Nouveautés de Gemini 4 Argon

Gemini 4 Argon (gemini-4-argon) est notre tout dernier modèle ultra performant. Il peut raisonner plus longtemps sur des problèmes difficiles pour obtenir de meilleurs résultats sur des tâches complexes de codage, agentiques, mathématiques et scientifiques. Gemini 4 Argon est disponible via l'API Gemini et dans Google AI Studio.

Gemini 4 Argon est compatible avec une fenêtre de contexte unifiée d'un million de jetons, un décodage long pouvant atteindre un million de jetons et des niveaux de réflexion réglables (low, medium, high).

Ce guide explique les nouveautés de Gemini 4 Argon, les modifications apportées à l'API, des exemples de code et des conseils de migration.

Nouveau modèle

Pour en savoir plus, consultez la page du modèle Gemini 4 Argon. Pour en savoir plus sur les prix découverte, consultez la section Tarifs plus loin sur cette page ou la page Tarifs.

Guide de démarrage rapide

Utilisez l'exemple suivant pour envoyer une requête à gemini-4-argon avec le thinking_level par défaut recommandé (medium) et une limite de jetons de sortie 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."
  }'

Nouveautés de Gemini 4 Argon

• Limite unifiée d'un million de jetons d'entrée/sortie : l'entrée, la réflexion et la sortie partagent une fenêtre de 1 048 576 jetons.
• Décodage long : une seule réponse peut désormais dépasser 64 000 jetons, jusqu'à un million de jetons moins votre entrée. Consultez la section Décodage long.
• La compréhension agentique des vidéos est généralement disponible : la compréhension agentique des vidéos est désormais généralement disponible.
• Compatible avec les agents gérés : l'agent Antigravity dans Gemini Managed Agents est désormais compatible avec Gemini 4 Argon.

Pour obtenir les spécifications complètes, consultez la page du modèle Gemini 4 Argon. Pour en savoir plus sur les tarifs, consultez la page Tarifs.

Sortie plus volumineuse et décodage long

Gemini 4 Argon peut réfléchir plus longtemps sur des problèmes difficiles de mathématiques, de sciences et de codage.

• Utilisez thinking_level pour contrôler la profondeur du raisonnement : le niveau de réflexion détermine la profondeur du raisonnement du modèle avant qu'il ne réponde. max_output_tokens est une limite stricte : la réponse s'arrête une fois que la réflexion et la sortie combinées l'atteignent. Définissez-la donc suffisamment haut pour qu'elle ne coupe pas la réponse.

• Générez jusqu'à un million de jetons avec l'exécution en arrière-plan : utilisez l'exécution en arrière-plan avec max_output_tokens supérieur à 65 536 pour qu'une seule réponse dépasse 64 000 jetons, jusqu'à un million de jetons. Le modèle génère de longues réponses par sauts de 64 000 jetons maximum, et chaque saut reprend là où le précédent s'est arrêté. Avec l'exécution en arrière-plan, nos serveurs exécutent ces sauts de continuation pour vous. Étant donné que chaque saut ajoute une étape model_output à interaction.steps, joignez le texte de toutes les étapes model_output lorsque l'interaction est terminée.

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

L'exécution en arrière-plan est le moyen le plus simple d'exécuter un décodage long. Elle exécute la boucle de continuation côté serveur jusqu'à ce que le modèle se termine ou atteigne max_output_tokens. Si vous avez besoin d'un contrôle plus précis sur les nouvelles tentatives, le délai exponentiel et la gestion des exceptions (ou si vous ne souhaitez pas que vos interactions soient stockées), vous pouvez utiliser la continuation côté client dans l'API GenerateContent. La continuation côté client sera également bientôt disponible dans l'API Interactions. Pour en savoir plus sur le streaming, la reconnexion, le comptage des jetons et quand utiliser le décodage long, consultez le guide sur le décodage long.

Définir des limites pour les jetons de sortie

max_output_tokens définit le nombre total de jetons de réflexion et de sortie pour une réponse. Définissez-le suffisamment haut pour que la réflexion ne coupe pas la réponse, et suffisamment bas pour limiter les dépenses lorsqu'un prompt difficile l'utilise entièrement.

