Neuerungen in Gemini 4 Argon

Gemini 4 Argon (gemini-4-argon) ist unser neuestes und leistungsstärkstes Modell. Es kann länger über schwierige Probleme nachdenken, um bessere Ergebnisse bei komplexen Programmier-, Agenten-, Mathematik- und wissenschaftlichen Aufgaben zu erzielen. Gemini 4 Argon ist über die Gemini API und in Google AI Studio verfügbar.

Gemini 4 Argon unterstützt ein einheitliches Limit von 1 Million Eingabe- und Ausgabetokens, lange Decodierung mit bis zu 1 Million Tokens und anpassbare Denkebenen (low, medium, high).

In diesem Leitfaden werden die Neuerungen in Gemini 4 Argon, API-Änderungen, Codebeispiele und Migrationshinweise erläutert.

Neues Modell

Kurzanleitung

Verwenden Sie das folgende Beispiel, um eine Anfrage an gemini-4-argon mit dem empfohlenen Standard-thinking_level (medium) und einem Ausgabetokenlimit von 64K zu senden:

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"
      }
    }
  }'

Neu bei Gemini 4 Argon

• Einheitliches Limit von 1 Mio. Eingabe- und Ausgabetokens: Eingabe-, Thinking- und Ausgabetokens teilen sich ein einzelnes Fenster mit 1 Mio. Tokens. Dabei gilt ein Limit von 32.000 Tokens pro Anfrage für Nicht-Streaming-Aufrufe und ein Limit von 64.000 Tokens pro Stream für Streaming-Aufrufe.
• Lange Decodierung bis zu 1 Mio. Tokens: Das Modell kann über die Obergrenze pro Anfrage hinaus generieren, bis zu 1 Mio. Tokens abzüglich Ihrer Eingabe. Die neuesten Google GenAI SDKs werden standardmäßig für Sie fortgesetzt.
• Agentisches Videoverständnis (GA): Agentisches Videoverständnis ist jetzt allgemein verfügbar.
• Unterstützt in verwalteten Agenten: Der Antigravity-Agent in Gemini Managed Agents unterstützt jetzt Gemini 4 Argon.

Weitere Informationen finden Sie auf der Modellseite zu Gemini 4 Argon. Preisangaben finden Sie auf der Preisseite.

Größere Ausgabe und lange Decodierung

Wenn eine Aufgabe tiefgehendes logisches Schlussfolgern erfordert, kann Gemini 4 Argon länger nachdenken und mehr Aufwand betreiben, um komplexe mathematische, wissenschaftliche und Programmierprobleme in einem einzigen Durchgang zu lösen.

• Einheitliches Limit von 1 Mio. Eingabe- und Ausgabetokens: Argon kann bis zu 1 Mio. Tokens abzüglich Ihrer Eingabetokens für die kombinierte Denk- und Ausgabeleistung verwenden.
• Thinking-Tokens werden auf max_output_tokens angerechnet: Bei schwierigen Aufgaben verwendet das Modell mehr von Ihrem max_output_tokens-Budget, um eine bessere Antwort zu finden. Verwenden Sie thinking_level, um die Tokennutzung zu steuern.
• Obergrenzen pro Anfrage (64.000 Streaming / 32.000 Nicht-Streaming): Eine Streaminganfrage gibt bis zu 65.536 Tokens zurück. Eine einzelne Nicht-Streaming-Anfrage gibt bis zu 32.768 Tokens zurück, im Vergleich zu 65.536 bei Gemini 3.x. Bei REST-Aufrufen sind diese Obergrenzen auch die Standardwerte.

Die neuesten Google GenAI SDKs führen die lange Decodierung standardmäßig für Sie aus. Verwenden Sie Python google-genai 2.30.1 oder höher oder JavaScript @google/genai 2.29.1 oder höher.

In diesen Versionen ist automatic_continuation standardmäßig True, sodass Sie es nicht festlegen müssen. Wenn Sie max_output_tokens über dem Limit pro Anfrage festlegen, werden generate_content und generate_content_stream automatisch über mehrere Anfragen hinweg fortgesetzt, bis das Modell fertig ist oder max_output_tokens erreicht. Es wird dann eine kombinierte Antwort zurückgegeben.

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.
    ),
)

Wenn Sie die Schleife selbst ausführen möchten, legen Sie automatic_continuation=False fest. Wenn Sie REST aufrufen oder ein älteres SDK verwenden, werden Anfragen bei der Obergrenze pro Anfrage gestoppt. Informationen zu REST-Schleifen, Drittanbieter-Frameworks, Tokenzählung und wann die lange Decodierung verwendet werden sollte, finden Sie im Leitfaden zur langen Decodierung.

Limits für Ausgabetokens festlegen

max_output_tokens legt die Gesamtzahl der Thinking- und Ausgabetokens für eine Generierung fest, einschließlich aller Fortsetzungsanfragen. Legen Sie ihn hoch genug fest, damit die Antwort nicht durch die Denkzeit verkürzt wird. Legen Sie ihn so niedrig fest, dass die Ausgaben begrenzt werden, wenn ein harter Prompt das gesamte Kontingent verbraucht.

