Что нового в Gemini 4 Argon

Gemini 4 Argon (gemini-4-argon) – наша новейшая и самая мощная модель. Она может дольше рассуждать над сложными задачами, чтобы лучше справляться с комплексным программированием, математическими и научными задачами, а также задачами, требующими действий. Gemini 4 Argon доступна через Gemini API и в Google AI Studio.

Gemini 4 Argon поддерживает единое окно контекста на 1 миллион токенов, длинное декодирование до 1 миллиона токенов и настраиваемые уровни мышления (low, medium, high).

В этом руководстве рассказывается о новых возможностях Gemini 4 Argon, изменениях в API, примерах кода и рекомендациях по миграции.

Новая модель

Подробную информацию вы найдете на странице модели Gemini 4 Argon. Подробные сведения о начальной цене приведены в разделе о ценах ниже на этой странице и на странице с ценами.

Краткое руководство

В следующем примере показано, как отправить запрос в gemini-4-argon с рекомендуемым значением по умолчанию для thinking_level (medium) и ограничением на размер выходного токена в 64 КБ:

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."
  }'

Что нового в Gemini 4 Argon

• Единый лимит в 1 миллион токенов на входные и выходные данные. Входные данные, рассуждения и выходные данные делят одно окно в 1 048 576 токенов.
• Длинные ответы. Теперь один ответ может содержать более 64 тысяч токенов – до 1 миллиона токенов за вычетом вашего запроса. Подробнее о длинном декодировании…
• Общая доступность агентного понимания видео. Агентное понимание видео теперь доступно всем пользователям.
• Поддержка в управляемых агентах. Агент Antigravity в управляемых агентах Gemini теперь поддерживает Gemini 4 Argon.

Полные характеристики приведены на странице модели Gemini 4 Argon. Подробнее о ценах…

Большой объем выходных данных и длительное декодирование

Gemini 4 Argon может дольше думать над сложными задачами по математике, естественным наукам и программированию.

• Используйте thinking_level, чтобы настроить уровень мышления. От этого параметра зависит, насколько глубоко модель будет анализировать информацию, прежде чем дать ответ. max_output_tokens – это жесткое ограничение. Ответ прерывается, как только суммарное количество токенов в рассуждении и ответе достигает этого значения. Установите достаточно высокое значение, чтобы ответ не прерывался.

• Генерируйте до 1 миллиона токенов с помощью фонового выполнения. Используйте фоновое выполнение с параметром max_output_tokens больше 65 536, чтобы один ответ мог содержать от 64 тысяч до 1 миллиона токенов. Модель генерирует длинные ответы частями до 64 000 токенов, и каждая часть продолжает предыдущую. При фоновом выполнении наши серверы запускают эти переходы за вас. Поскольку каждый переход добавляет шаг model_output в interaction.steps, объедините текст всех шагов model_output после завершения взаимодействия.

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

Фоновое выполнение – самый простой способ запустить длительное декодирование. На стороне сервера выполняется цикл продолжения, пока модель не завершит работу или не достигнет значения max_output_tokens. Если вам нужен более детальный контроль над повторными попытками, выдержкой и обработкой ошибок (или вы не хотите, чтобы ваши взаимодействия сохранялись), вы можете использовать клиентское продолжение в GenerateContent API. Вскоре в Interactions API также появится возможность продолжения на стороне клиента. Информацию о потоковой передаче, повторном подключении, подсчете токенов и о том, когда использовать долгое декодирование, можно найти в руководстве по долгому декодированию.

Как задать лимиты на выходные токены

max_output_tokens задает общее количество токенов для рассуждений и ответа. Установите достаточно высокое значение, чтобы модель могла дать полный ответ, но не слишком высокое, чтобы ограничить расходы, когда сложный запрос использует все доступные ресурсы.

Используйте эти значения в качестве отправной точки:

• Стандартные задачи. Оставьте значение по умолчанию (65 536) или не задавайте его.
• Для существующих приложений с лимитом менее 32 000 установите значение max_output_tokens не ниже 32 768. Gemini 4 Argon может тратить на размышления большую часть лимита, чем предыдущие модели. Чтобы использовать меньше токенов, понизьте уровень мышления.
• Сложные рассуждения и программирование. Задайте для параметров background: true и max_output_tokens значение 131 072 или 262 144, но не более 1 048 576 минус количество входных токенов.

Об уровнях мышления

Уровень рассуждения – это основной параметр, который позволяет управлять качеством, задержкой и использованием токенов в Gemini 4 Argon.

Проведите оценку на всех трех уровнях, а затем выберите самый низкий уровень, который соответствует вашим требованиям к качеству. Подробнее о планировании…

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 в управляемых агентах

Агент Antigravity в управляемых агентах Gemini поддерживает Gemini 4 Argon. Чтобы использовать ее, задайте модель в 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"
    }
  }'

Дополнительные сведения можно найти в разделе выбора модели руководства по агенту Antigravity.

Контрольный список для переноса

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

Как перейти на gemini-4-argon

• Обновите идентификатор модели. Измените строку целевой модели на gemini-4-argon.
• Проверьте max_output_tokens. Если вы задали его вручную, попробуйте увеличить его значение. Мы рекомендуем установить значение не менее 32 768, поскольку Gemini 4 Argon может тратить больше лимита на рассуждения.
• Настройте уровень мышления. Выберите low, medium (по умолчанию) или high и протестируйте рабочую нагрузку на всех трех уровнях.
• Откажитесь от явного кеширования контекста. Явное кеширование (cachedContents / caches.create) не поддерживается в Gemini 4 Argon. Удалите из запросов вызовы, которые создают cached_content или ссылаются на него. Неявное кеширование включено по умолчанию для запросов, содержащих не менее 4096 токенов, и снижает стоимость кешированных входных токенов на 95% при совпадениях в кеше.
• Удалите параметры выборки. Удалите из запросов параметры temperature, top_p и top_k. Если они указаны, то игнорируются.
• Используйте фоновое выполнение для длинных выходных данных. Для задач, требующих более 64 000 токенов, установите для параметра background значение true, а для параметра max_output_tokens – значение больше 65 536.
• Увеличьте время ожидания клиента. На обработку сложных запросов может уйти несколько минут. Используйте выполнение в фоновом режиме или установите для HTTP-клиента тайм-аут не менее 15 минут.
• Хранить состояние чата на сервере. Используйте previous_interaction_id для многошаговых чатов и чатов с вызовом функций.

Цены

До 30 ноября 2026 года на Gemini 4 Argon действует начальная цена:

• Входные токены: 2,00 долл. США за 1 млн токенов (4,00 долл. США с 1 декабря 2026 г.).
  • Кешированные входные токены. Неявное кеширование снижает стоимость входных токенов на 95 % – до 0,10 доллара США за 1 млн токенов (0, 20 доллара США с 1 декабря 2026 г.).
• Выходные токены, включая токены мышления: 10 долларов США за 1 млн токенов (20 долларов США с 1 декабря 2026 г.).

Gemini 4 Argon недоступна в бесплатном плане и в тарифе Google AI Pro. Полный список уровней цен приведен на странице цен.

Другие модели

• Gemini 3.8 Flash
• Gemini 3.6 Flash и 3.5 Flash-Lite
• Посмотреть все модели

Дальнейшие действия

• Ознакомьтесь с руководством по длинным декодированиям для потоковой передачи, повторного подключения и подсчета токенов.
• Подробнее о уровнях мышления и пересказах мыслей…
• Подробнее о длительных заданиях можно узнать из руководства по выполнению в фоновом режиме.
• Протестируйте и доработайте запросы в Google AI Studio.