Novedades de Gemini 4 Argon

Gemini 4 Argon (gemini-4-argon) es nuestro modelo más reciente y capaz. Puede razonar durante más tiempo sobre problemas difíciles para obtener mejores resultados en tareas complejas de programación, de agentes, matemáticas y ciencias. Gemini 4 Argon está disponible a través de la API de Gemini y en Google AI Studio.

Gemini 4 Argon admite una ventana de contexto unificada de 1 millón de tokens, una decodificación larga de hasta 1 millón de tokens y niveles de razonamiento ajustables (low, medium, high).

En esta guía, se explica qué novedades incluye Gemini 4 Argon, los cambios en la API, los ejemplos de código y la orientación para la migración.

Modelo nuevo

Para obtener detalles completos, consulta la página del modelo Gemini 4 Argon. Para obtener detalles sobre los precios de lanzamiento, consulta la sección de precios más adelante en esta página o la página de precios.

Guía de inicio rápido

Usa el siguiente ejemplo para enviar una solicitud a gemini-4-argon con el thinking_level predeterminado recomendado (medium) y un límite de tokens de salida de 64,000:

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."
  }'

Novedades de Gemini 4 Argon

• Límite unificado de 1 millón de tokens de entrada y salida: La entrada, el razonamiento y la salida comparten una ventana de 1,048,576 tokens.
• Decodificación larga: Una sola respuesta ahora puede superar los 64,000 tokens, hasta 1 millón de tokens menos tu entrada. Consulta Decodificación larga.
• La comprensión de video de agentes está disponible de forma general: La comprensión de video de agentes ahora está disponible de forma general.
• Compatibilidad con agentes administrados: El agente de Antigravity en Gemini Managed Agents ahora admite Gemini 4 Argon.

Para obtener especificaciones completas, consulta la página del modelo Gemini 4 Argon. Para obtener información sobre los precios, consulta la página de precios.

Salida más grande y decodificación larga

Gemini 4 Argon puede razonar durante más tiempo sobre problemas difíciles de matemáticas, ciencias y programación.

• Usa thinking_level para controlar la profundidad del razonamiento: El nivel de razonamiento decide la profundidad con la que el modelo razona antes de responder. max_output_tokens es un límite estricto: la respuesta se detiene una vez que el razonamiento y la salida juntos lo alcanzan, por lo que debes establecerlo lo suficientemente alto para que no acorte la respuesta.

• Genera hasta 1 millón de tokens con la ejecución en segundo plano: Usa la ejecución en segundo plano con max_output_tokens superior a 65,536 para permitir que una sola respuesta supere los 64,000 tokens, hasta 1 millón de tokens. El modelo genera respuestas largas en saltos de hasta 64,000 tokens, y cada salto continúa desde donde se detuvo el anterior. Con la ejecución en segundo plano, nuestros servidores ejecutan estos saltos de continuación por ti. Como cada salto agrega un paso model_output a interaction.steps, une el texto en todos los pasos model_output cuando se complete la interacción.

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

La ejecución en segundo plano es la forma más sencilla de ejecutar la decodificación larga. Ejecuta el bucle de continuación del servidor hasta que el modelo finaliza o alcanza max_output_tokens. Si necesitas un control más detallado sobre los reintentos, la retirada y el manejo de errores (o no quieres que se almacenen tus interacciones), puedes usar la continuación del cliente en la API de GenerateContent. La continuación del cliente también estará disponible próximamente en la API de Interactions. Para la transmisión, la reconexión, el recuento de tokens y cuándo usar la decodificación larga, consulta la guía de decodificación larga.

Cómo configurar límites de tokens de salida

max_output_tokens establece el total de tokens de razonamiento y salida para una respuesta. Configúralo lo suficientemente alto para que el razonamiento no acorte la respuesta y lo suficientemente bajo para limitar el gasto cuando una instrucción estricta lo use todo.

