Gemini 4 Argon'daki yenilikler

Gemini 4 Argon (gemini-4-argon) en yeni ve en yetenekli modelimizdir. Karmaşık kodlama, temsilci, matematik ve fen görevlerinde daha iyi sonuçlar elde etmek için zor problemler üzerinde daha uzun süre akıl yürütebilir. Gemini 4 Argon'a Gemini API ve Google AI Studio'dan erişebilirsiniz.

Gemini 4 Argon, birleştirilmiş 1 milyon parçalık bağlam penceresini, 1 milyon parçaya kadar uzun kod çözmeyi ve ayarlanabilir düşünme seviyelerini (low, medium, high) destekler.

Bu kılavuzda Gemini 4 Argon'daki yenilikler, API değişiklikleri, kod örnekleri ve taşıma kılavuzu açıklanmaktadır.

Yeni model

Tüm ayrıntılar için Gemini 4 Argon model sayfasını inceleyin. Tanıtım fiyatlandırmasıyla ilgili ayrıntılar için bu sayfanın sonraki kısımlarında yer alan fiyatlandırma bölümüne veya fiyatlandırma sayfasına bakın.

Hızlı başlangıç kılavuzu

Önerilen varsayılan thinking_level (medium) ve 64.000 çıkış parçası sınırı ile gemini-4-argon modeline istek göndermek için aşağıdaki örneği kullanın:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Write a three.js script that renders a realistic 3D black hole with gravitational lensing."
)

print(interaction.output_text)

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

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-4-argon",
  input: "Write a three.js script that renders a realistic 3D black hole with gravitational lensing.",
});

console.log(interaction.output_text);

curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "model": "gemini-4-argon",
    "input": "Write a three.js script that renders a realistic 3D black hole with gravitational lensing."
  }'

Gemini 4 Argon'daki yenilikler

• Birleştirilmiş 1 milyon giriş-çıkış jetonu sınırı: Giriş, düşünme ve çıkış, 1.048.576 jetonluk tek bir pencereyi paylaşır.
• Uzun kod çözme: Tek bir yanıt artık 64.000 parçayı aşabilir ve girişiniz hariç 1 milyon parçaya kadar çıkabilir. Uzun kod çözme bölümüne bakın.
• Temsilci video anlayışı genel kullanıma sunuldu: Temsilci video anlayışı artık genel kullanıma sunuldu.
• Yönetilen Ajanlar'da desteklenir: Gemini Yönetilen Ajanlar'daki Antigravity ajanı artık Gemini 4 Argon'u destekliyor.

Tüm teknik özellikler için Gemini 4 Argon model sayfasını inceleyin. Fiyatlandırmayla ilgili ayrıntılar için fiyatlandırma sayfasını inceleyin.

Daha büyük çıkış ve uzun kod çözme

Gemini 4 Argon; zor matematik, fen ve kodlama problemleri üzerinde daha uzun süre düşünebilir.

• Akıl yürütme derinliğini kontrol etmek için thinking_level simgesini kullanın: Düşünme seviyesi, modelin yanıt vermeden önce ne kadar derinlemesine akıl yürüteceğini belirler. max_output_tokens kesin bir sınırdır: Düşünme ve çıkış birlikte bu sınıra ulaştığında yanıt durur. Bu nedenle, yanıtı yarıda kesmeyecek kadar yüksek bir değer belirleyin.

• Arka planda yürütme ile 1 milyona kadar jeton oluşturma: Tek bir yanıtın 64.000 jetonu aşarak 1 milyona kadar jeton oluşturmasına izin vermek için max_output_tokens 65.536'dan büyük olacak şekilde arka planda yürütmeyi kullanın. Model, 64.000 jetona kadar olan adımlarla uzun yanıtlar üretir ve her adım, bir önceki adımın durduğu yerden devam eder. Arka planda yürütme sayesinde sunucularımız bu devam adımlarını sizin için çalıştırır. Her atlama, interaction.steps için bir model_output adımı eklediğinden etkileşim tamamlandığında tüm model_output adımlarındaki metni birleştirin.

import time
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Write a complete, rigorous proof of the prime number theorem.",
    background=True,
    generation_config={
        "max_output_tokens": 262144,
        "thinking_level": "high",
    },
)

while interaction.status in ("in_progress", "queued"):
    time.sleep(5)
    interaction = client.interactions.get(id=interaction.id)

# Each hop adds a model_output step, so join the text of all of them.
text = "".join(
    content.text
    for step in interaction.steps
    if step.type == "model_output"
    for content in step.content
    if content.type == "text"
)
print(text)
print("Status:", interaction.status)
print("Usage:", interaction.usage)

