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، عاملی، 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 حد کد خروجی ۶۴ هزار 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"
      }
    }
  }'

تازه‌های Gemini 4 Argon

• محدودیت یکپارچه ۱ میلیون داده‌واحد ورودی-خروجی: داده‌واحدهای ورودی، تفکر، و خروجی در یک پنجره ۱ میلیون داده‌واحدی مشترک هستند، 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 توکن: مدل می‌تواند فراتر از سقف هر درخواست، تا ۱ میلیون توکن منهای ورودی شما تولید کند. جدیدترین کیت‌های توسعه نرم‌افزار Google GenAI به‌طور پیش‌فرض برای شما ادامه می‌یابند.
• درک ویدیو عامل‌گرا (GA): درک ویدیو عامل‌گرا اکنون به‌طور عمومی دردسترس است.
• پشتیبانی‌شده در «عامل‌های مدیریت‌شده»: عامل Antigravity 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 رمزگشایی طولانی

وقتی تکلیفی به استدلال عمیق نیاز دارد، Gemini 4 Argon می‌تواند بیشتر فکر کند و سخت‌تر تلاش کند تا مسائل پیچیده ریاضی، علمی، و کدنویسی را در یک نسل تکمیل کند.

• محدودیت یکپارچه ۱ میلیون داده‌واحد ورودی-خروجی: Argon می‌تواند تا ۱ میلیون داده‌واحد، منهای داده‌واحدهای ورودی شما، برای مجموع تفکر و خروجی استفاده کند.
• داده‌واحدهای اندیشیدن در max_output_tokens لحاظ می‌شوند: در تکالیف سخت، مدل از بودجه max_output_tokens شما بیشتر استفاده می‌کند تا به پاسخ بهتری برسد. از thinking_level برای کنترل استفاده از کد استفاده کنید.
• محدودیت‌های هر درخواست (۶۴ هزار جاری‌سازی / ۳۲ هزار غیرجاری‌سازی): یک درخواست جاری‌سازی حداکثر ۶۵٬۵۳۶ توکن برمی‌گرداند. یک درخواست غیرجاری‌سازی تا ۳۲٬۷۶۸ توکن برمی‌گرداند که نسبت‌به ۶۵٬۵۳۶ توکن در Gemini 3.x کاهش یافته است. 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 سراسر درخواست‌ها ادامه می‌یابند تا زمانی که مدل به پایان برسد 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 اینکه خودتان حلقه را اجرا کنید، 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 کردن محدودیت‌های داده‌واحد برونداد

max_output_tokens مجموع داده‌واحدهای (توکن‌های) خروجی و اندیشگر را برای یک تولید، ازجمله همه درخواست‌های ادامه، تنظیم می‌کند. آن را به‌اندازه کافی بالا تنظیم کنید تا فکر کردن پاسخ را کوتاه نکند. آن را به‌اندازه کافی پایین تنظیم کنید تا وقتی پیام‌واره‌ای سخت از همه آن استفاده می‌کند، هزینه محدود شود.

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 توکن‌های 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 و کدنویسی پیچیده: max_output_tokens را روی ۱۳۱٬۰۷۲ یا ۲۶۲٬۱۴۴، تا ۱٬۰۴۸٬۵۷۶ منهای توکن‌های ورودی‌تان تنظیم کنید.

اگر درخواستی از همه max_output_tokens استفاده کند، finish_reason: "MAX_TOKENS" را برمی‌گرداند و شامل continuation_token می‌شود. 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 را برمی‌گرداند.
• شروع مجدد: درخواست اصلی را با max_output_tokens بالاتر و بدون continuation_token ارسال کنید.

آشنایی با سطوح «اندیشگر»

سطح تفکر کنترل اصلی شما بر کیفیت، تأخیر، و استفاده از کد 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 سقف کمتر از ۳۲ هزار را به حداقل ۳۲٬۷۶۸ افزایش دهید. برای کاهش مصرف توکن، از thinking_level 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. حجم کاری‌تان را در low، medium، و high آزمایش کنید.
• از ذخیره‌سازی صریح بافت در حافظه نهان خارج شوید: ذخیره‌سازی صریح در حافظه نهان (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 ضمنی در حافظه نهان به‌طور پیش‌فرض برای پیام‌واره‌های حداقل ۴۰۹۶ نمانه‌ای فعال است و نمانه‌های ورودی ذخیره‌شده در حافظه نهان را درصورت وجود در حافظه نهان ۹۵٪ تخفیف می‌دهد.
• برداشتن پارامترهای منسوخ‌شده: temperature، top_p، top_k، و candidate_count را از درخواست‌ها بردارید. اگر ارائه شود، پارامترهای نمونه‌برداری نادیده گرفته می‌شود.
• افزایش زمان اتمام کارخواه: زمان اتمام کارخواه HTTP را حداقل روی ۲۰ دقیقه برای هر تماس تنظیم کنید.
• حفظ امضاهای فکری: سابقه کامل مکالمه، ازجمله امضاهای فکری، را در درخواست‌های چندنوبتی و فراخوانی تابع ارسال کنید.
• برآورد هزینه‌هایتان را مرور کنید: هر نشانه‌ای که مدل پردازش می‌کند صورت‌حساب می‌شود، ازجمله دستورالعمل‌های سیستم ابزار داخلی و اعلامیه‌های تابع هنگام استفاده از زمینه‌سازی (به قیمت‌گذاری مراجعه کنید).

قیمت‌گذاری

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

• داده‌واحد ورودی: ۲٫۰۰ دلار به‌ازای هر ۱ میلیون داده‌واحد (۴٫۰۰ دلار از ۱ دسامبر ۲۰۲۶)
  • داده‌واحدهای ورودی ذخیره‌شده در حافظه نهان: ذخیره‌سازی ضمنی در حافظه نهان، ورودی ذخیره‌شده در حافظه نهان را تا ۹۵٪ کاهش می‌دهد و به ۰٫۱۰ دلار به‌ازای هر ۱ میلیون داده‌واحد می‌رساند (از ۱ دسامبر ۲۰۲۶، این مبلغ ۰٫۲۰ دلار خواهد بود).
• داده‌واحدهای برونداد، شامل داده‌واحدهای اندیشیدن: ۱۰٫۰۰ دلار به‌ازای هر ۱ میلیون داده‌واحد (۲۰٫۰۰ دلار از ۱ دسامبر ۲۰۲۶)

هر داده‌واحدی که مدل پردازش می‌کند شمارش و صورت‌حساب می‌شود، ازجمله داده‌واحد اندیشیدن و دستورالعمل‌های سیستم ابزار داخلی و اعلان‌های تابع هنگام استفاده از زمینه‌سازی. پایه‌مندسازی با «جستجوی Google» نیز همچنان به‌ازای هر پُرسمان صورت‌حساب می‌شود.

‫Gemini 4 Argon در سطح «رایگان» دردسترس نیست. برای مشاهده سطوح قیمت‌گذاری کامل، به صفحه قیمت‌گذاری مراجعه کنید.

مدل‌های دیگر

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

قدم بعدی چیست

• برای اطلاع از الگوهای کامل جاری‌سازی، اتصال مجدد، و شمارش داده‌واحد، راهنمای توسعه‌دهندگان برای رمزگشایی طولانی را بخوانید.
• در راهنمای اندیشیدن با نحوه عملکرد سطوح اندیشیدن و خلاصه‌های افکار آشنا شوید.
• ‫Gemini 4 Argon را در Google AI Studio امتحان کنید.