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 Kontextfenster von 1 Million Tokens, eine lange Decodierung von bis zu 1 Million Tokens und anpassbare Denkaufwände (low, medium, high).

In diesem Leitfaden erfahren Sie mehr über die Neuerungen in Gemini 4 Argon, API-Änderungen, Codebeispiele und Migrationsanleitungen.

Neues Modell

Vollständige Informationen finden Sie auf der Modellseite zu Gemini 4 Argon. Details zu den Einführungspreisen finden Sie weiter unten auf dieser Seite im Abschnitt Preise oder auf der Preisseite.

Kurzanleitung

Verwenden Sie das folgende Beispiel, um eine Anfrage an gemini-4-argon mit dem empfohlenen Standardwert thinking_level (medium) und einem Ausgabetokenlimit von 64.000 zu senden:

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."
  }'

Neuerungen in Gemini 4 Argon

• Einheitliches Limit von 1 Million Tokens für Eingabe und Ausgabe:Eingabe, Denkaufwand und Ausgabe teilen sich ein Fenster von 1.048.576 Tokens.
• Lange Decodierung:Eine einzelne Antwort kann jetzt mehr als 64.000 Tokens umfassen, bis zu 1 Million Tokens abzüglich der Eingabe. Weitere Informationen zu Long decode.
• Agentisches Videoverständnis ist allgemein verfügbar: Agentisches Videoverständnis ist jetzt allgemein verfügbar.
• In verwalteten Agenten unterstützt:Der Antigravity-Agent in Gemini Managed Agents unterstützt jetzt Gemini 4 Argon.

Vollständige Spezifikationen finden Sie auf der Modellseite zu Gemini 4 Argon. Preisangaben finden Sie auf der Preisseite.

Größere Ausgabe und lange Decodierung

Gemini 4 Argon kann länger über schwierige Mathematik-, Wissenschafts- und Programmierprobleme nachdenken.

• Mit thinking_level die Tiefe des Denkaufwands steuern: Der Denkaufwand bestimmt, wie intensiv das Modell nachdenkt, bevor es antwortet. max_output_tokens ist ein hartes Limit: Die Antwort wird beendet, sobald Denkaufwand und Ausgabe zusammen dieses Limit erreichen. Legen Sie es daher hoch genug fest, damit die Antwort nicht zu kurz ausfällt.

• Bis zu 1 Million Tokens mit Hintergrundausführung generieren:Verwenden Sie die Hintergrundausführung mit max_output_tokens größer als 65.536,damit eine einzelne Antwort mehr als 64.000 Tokens umfassen kann, bis zu 1 Million Tokens. Das Modell generiert lange Antworten in Schritten von bis zu 64.000 Tokens. Jeder Schritt setzt dort an, wo der vorherige aufgehört hat. Bei der Hintergrundausführung führen unsere Server diese Fortsetzungsschritte für Sie aus. Da mit jedem Schritt ein model_output-Schritt zu interaction.steps hinzugefügt wird, fügen Sie den Text über alle model_output-Schritte hinweg zusammen, wenn die Interaktion abgeschlossen ist.

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

Die Hintergrundausführung ist die einfachste Möglichkeit, eine lange Decodierung auszuführen. Dabei wird die Fortsetzungsschleife serverseitig ausgeführt, bis das Modell fertig ist oder max_output_tokens erreicht. Wenn Sie eine detailliertere Kontrolle über Wiederholungen, Backoff und Fehlerbehandlung benötigen oder Ihre Interaktionen nicht speichern möchten, können Sie die clientseitige Fortsetzung in der GenerateContent API verwenden. Die clientseitige Fortsetzung wird bald auch in der Interactions API verfügbar sein. Informationen zu Streaming, Wiederverbindung, Tokenzählung und zur Verwendung der langen Decodierung finden Sie im Leitfaden zur langen Decodierung.

Ausgabetokenlimits festlegen

max_output_tokens legt die Gesamtzahl der Tokens für Denkaufwand und Ausgabe für eine Antwort fest. Legen Sie den Wert hoch genug fest, damit der Denkaufwand die Antwort nicht zu kurz ausfallen lässt, und niedrig genug, um die Ausgaben zu begrenzen, wenn ein schwieriger Prompt alle Tokens verbraucht.

