ویژگی‌های جدید Gemini 4 Argon

‫Gemini 4 Argon (gemini-4-argon) جدیدترین و توانمندترین مدل ما است. این مدل می‌تواند برای مدت طولانی‌تری درباره مسائل دشوار استدلال کند تا نتایج بهتری در تکالیف پیچیده کدنویسی، عامل‌گرا، ریاضی، و علمی ارائه دهد. ‫Gemini 4 Argon ازطریق Gemini API و در Google AI Studio دردسترس است.

‫Gemini 4 Argon از پنجره زمینه‌ای یکپارچه ۱ میلیون داده‌واحدی، رمزگشایی طولانی تا ۱ میلیون داده‌واحد، و سطوح تفکر قابل‌تنظیم (low، medium، high) پشتیبانی می‌کند.

این راهنما ویژگی‌های جدید Gemini 4 Argon، تغییرات API، نمونه‌های کد، و راهنمای انتقال را توضیح می‌دهد.

مدل جدید

مدل شناسه مدل سطح پیش‌فرض «اندیشگر» قیمت‌گذاری شرح
Gemini 4 Argon gemini-4-argon medium تا ۳۰ نوامبر ۲۰۲۶ با قیمت آغازین ۲ دلار به‌ازای ۱ میلیون داده‌واحد ورودی و ۱۰ دلار به‌ازای ۱ میلیون داده‌واحد خروجی (پس‌از آن ۴ دلار به‌ازای ۱ میلیون داده‌واحد ورودی و ۲۰ دلار به‌ازای ۱ میلیون داده‌واحد خروجی) دردسترس است. برای جزئیات بیشتر، قیمت‌گذاری را ببینید. توانمندترین مدل ما که برای حل سخت‌ترین مسائل با عمق و دقت در کارهای مهندسی نرم‌افزار و دانش واقعی ساخته شده است.

برای جزئیات کامل، به صفحه مدل Gemini 4 Argon مراجعه کنید. برای جزئیات قیمت‌گذاری مقدماتی، به بخش قیمت‌گذاری در ادامه این صفحه یا صفحه قیمت‌گذاری مراجعه کنید.

راه‌اندازی سریع

از مثال زیر برای ارسال درخواست به gemini-4-argon با thinking_level پیش‌فرض توصیه‌شده (medium) و محدودیت ۶۴ هزار کد برونداد استفاده کنید:

Python

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)

JavaScript

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);

استراحت

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."
  }'

تازه‌های Gemini 4 Argon

  • حد یکپارچه ۱ میلیون داده‌واحد ورودی-خروجی: ورودی، اندیشگر، و خروجی یک پنجره ۱٬۰۴۸٬۵۷۶ داده‌واحدی را به‌طور مشترک استفاده می‌کنند.
  • رمزگشایی طولانی: اکنون یک پاسخ می‌تواند از ۶۴ هزار داده‌واحد فراتر برود و به ۱ میلیون داده‌واحد منهای ورودی شما برسد. رمزگشایی طولانی را ببینید.
  • درک ویدیو عاملی به‌طور عمومی دردسترس است: درک ویدیو عاملی اکنون به‌طور عمومی دردسترس است.
  • پشتیبانی‌شده در «عامل‌های مدیریت‌شده»: عامل Antigravity در «عامل‌های مدیریت‌شده» Gemini اکنون از Gemini 4 Argon پشتیبانی می‌کند.

برای مشخصات کامل، به صفحه مدل Gemini 4 Argon مراجعه کنید. برای جزئیات قیمت‌گذاری، صفحه قیمت‌گذاری را ببینید.

برونداد بزرگ‌تر و رمزگشایی طولانی

‫Gemini 4 Argon می‌تواند برای مسائل دشوار ریاضی، علوم، و کدنویسی بیشتر فکر کند.

  • از thinking_level برای کنترل عمق استدلال استفاده کنید: سطح تفکر تعیین می‌کند که مدل قبل‌از پاسخ دادن چقدر عمیق استدلال کند. max_output_tokens یک حد سخت است: وقتی تفکر و خروجی باهم به آن برسند، پاسخ متوقف می‌شود، بنابراین آن را به‌اندازه کافی بالا تنظیم کنید تا پاسخ کوتاه نشود.
  • تولید کردن حداکثر ۱ میلیون داده‌واحد با اجرای پس‌زمینه‌ای: از اجرای پس‌زمینه‌ای با max_output_tokens بیشتر از ۶۵٬۵۳۶ استفاده کنید تا یک پاسخ بتواند از ۶۴ هزار داده‌واحد فراتر برود و به ۱ میلیون داده‌واحد برسد. مدل پاسخ‌های طولانی را در جهش‌های حداکثر ۶۴ هزار تایی از کدواحدها تولید می‌کند و هر جهش از جایی که جهش قبلی متوقف شده است ادامه می‌یابد. با اجرای پس‌زمینه، سرورهای ما این جهش‌های ادامه‌دار را برای شما اجرا می‌کنند. چون هر پرش یک مرحله model_output به interaction.steps اضافه می‌کند، وقتی تعامل کامل شد، نوشتار را در همه مراحل model_output به‌هم بپیوندید.