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

const client = new GoogleGenAI({});

let interaction = await client.interactions.create({
  model: "gemini-4-argon",
  input: "Write a complete, rigorous proof of the prime number theorem.",
  background: true,
  generation_config: {
    max_output_tokens: 262144,
    thinking_level: "high",
  },
});

while (interaction.status === "in_progress" || interaction.status === "queued") {
  await new Promise((resolve) => setTimeout(resolve, 5000));
  interaction = await client.interactions.get(interaction.id);
}

// Each hop adds a model_output step, so join the text of all of them.
const text = interaction.steps
  .filter((step) => step.type === "model_output")
  .flatMap((step) => step.content ?? [])
  .filter((content) => content.type === "text")
  .map((content) => content.text)
  .join("");
console.log(text);
console.log("Status:", interaction.status);
console.log("Usage:", interaction.usage);

ID=$(curl -s -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-4-argon",
    "input": "Write a complete, rigorous proof of the prime number theorem.",
    "background": true,
    "generation_config": {
      "max_output_tokens": 262144,
      "thinking_level": "high"
    }
  }' | jq -r '.id')

while true; do
  RESP=$(curl -s "https://generativelanguage.googleapis.com/v1beta/interactions/$ID" \
    -H "x-goog-api-key: $GEMINI_API_KEY")
  STATUS=$(echo "$RESP" | jq -r '.status')
  if [[ "$STATUS" != "in_progress" && "$STATUS" != "queued" ]]; then
    echo "$RESP" | jq -r '[.steps[]? | select(.type == "model_output") | .content[]? | select(.type == "text") | .text] | join("")'
    break
  fi
  sleep 5
done

Arka planda yürütme, uzun kod çözme işlemlerini çalıştırmanın en kolay yoludur. Model tamamlanana veya max_output_tokens değerine ulaşana kadar devam döngüsünü sunucu tarafında çalıştırır. Yeniden denemeler, bekleme süresi ve hata işleme üzerinde daha ayrıntılı kontrole ihtiyacınız varsa (veya etkileşimlerinizin depolanmasını istemiyorsanız) GenerateContent API'de istemci tarafı devamlılığı kullanabilirsiniz. İstemci tarafı devamlılık özelliği de yakında Interactions API'de kullanıma sunulacak. Akış, yeniden bağlanma, jeton sayma ve uzun kod çözmenin ne zaman kullanılacağı hakkında bilgi edinmek için uzun kod çözme kılavuzuna bakın.

Çıkış jetonu sınırlarını ayarlama

max_output_tokens, bir yanıt için toplam düşünme ve çıkış jetonlarını ayarlar. Bu değeri, düşünme sürecinin yanıtı yarıda kesmeyeceği kadar yüksek ve zor bir istemin tamamını kullandığı durumlarda harcamayı sınırlayacak kadar düşük bir değere ayarlayın.

Başlangıç noktası olarak şu değerleri kullanın:

• Standart görevler: Varsayılan değer olan 65.536'yı koruyun veya herhangi bir değer ayarlamayın.
• Sınırı 32.000'den düşük olan mevcut uygulamalar: max_output_tokens değerini en az 32.768'e yükseltin. Gemini 4 Argon, önceki modellere kıyasla düşünme sınırının daha fazlasını kullanabilir. Daha az jeton kullanmak için düşünme seviyesini düşürün.
• Karmaşık akıl yürütme ve kodlama: background: true değerini ayarlayın ve max_output_tokens değerini 131.072 veya 262.144 olarak ayarlayın (giriş jetonlarınız hariç en fazla 1.048.576).

Düşünme düzeylerini anlama

Düşünme seviyesi, Gemini 4 Argon'da kalite, gecikme ve jeton kullanımı üzerindeki ana kontrolünüzdür:

Değerlendirmelerinizi üç düzeyde de çalıştırın, ardından kalite eşiğinizi karşılayan en düşük düzeyi seçin. Daha fazla bilgi için düşünme kılavuzuna bakın.

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
    generation_config={
        "thinking_level": "medium"  # Balanced reasoning effort for complex tasks
    }
)

print(interaction.output_text)

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

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-4-argon",
  input: "Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
  generation_config: {
    thinking_level: "medium", // Balanced reasoning effort for complex tasks
  },
});

console.log(interaction.output_text);

curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "model": "gemini-4-argon",
    "input": "Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
    "generation_config": {
      "thinking_level": "medium"
    }
  }'

Yönetilen Temsilciler'de Gemini 4 Argon

Gemini Managed Agents'daki Antigravity ajanı, Gemini 4 Argon'u destekler. Kullanmak için modeli agent_config olarak ayarlayın:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-09-2026",
    input=(
        "Audit https://web.dev for performance, Core Web Vitals, and SEO. "
        "Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. "
        "Check search indexing with Google Search for site:web.dev. "
        "Format the output as a side-by-side scorecard table with prioritized fixes."
    ),
    environment="remote",
    agent_config={
        "type": "antigravity",
        "model": "gemini-4-argon",
    },
)

print(interaction.output_text)

