Nouveautés de Gemini 4 Argon

Gemini 4 Argon (gemini-4-argon) est notre modèle le plus récent et le plus performant. Il peut raisonner plus longtemps sur des problèmes difficiles pour obtenir de meilleurs résultats sur des tâches complexes de codage, d'agentivité, de mathématiques et de sciences. 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 jusqu'à un million de jetons et des niveaux de réflexion réglables (low, medium, high).

Ce guide présente 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 bas sur cette page ou la page des tarifs.

Guide de démarrage rapide

Utilisez l'exemple suivant pour envoyer une requête à gemini-4-argon avec la valeur par défaut recommandée pour thinking_level (medium) et une limite de 64 000 jetons de sortie :

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 de 1 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 1 million de jetons moins votre entrée. Consultez Décodage long.
• La compréhension agentique des vidéos est en disponibilité générale : la compréhension agentique des vidéos est désormais en disponibilité générale.
• Compatibilité avec les agents gérés : L'agent Antigravity dans les agents gérés Gemini est désormais compatible avec Gemini 4 Argon.

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

Sortie plus volumineuse et décodage long

Gemini 4 Argon peut réfléchir plus longtemps aux problèmes complexes 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 l'atteignent. Définissez-la donc à un niveau suffisamment élevé pour ne pas écourter la réponse.

• Générer jusqu'à 1 million de jetons avec l'exécution en arrière-plan : utilisez l'exécution en arrière-plan avec un max_output_tokens supérieur à 65 536 pour permettre à une seule réponse de dépasser 64 000 jetons, jusqu'à 1 million de jetons. Le modèle génère des réponses longues 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 une fois l'interaction 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 des nouvelles tentatives, de l'intervalle entre les tentatives et de 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 les cas d'utilisation du décodage long, consultez le guide sur le décodage long.

Définir des limites de jetons de sortie

max_output_tokens définit le nombre total de jetons de réflexion et de sortie pour une réponse. Définissez-la à un niveau suffisamment élevé pour que la réflexion n'interrompe pas la réponse, et suffisamment bas pour limiter les dépenses lorsqu'une requête complexe utilise l'intégralité de la limite.

Utilisez les valeurs suivantes 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 au raisonnement que les modèles précédents. Pour utiliser moins de jetons, réduisez plutôt le niveau de raisonnement.
• Raisonnement et codage complexes : définissez background: true et définissez max_output_tokens sur 131 072 ou 262 144, jusqu'à 1 048 576 moins vos jetons d'entrée.

Comprendre les niveaux de raisonnement

Le niveau de réflexion est votre principal moyen de contrôler 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 vos exigences 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 Managed Agents

L'agent Antigravity dans les agents gérés Gemini 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 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.
• Examinez max_output_tokens : si vous l'avez défini explicitement aujourd'hui, envisagez de l'augmenter. Nous recommandons au moins 32 768, car Gemini 4 Argon peut utiliser une plus grande partie de la limite pour réfléchir.
• Configurez le niveau de réflexion : choisissez low, medium (par défaut) ou high, puis testez votre charge de travail avec les trois.
• Abandonnez la mise en cache explicite du contexte : la mise en cache explicite (cachedContents / caches.create) n'est pas compatible avec Gemini 4 Argon. Supprimez de vos requêtes les appels qui créent ou référencent cached_content. La mise en cache implicite est activée par défaut pour les prompts d'au moins 4 096 jetons et réduit de 95% le coût des jetons d'entrée mis en cache en cas de succès de cache.
• Supprimez les paramètres d'échantillonnage : supprimez temperature, top_p et top_k de vos requêtes. Si elles sont fournies, elles sont ignorées.
• Utilisez l'exécution en arrière-plan pour les sorties longues : pour les tâches nécessitant plus de 64 000 jetons, définissez background sur "true" et max_output_tokens sur une valeur supérieure à 65 536.
• Augmentez les délais avant expiration du client : les requêtes dures peuvent prendre plusieurs minutes. Utilisez l'exécution en arrière-plan ou définissez les délais avant expiration 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 à un 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 de 95 % le coût des entrées mises en cache, qui passe à 0,10 $ pour un million de jetons (0,20 $ à partir du 1er décembre 2026).
• Jetons de sortie, y compris les jetons de raisonnement : 10 $ par million de jetons (20 $ à partir du 1er décembre 2026)

Gemini 4 Argon n'est pas disponible avec le niveau sans frais. Pour connaître l'ensemble des niveaux de tarification, consultez la page des 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.
• Pour en savoir plus sur le fonctionnement des niveaux de réflexion et des résumés de réflexion, consultez le guide sur la réflexion.
• Pour en savoir plus sur les jobs de longue durée, consultez le guide sur l'exécution en arrière-plan.
• Testez et affinez les prompts dans Google AI Studio.