Verwenden Sie die folgenden Hinweise als Ausgangspunkt:

• Standardaufgaben:Behalten Sie die Standardeinstellung bei.
• Vorhandene Apps mit einem Limit von weniger als 32.000:Erhöhen Sie max_output_tokens auf 32.768. Wenn Sie weniger Tokens verwenden möchten, verringern Sie thinking_level.
• Aufgaben,die zuvor mehr als 32.000 Tokens verwendet haben: Setzen Sie max_output_tokens auf 65.536.
• Komplexe Schlussfolgerungen und Programmierung: Setzen Sie max_output_tokens auf 131.072 oder 262.144, bis zu 1.048.576 minus Ihrer Eingabetokens.

Wenn eine Anfrage alle max_output_tokens verwendet, wird finish_reason: "MAX_TOKENS" zurückgegeben und ein continuation_token eingeschlossen. Du kannst das Programm fortsetzen oder neu beginnen.

• Ab dem Prüfpunkt fortsetzen: Senden Sie die ursprüngliche Anfrage mit der neuesten continuation_token und einer höheren max_output_tokens. Wenn Sie max_output_tokens nicht erhöhen, gibt die Anfrage 400 INVALID_ARGUMENT zurück.
• Noch einmal beginnen: Senden Sie die ursprüngliche Anfrage mit einem höheren max_output_tokens und ohne continuation_token.

Informationen zu Denkaufwänden

Die Denkstufe ist die wichtigste Einstellung, um Qualität, Latenz und Token-Nutzung in Gemini 4 Argon zu steuern:

Führen Sie Ihre Bewertungen auf allen drei Ebenen mit einem hohen max_output_tokens-Wert aus, damit das Limit die Antworten nicht verkürzt. Wählen Sie dann den niedrigsten thinking_level aus, der Ihren Qualitätsanforderungen entspricht.

Checkliste für die Migration

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

Zu gemini-4-argon migrieren

• Modell-ID aktualisieren: Ändern Sie den Modellstring in gemini-4-argon.
• max_output_tokens explizit festlegen: Der Standardwert ist 64K für Streaming- und SDK-Aufrufe und 32K für REST-Aufrufe ohne Streaming.
• Obergrenzen unter 32.000 erhöhen: Erhöhen Sie alle Obergrenzen unter 32.000 auf mindestens 32.768. Verwenden Sie thinking_level, um die Tokenausgaben zu reduzieren.
• Planen Sie für lange Decodierungen: Verwenden Sie für Aufgaben, die die Obergrenze pro Anfrage überschreiten, das neueste SDK oder fügen Sie eine continuation_token-Schleife hinzu.
• thinking_budget durch thinking_level ersetzen: thinking_budget funktioniert weiterhin und wird dem nächstgelegenen thinking_level zugeordnet, gibt aber eine Warnung zurück. Testen Sie Ihre Arbeitslast bei low, medium und high.
• Explizites Kontext-Caching deaktivieren: Explizites Caching (cachedContents / caches.create) wird in Gemini 4 Argon nicht unterstützt und gibt einen Fehler zurück. Entfernen Sie Aufrufe, die cached_content in GenerateContentConfig erstellen oder übergeben. Implizites Caching ist standardmäßig für Prompts mit mindestens 4.096 Tokens aktiviert und reduziert die Kosten für im Cache gespeicherte Eingabetokens bei Cache-Treffern um 95 %.
• Verworfene Parameter entfernen: Entfernen Sie temperature, top_p, top_k und candidate_count aus Anfragen. Wenn angegeben, werden Stichprobenparameter ignoriert.
• Client-Zeitlimits erhöhen: Legen Sie die HTTP-Client-Zeitlimits auf mindestens 20 Minuten pro Aufruf fest.
• Gedankensignaturen beibehalten: Übergeben Sie den vollständigen Unterhaltungsverlauf, einschließlich Gedankensignaturen, in Anfragen mit mehreren Runden und Funktionsaufrufen.

Preise

Gemini 4 Argon ist bis zum 30. November 2026 zum Einführungspreis verfügbar:

• Eingabetokens: 2,00 $ pro 1 Mio.Tokens (4,00 $ ab dem 1.Dezember 2026)
  • Im Cache gespeicherte Eingabetokens: Durch implizites Caching werden im Cache gespeicherte Eingaben um 95 % rabattiert, auf 0,10 $ pro 1 Mio.Tokens (0,20 $ ab dem 1.Dezember 2026).
• Ausgabetokens, einschließlich Thinking-Tokens: 10,00 $ pro 1 Mio.Tokens (20,00 $ ab dem 1.Dezember 2026)

Gemini 4 Argon ist in der kostenlosen Stufe nicht verfügbar. Eine vollständige Liste der Preisstufen finden Sie auf der Preisseite.

Andere Modelle

• Gemini 3.8 Flash
• Gemini 3.6 Flash und 3.5 Flash-Lite
• Alle Modelle ansehen

Nächste Schritte

• Im Entwicklerleitfaden für die lange Decodierung finden Sie vollständige Muster für Streaming, Wiederverbindung und Tokenzählung.
• Informationen zu Denkaufwand und Zusammenfassungen von Denkprozessen finden Sie im Leitfaden zum Denkaufwand.
• Testen Sie Gemini 4 Argon in Google AI Studio.