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

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  agent: "antigravity-preview-09-2026",
  input:
    "Audit https://web.dev for performance, Core Web Vitals, and SEO. " +
    "Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. " +
    "Check search indexing with Google Search for site:web.dev. " +
    "Format the output as a side-by-side scorecard table with prioritized fixes.",
  environment: "remote",
  agent_config: {
    type: "antigravity",
    model: "gemini-4-argon",
  },
}, { timeout: 300000 });

console.log(interaction.output_text);

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
    "agent": "antigravity-preview-09-2026",
    "input": "Audit https://web.dev for performance, Core Web Vitals, and SEO. Query Google'\''s PageSpeed Insights API for both Mobile and Desktop strategies. Check search indexing with Google Search for site:web.dev. Format the output as a side-by-side scorecard table with prioritized fixes.",
    "environment": "remote",
    "agent_config": {
      "type": "antigravity",
      "model": "gemini-4-argon"
    }
  }'

Diğer seçenekler için Antigravity ajanı kılavuzundaki model seçimi bölümüne bakın.

Taşıma yapılacaklar listesi

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

gemini-4-argon'a geçiş

• Model kimliğini güncelleme: Hedef model dizesini gemini-4-argon olarak değiştirin.
• max_output_tokens değerini inceleyin: Bu değeri bugün açıkça ayarladıysanız artırmayı düşünebilirsiniz. Gemini 4 Argon, düşünme için daha fazla sınır kullanabileceğinden en az 32.768 değerini kullanmanızı öneririz.
• Düşünme düzeyini yapılandırma: low, medium (varsayılan) veya high seçeneklerinden birini belirleyin ve iş yükünüzü üçünde de test edin.
• Açık bağlam önbelleğe alma özelliğini kullanmayı bırakın: Açık önbelleğe alma (cachedContents / caches.create) özelliği Gemini 4 Argon'da desteklenmez. cached_content oluşturan veya referans veren çağrıları isteklerinizden kaldırın. Dolaylı önbelleğe alma,en az 4.096 parçadan oluşan istemler için varsayılan olarak etkindir ve önbellek isabetlerinde önbelleğe alınan giriş parçalarında% 95 indirim sağlar.
• Örnekleme parametrelerini kaldırma: İsteklerinizden temperature, top_p ve top_k parametrelerini kaldırın. Sağlanırsa yok sayılır.
• Uzun çıktılar için arka planda yürütmeyi kullanın: 64.000'den fazla jeton gerektiren görevler için background değerini "true" ve max_output_tokens değerini 65.536'dan büyük olarak ayarlayın.
• İstemci zaman aşımlarını artırın: Sabit istemler birkaç dakika sürebilir. Arka planda yürütme özelliğini kullanın veya HTTP istemcisi zaman aşımı süresini en az 15 dakika olarak ayarlayın.
• Sohbet durumunu sunucuda tutma: Çok aşamalı etkileşim ve işlev çağrısı sohbetleri için previous_interaction_id kullanın.

Fiyatlandırma

Gemini 4 Argon, 30 Kasım 2026'ya kadar tanıtım fiyatıyla kullanılabilir:

• Giriş jetonları: 1 milyon jeton başına 2 ABD doları (1 Aralık 2026'dan itibaren 4 ABD doları)
  • Önbelleğe alınmış giriş jetonları: Örtülü önbelleğe alma, önbelleğe alınmış girişlerde %95 indirim uygulayarak 1 milyon jeton başına 0,10 ABD doları (1 Aralık 2026'dan itibaren 0,20 ABD doları) olarak ücretlendirilir.
• Düşünme token'ları dahil çıkış token'ları: 1 milyon token başına 10 ABD doları (1 Aralık 2026'dan itibaren 20 ABD doları)

Gemini 4 Argon, ücretsiz katmanda kullanılamaz. Fiyatlandırma katmanlarının tamamı için fiyatlandırma sayfasını inceleyin.

Diğer modeller

• Gemini 3.8 Flash
• Gemini 3.6 Flash ve 3.5 Flash-Lite
• Tüm modellere göz atın

Sırada ne var?

• Akış, yeniden bağlanma ve jeton sayımı için uzun kod çözme kılavuzunu okuyun.
• Düşünme seviyelerinin ve düşünme özetlerinin işleyiş şeklini düşünme kılavuzundan öğrenebilirsiniz.
• Uzun süre çalışan işler hakkında bilgi edinmek için arka planda yürütme kılavuzunu inceleyin.
• Google AI Studio'da istemleri test edip hassaslaştırın.