Novità di Gemini 4 Argon

Gemini 4 Argon (gemini-4-argon) è il nostro modello più recente e potente. Può ragionare più a lungo su problemi difficili per ottenere risultati migliori in attività complesse di programmazione, agentiche, matematiche e scientifiche. Gemini 4 Argon è disponibile tramite l'API Gemini e in Google AI Studio.

Gemini 4 Argon supporta una finestra contestuale unificata di 1 milione di token, una decodifica lunga fino a 1 milione di token e livelli di ragionamento regolabili (low, medium, high).

Prova in AI Studio

Crea app da zero con Gemini 4 Argon e AI Studio.

Galleria di app

Play e remix app create con Gemini 4 Argon.

Inizia

Inizia a utilizzare Gemini 4 Argon con i prompt iniziali.

Questa guida spiega le novità di Gemini 4 Argon, le modifiche all'API, gli esempi di codice e le indicazioni per la migrazione.

Nuovo modello

Modello ID modello Livello di ragionamento predefinito Prezzi Descrizione
Gemini 4 Argon gemini-4-argon medium Disponibile fino al 30 novembre 2026 a un prezzo di lancio di 2 $per 1 milione di token di input e 10 $per 1 milione di token di output (4 $ per 1 milione di token di input e 20 $per 1 milione di token di output in seguito). Per maggiori dettagli, consulta la pagina dei prezzi. Il nostro modello più potente, progettato per risolvere i problemi più difficili con profondità e precisione nelle attività di ingegneria del software e di lavoro sulla conoscenza nel mondo reale.

Per i dettagli completi, consulta la pagina del modello Gemini 4 Argon. Per i dettagli sui prezzi di lancio, consulta la sezione dei prezzi più avanti in questa pagina o la pagina dei prezzi.

Guida rapida

Utilizza l'esempio seguente per inviare una richiesta a gemini-4-argon con il thinking_level predefinito consigliato (medium) e un limite di token di output di 64.000:

Python

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)

JavaScript

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);

REST

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."
  }'

Novità di Gemini 4 Argon

  • Limite di token di input-output unificato di 1 milione: input, ragionamento e output condividono una finestra di 1.048.576 token.
  • Decodifica lunga: una singola risposta può ora superare i 64.000 token, fino a 1 milione di token meno l'input. Consulta Decodifica lunga.
  • La comprensione dei video agentica è in disponibilità generale: la comprensione dei video agentica è ora in disponibilità generale.
  • Supportato negli agenti gestiti: l'agente Antigravity in Gemini Managed Agents ora supporta Gemini 4 Argon.

Per le specifiche complete, consulta la pagina del modello Gemini 4 Argon. Per i dettagli sui prezzi, consulta la pagina dei prezzi.

Output più grandi e decodifica lunga

Gemini 4 Argon può ragionare più a lungo su problemi difficili di matematica, scienze e programmazione.

  • Utilizza thinking_level per controllare la profondità del ragionamento: il livello di ragionamento determina la profondità del ragionamento del modello prima di rispondere. max_output_tokens è un limite rigido: la risposta si interrompe quando il ragionamento e l'output raggiungono insieme questo limite, quindi impostalo su un valore sufficientemente alto da non troncare la risposta.

  • Genera fino a 1 milione di token con l'esecuzione in background: utilizza l'esecuzione in background con max_output_tokens maggiore di 65.536 per consentire a una singola risposta di superare i 64.000 token, fino a 1 milione di token. Il modello genera risposte lunghe in blocchi di massimo 64.000 token e ogni blocco continua da dove si è interrotto il precedente. Con l'esecuzione in background, i nostri server eseguono questi blocchi di continuazione per te. Poiché ogni blocco aggiunge un passaggio model_output a interaction.steps, unisci il testo in tutti i passaggi model_output al termine dell'interazione.

Python

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)

JavaScript

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);

REST

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

L'esecuzione in background è il modo più semplice per eseguire la decodifica lunga. Esegue il loop di continuazione lato server finché il modello non termina o non raggiunge max_output_tokens. Se hai bisogno di un controllo più granulare su tentativi, backoff e gestione degli errori (o non vuoi che le interazioni vengano archiviate), puoi utilizzare la continuazione lato client nell'API GenerateContent. La continuazione lato client sarà disponibile a breve anche nell'API Interactions. Per lo streaming, la riconnessione, il conteggio dei token e quando utilizzare la decodifica lunga, consulta la guida alla decodifica lunga.

