em cache.
• Remover parâmetros descontinuados:remova temperature, top_p, top_k e candidate_count das solicitações. Se fornecidos, os parâmetros de amostragem serão ignorados.
• Aumente os tempos limite do cliente:defina os tempos limite do cliente HTTP para pelo menos 20 minutos por chamada.
• Preserve as assinaturas de pensamento:transmita o histórico completo da conversa, incluindo as assinaturas de pensamento, em solicitações de vários turnos e de chamada de função.

Preços

O Gemini 4 Argon está disponível com preço inicial até 30 de novembro de 2026:

• Tokens de entrada:US $2,00 por 1 milhão de tokens (US$ 4,00 a partir de 1º de dezembro de 2026)
  • Tokens de entrada em cache:o armazenamento em cache implícito reduz o custo da entrada em cache em 95%, para US $0,10 por 1 milhão de tokens (US$ 0,20 a partir de 1º de dezembro de 2026).
• Tokens de saída, incluindo tokens de raciocínio:US $10,00 por 1 milhão de tokens (US$ 20,00 a partir de 1º de dezembro de 2026)

O Gemini 4 Argon não está disponível no nível sem custo financeiro. Para ver os níveis de preços completos, consulte a página de preços.

Outros modelos

• Gemini 3.8 Flash
• Gemini 3.6 Flash e 3.5 Flash-Lite
• Ver todos os modelos

A seguir

• Leia o guia para desenvolvedores sobre decodificação longa para conferir os padrões completos de streaming, reconexão e contagem de tokens.
• Saiba como os níveis de raciocínio e os resumos de pensamento funcionam no guia de raciocínio.
• Teste o Gemini 4 Argon no Google AI Studio.