Utilisez ces valeurs comme point de départ :

• Tâches standards : conservez la valeur par défaut de 65 536 ou ne définissez aucune valeur.
• Applications existantes avec une limite inférieure à 32 000 : augmentez max_output_tokens à au moins 32 768. Gemini 4 Argon peut consacrer une plus grande partie de la limite à la réflexion que les modèles précédents. Pour utiliser moins de jetons, réduisez plutôt le niveau de réflexion.
• Raisonnement et codage complexes : définissez background: true et max_output_tokens sur 131 072 ou 262 144, jusqu'à 1 048 576 moins vos jetons d'entrée.

Comprendre les niveaux de réflexion

Le niveau de réflexion est votre principal contrôle sur la qualité, la latence et l'utilisation des jetons dans Gemini 4 Argon :

Exécutez vos évaluations aux trois niveaux, puis choisissez le niveau le plus bas qui répond à votre barre de qualité. Pour en savoir plus, consultez le guide sur la réflexion.

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 dans les agents gérés

L'agent Antigravity dans Gemini Managed Agents est compatible avec Gemini 4 Argon. Pour l'utiliser, définissez le modèle dans 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"
    }
  }'

Pour plus d'options, consultez la section Sélection du modèle dans le guide de l'agent Antigravity.

Checklist de migration

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

Migrer vers gemini-4-argon

• Mettre à jour l'ID du modèle : remplacez la chaîne de votre modèle cible par gemini-4-argon.
• Examiner max_output_tokens: si vous le définissez explicitement aujourd'hui, envisagez de l'augmenter. Nous recommandons au moins 32 768, car Gemini 4 Argon peut consacrer une plus grande partie de la limite à la réflexion.
• Configurer le niveau de réflexion : choisissez low, medium (par défaut) ou high, et testez votre charge de travail aux trois niveaux.
• Supprimer la mise en cache explicite du contexte : la mise en cache explicite (cachedContents / caches.create) n'est pas compatible avec Gemini 4 Argon. Supprimez les appels qui créent ou référencent cached_content de vos requêtes. La mise en cache implicite est activée par défaut pour les prompts d'au moins 4 096 jetons et réduit les jetons d'entrée mis en cache de 95% en cas de succès de cache.
• Supprimer les paramètres d'échantillonnage : supprimez temperature, top_p et top_k de vos requêtes. S'ils sont fournis, ils sont ignorés.
• Utiliser l'exécution en arrière-plan pour les sorties longues : pour les tâches qui nécessitent plus de 64 000 jetons, définissez background sur "true" et max_output_tokens sur une valeur supérieure à 65 536.
• Augmenter les délais d'attente du client : les prompts difficiles peuvent prendre plusieurs minutes. Utilisez l'exécution en arrière-plan ou définissez les délais d'attente du client HTTP sur au moins 15 minutes.
• Conserver l'état de la conversation sur le serveur : utilisez previous_interaction_id pour les conversations multitours et les appels de fonction.

Tarifs

Gemini 4 Argon est disponible au prix découverte jusqu'au 30 novembre 2026 :

• Jetons d'entrée : 2 $ par million de jetons (4 $ à partir du 1er décembre 2026)
  • Jetons d'entrée mis en cache : la mise en cache implicite réduit les entrées mises en cache de 95%, à 0,10 $ par million de jetons (0,20 $ à partir du 1er décembre 2026).
• Jetons de sortie, y compris les jetons de réflexion : 10 $ par million de jetons (20 $ à partir du 1er décembre 2026)

Gemini 4 Argon n'est pas disponible avec le niveau sans frais ni avec le forfait Google AI Pro. Pour connaître tous les niveaux de tarification, consultez la page Tarifs.

Autres modèles

• Gemini 3.8 Flash
• Gemini 3.6 Flash et 3.5 Flash-Lite
• Voir tous les modèles

Étape suivante

• Consultez le guide sur le décodage long pour en savoir plus sur le streaming, la reconnexion et le comptage des jetons.
• Découvrez le fonctionnement des niveaux de réflexion et des résumés de pensée dans le guide sur la réflexion.
• Découvrez les tâches de longue durée dans le guide sur l'exécution en arrière-plan.
• Testez et affinez les prompts dans Google AI Studio.