Impostare i limiti di token di output

max_output_tokens imposta il numero totale di token di ragionamento e di output per una risposta. Impostalo su un valore sufficientemente alto da non troncare la risposta e sufficientemente basso da limitare la spesa quando un prompt difficile utilizza tutti i token.

Utilizza questi valori come punto di partenza:

  • Attività standard: mantieni il valore predefinito di 65.536 o non impostare alcun valore.
  • App esistenti con un limite inferiore a 32.000: aumenta max_output_tokens ad almeno 32.768. Gemini 4 Argon può utilizzare una parte maggiore del limite per il ragionamento rispetto ai modelli precedenti. Per utilizzare meno token, riduci invece il livello di ragionamento.
  • Ragionamento e programmazione complessi: imposta background: true e max_output_tokens su 131.072 o 262.144, fino a 1.048.576 meno i token di input.

Comprendere i livelli di ragionamento

Il livello di ragionamento è il controllo principale su qualità, latenza e utilizzo dei token in Gemini 4 Argon:

Livello di ragionamento Utilizzo dei token Quando utilizzarlo
low Minor numero di token, latenza più bassa Attività più semplici e lavoro sensibile ai costi. Funziona anche per le attività di analisi e scrittura che richiedono un ragionamento leggero. La qualità può diminuire nelle attività difficili.
medium (valore predefinito) Bilanciato Consigliato per la maggior parte delle attività, inclusi codice complesso e casi d'uso agentici.
high Maggior numero di token, primo token più lento Ragionamento complesso, matematica e scienze difficili e codice o attività agenti più difficili. Si abbina bene alla decodifica lunga per output lunghi.

Esegui le valutazioni a tutti e tre i livelli, quindi scegli il livello più basso che soddisfi la tua soglia di qualità. Per saperne di più, consulta la guida al ragionamento.

Python

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)

JavaScript

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);

REST

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"
    }
  }'

Gemini 4 Argon in Managed Agents

L'agente Antigravity in Gemini Managed Agents supporta Gemini 4 Argon. Per utilizzarlo, imposta il modello in agent_config:

Python

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)

JavaScript

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);

REST

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"
    }
  }'

Per altre opzioni, consulta la selezione del modello nella guida all'agente Antigravity.

Elenco di controllo per la migrazione

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

Eseguire la migrazione a gemini-4-argon

  • Aggiorna l'ID modello: modifica la stringa del modello di destinazione in gemini-4-argon.
  • Esamina max_output_tokens: se lo hai impostato in modo esplicito, valuta la possibilità di aumentarlo. Consigliamo almeno 32.768, poiché Gemini 4 Argon può utilizzare una parte maggiore del limite per il ragionamento.
  • Configura il livello di ragionamento: scegli low, medium (valore predefinito) o high e testa il carico di lavoro a tutti e tre i livelli.
  • Disattiva la memorizzazione nella cache del contesto esplicito: la memorizzazione nella cache esplicita (cachedContents / caches.create) non è supportata in Gemini 4 Argon. Rimuovi dalle richieste le chiamate che creano o fanno riferimento a cached_content. La memorizzazione nella cache implicita è abilitata per impostazione predefinita per i prompt di almeno 4096 token e sconta i token di input memorizzati nella cache del 95% in caso di successo della cache.
  • Rimuovi i parametri di campionamento: rimuovi temperature, top_p e top_k dalle richieste. Se forniti, vengono ignorati.
  • Utilizza l'esecuzione in background per output lunghi: per le attività che richiedono più di 64.000 token, imposta background su true e max_output_tokens su un valore maggiore di 65.536.
  • Aumenta i timeout del client: i prompt difficili possono richiedere diversi minuti. Utilizza l'esecuzione in background o imposta i timeout del client HTTP su almeno 15 minuti.
  • Mantieni lo stato della conversazione sul server: utilizza previous_interaction_id per le conversazioni multi-turn e di chiamata di funzioni.

Prezzi

Gemini 4 Argon è disponibile a prezzi di lancio fino al 30 novembre 2026:

  • Token di input: 2,00 $per 1 milione di token (4,00 $ a partire dal 1° dicembre 2026)
    • Token di input memorizzati nella cache: la memorizzazione nella cache implicita sconta l'input memorizzato nella cache del 95%, portandolo a 0,10 $per 1 milione di token (0,20 $ a partire dal 1° dicembre 2026).
  • Token di output, inclusi i token di ragionamento: 10,00 $per 1 milione di token (20,00 $ a partire dal 1° dicembre 2026)

Gemini 4 Argon non è disponibile nel Livello senza costi o nel piano Google AI Pro. Per i livelli di prezzo completi, consulta la pagina dei prezzi.

Altri modelli

Passaggi successivi