Verwenden Sie diese Werte als Ausgangspunkt:

• Standardaufgaben:Behalten Sie den Standardwert von 65.536 bei oder legen Sie keinen Wert fest.
• Vorhandene Apps mit einem Limit unter 32.000:Erhöhen Sie max_output_tokens auf mindestens 32.768. Gemini 4 Argon kann mehr vom Limit für den Denkaufwand verwenden als frühere Modelle. Wenn Sie weniger Tokens verwenden möchten, senken Sie stattdessen den Denkaufwand.
• Komplexer Denkaufwand und Programmierung:Legen Sie background: true fest und setzen Sie max_output_tokens auf 131.072 oder 262.144, bis zu 1.048.576 abzüglich Ihrer Eingabetokens.

Denkaufwände

Der Denkaufwand ist die wichtigste Steuerungsmöglichkeit für Qualität, Latenz und Tokennutzung in Gemini 4 Argon:

Führen Sie Ihre Bewertungen auf allen drei Ebenen aus und wählen Sie dann die niedrigste Ebene aus, die Ihren Qualitätsanforderungen entspricht. Weitere Informationen finden Sie im Leitfaden zum Denkaufwand.

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"
    }
  }'

Gemini 4 Argon in verwalteten Agenten

Der Antigravity-Agent in Gemini Managed Agents unterstützt Gemini 4 Argon. Wenn Sie ihn verwenden möchten, legen Sie das Modell in agent_config fest:

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"
    }
  }'

Weitere Optionen finden Sie im Leitfaden zum Antigravity-Agenten unter Modellauswahl.

Checkliste für die Migration

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

Zu gemini-4-argon migrieren

• Modell-ID aktualisieren:Ändern Sie die Zielmodell-String in gemini-4-argon.
• **`max_output_tokens` überprüfen**max_output_tokens: Wenn Sie das Limit heute explizit festlegen, sollten Sie es erhöhen. Wir empfehlen mindestens 32.768, da Gemini 4 Argon mehr vom Limit für den Denkaufwand verwenden kann.
• Denkaufwand konfigurieren:Wählen Sie low, medium (Standard) oder high aus und testen Sie Ihre Arbeitslast mit allen drei Optionen.
• Explizites Kontext-Caching entfernen:Explizites Caching (cachedContents / caches.create) wird in Gemini 4 Argon nicht unterstützt. Entfernen Sie aus Ihren Anfragen alle Aufrufe, die cached_content erstellen oder darauf verweisen. Das implizite Caching ist standardmäßig für Prompts mit mindestens 4.096 Tokens aktiviert und reduziert die Kosten für gecachte Eingabetokens bei Cache-Treffern um 95 %.
• Sampling-Parameter entfernen:Entfernen Sie temperature, top_p und top_k aus Ihren Anfragen. Wenn sie angegeben werden, werden sie ignoriert.
• Hintergrundausführung für lange Ausgaben verwenden:Legen Sie für Aufgaben, die mehr als 64.000 Tokens erfordern,background auf „true“ und max_output_tokens auf einen Wert über 65.536 fest.
• Client-Time-outs erhöhen:Schwierige Prompts können mehrere Minuten dauern. Verwenden Sie die Hintergrundausführung oder legen Sie die HTTP-Client-Time-outs auf mindestens 15 Minuten fest.
• Unterhaltungsstatus auf dem Server beibehalten:Verwenden Sie previous_interaction_id für Unterhaltungen mit mehreren Turns und Funktionsaufrufe.

Preise

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

• Eingabetokens : 2,00 $ pro 1 Million Tokens (ab dem 1. Dezember 2026: 4,00 $)
  • Gecachte Eingabetokens : Beim impliziten Caching werden die Kosten für gecachte Eingaben um 95 % reduziert, auf 0,10 $ pro 1 Million Tokens (ab dem 1. Dezember 2026: 0,20 $).
• Ausgabetokens, einschließlich Tokens für Denkaufwand : 10,00 $ pro 1 Million Tokens (ab dem 1. Dezember 2026: 20,00 $)

Gemini 4 Argon ist nicht in der kostenlosen Stufe oder im Google AI Pro Abo verfügbar. Eine vollständige Übersicht 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

• Lesen Sie den Leitfaden zur langen Decodierung für Streaming, Wiederverbindung und Tokenzählung.
• Im Leitfaden zum Denkaufwand erfahren Sie, wie Denkaufwände und Zusammenfassungen von Gedanken funktionieren.
• Im Leitfaden zur Hintergrundausführung finden Sie Informationen zu zeitaufwendigen Jobs im Hintergrund.
• Testen und optimieren Sie Prompts in Google AI Studio.