Usa estos valores como punto de partida:

• Tareas estándar: Conserva el valor predeterminado de 65,536 o no establezcas ningún valor.
• Apps existentes con un límite inferior a 32,000: Aumenta max_output_tokens a al menos 32,768. Gemini 4 Argon puede gastar más del límite en razonamiento que los modelos anteriores. Para usar menos tokens, disminuye el nivel de razonamiento.
• Razonamiento y programación complejos: Establece background: true y max_output_tokens en 131,072 o 262,144, hasta 1,048,576 menos tus tokens de entrada.

Comprensión de los niveles de razonamiento

El nivel de razonamiento es tu control principal sobre la calidad, la latencia y el uso de tokens en Gemini 4 Argon:

Ejecuta tus evaluaciones en los tres niveles y, luego, elige el nivel más bajo que cumpla con tu estándar de calidad. Para obtener más información, consulta la guía de razonamiento.

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 en agentes administrados

El agente de Antigravity en Gemini Managed Agents admite Gemini 4 Argon. Para usarlo, establece el modelo en agent_config:

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"
    }
  }'

Para obtener más opciones, consulta la selección de modelos en la guía del agente de Antigravity.

Lista de tareas de la migración

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

Migra a gemini-4-argon

• Actualiza el ID del modelo: Cambia la cadena del modelo de destino a gemini-4-argon.
• Revisa max_output_tokens: Si lo estableces explícitamente hoy, considera aumentarlo. Recomendamos al menos 32,768, ya que Gemini 4 Argon puede gastar más del límite en razonamiento.
• Configura el nivel de razonamiento: Elige low, medium (predeterminado) o high, y prueba tu carga de trabajo en los tres.
• Quita el almacenamiento en caché de contexto explícito: El almacenamiento en caché explícito (cachedContents / caches.create) no es compatible con Gemini 4 Argon. Quita de tus solicitudes las llamadas que crean o hacen referencia a cached_content. El almacenamiento en caché implícito está habilitado de forma predeterminada para las instrucciones de al menos 4,096 tokens y descuenta los tokens de entrada almacenados en caché en un 95% en los aciertos de caché.
• Quita los parámetros de muestreo: Quita temperature, top_p y top_k de tus solicitudes. Si se proporcionan, se ignoran.
• Usa la ejecución en segundo plano para salidas largas: Para las tareas que necesitan más de 64,000 tokens, establece background en true y max_output_tokens en un valor superior a 65,536.
• Aumenta los tiempos de espera del cliente: Las instrucciones estrictas pueden tardar varios minutos. Usa la ejecución en segundo plano o establece los tiempos de espera del cliente HTTP en al menos 15 minutos.
• Mantén el estado de la conversación en el servidor: Usa previous_interaction_id para conversaciones de varios turnos y de llamadas a funciones.

Precios

Gemini 4 Argon está disponible con precio de lanzamiento hasta el 30 de noviembre de 2026:

• Tokens de entrada: USD 2.00 por millón de tokens (USD 4.00 a partir del 1 de diciembre de 2026)
  • Tokens de entrada almacenados en caché: El almacenamiento en caché implícito descuenta la entrada almacenada en caché en un 95%, a USD 0.10 por millón de tokens (USD 0.20 a partir del 1 de diciembre de 2026).
• Tokens de salida, incluidos los tokens de razonamiento: USD 10.00 por millón de tokens (USD 20.00 a partir del 1 de diciembre de 2026)

Gemini 4 Argon no está disponible en el nivel gratuito ni en el plan Google AI Pro. Para obtener información sobre los niveles de precios completos, consulta la página de precios.

Otros modelos

• Gemini 3.8 Flash
• Gemini 3.6 Flash y 3.5 Flash-Lite
• Ver todos los modelos

¿Qué sigue?

• Lee la guía de decodificación larga para la transmisión, la reconexión y el recuento de tokens.
• Obtén información sobre cómo funcionan los niveles de razonamiento y los resúmenes de razonamiento en la guía de razonamiento.
• Obtén información sobre los trabajos de larga duración en la guía de ejecución en segundo plano.
• Prueba y define instrucciones en Google AI Studio.