Python

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)

JavaScript

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);

استراحت

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

اجرا در پس‌زمینه ساده‌ترین راه برای اجرای رمزگشایی طولانی است. این پارامتر حلقه ادامه را در سمت سرور اجرا می‌کند تا زمانی که مدل تمام شود یا به max_output_tokens برسد. اگر به کنترل دقیق‌تری بر تلاش‌های مجدد، عقب‌نشینی، و مدیریت خطا نیاز دارید (یا نمی‌خواهید تعامل‌هایتان ذخیره شود)، می‌توانید از ادامه سمت کارخواه در GenerateContent API استفاده کنید. ادامه سمت کارخواه نیز به‌زودی به Interactions API اضافه خواهد شد. برای جاری‌سازی، اتصال مجدد، شمارش داده‌واحد، و زمان استفاده از رمزگشایی طولانی، به راهنمای رمزگشایی طولانی مراجعه کنید.

تنظیم کردن محدودیت‌های داده‌واحد برونداد

‫max_output_tokens مجموع توکن‌های تفکر و برونداد را برای پاسخ تنظیم می‌کند. آن را به‌اندازه کافی بالا تنظیم کنید تا فکر کردن پاسخ را کوتاه نکند، و به‌اندازه کافی پایین تنظیم کنید تا وقتی پیام‌واره سختی از همه آن استفاده می‌کند، هزینه محدود شود.

از این مقادیر به‌عنوان نقطه شروع استفاده کنید:

  • تکالیف استاندارد: مقدار پیش‌فرض ۶۵٬۵۳۶ را حفظ کنید یا هیچ مقداری تنظیم نکنید.
  • برنامه‌های موجود با محدودیت کمتر از ۳۲ هزار: max_output_tokens را حداقل به ۳۲٬۷۶۸ افزایش دهید. ‫Gemini 4 Argon می‌تواند نسبت‌به مدل‌های قبلی، بخش بیشتری از حد استفاده را صرف اندیشیدن کند. برای استفاده از توکن‌های کمتر، سطح تفکر را کاهش دهید.
  • استدلال و کدنویسی پیچیده: background: true و max_output_tokens را روی ۱۳۱٬۰۷۲ یا ۲۶۲٬۱۴۴ تنظیم کنید، تا ۱٬۰۴۸٬۵۷۶ منهای نشان‌های ورودی شما.

آشنایی با سطوح «اندیشگر»

سطح اندیشیدن کنترل اصلی شما بر کیفیت، تأخیر، و استفاده از نمانه در Gemini 4 Argon است:

سطح «اندیشگر» استفاده از کد زمان استفاده
low کمترین داده‌واحد، کمترین تأخیر تکالیف ساده‌تر و کارهای حساس به هزینه. همچنین برای کارهای تحلیلی و نوشتاری که نیاز به تفکر سبک دارند مناسب است. کیفیت ممکن است در تکالیف سخت کاهش یابد.
medium (پیش‌فرض) متعادل برای اکثر تکلیف‌ها، ازجمله کدنویسی پیچیده و موارد استفاده عامل‌گرا، توصیه می‌شود.
high بیشترین داده‌واحد، کندترین داده‌واحد اول استدلال پیچیده، ریاضی و علوم سخت، و دشوارترین کدها یا وظایف عامل. برای بروندادهای طولانی، با رمزگشایی طولانی به‌خوبی جفت می‌شود.

ارزیابی‌هایتان را در هر سه سطح اجرا کنید، سپس پایین‌ترین سطحی را که با معیارهای کیفی شما مطابقت دارد انتخاب کنید. برای کسب اطلاعات بیشتر، راهنمای تفکر را ببینید.

Python

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)

JavaScript

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);

استراحت

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 در «عامل‌های مدیریت‌شده»

عامل Antigravity در «عامل‌های مدیریت‌شده Gemini» از Gemini 4 Argon پشتیبانی می‌کند. برای استفاده از آن، مدل را در agent_config تنظیم کنید:

Python

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)

JavaScript

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);

استراحت

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"
    }
  }'

برای گزینه‌های بیشتر، انتخاب مدل را در راهنمای عامل Antigravity ببینید.

بازبینه انتقال

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

انتقال به gemini-4-argon

  • به‌روزرسانی شناسه مدل: رشته مدل هدف را به gemini-4-argon تغییر دهید.
  • max_output_tokens را مرور کنید: اگر امروز آن را به‌طور صریح تنظیم کرده‌اید، افزایش آن را مدنظر قرار دهید. حداقل ۳۲٬۷۶۸ را توصیه می‌کنیم، زیرا Gemini 4 Argon می‌تواند بخش بیشتری از این حد را صرف فکر کردن کند.
  • پیکربندی سطح اندیشیدن: low، medium (پیش‌فرض)، یا high را انتخاب کنید و حجم کاری‌تان را در هر سه سطح آزمایش کنید.
  • از ذخیره‌سازی صریح بافت در حافظه نهان استفاده نکنید: ذخیره‌سازی صریح در حافظه نهان (cachedContents / caches.create) در Gemini 4 Argon پشتیبانی نمی‌شود. فراخوانی‌هایی را که cached_content ایجاد می‌کنند یا به آن ارجاع می‌دهند از درخواست‌هایتان بردارید. ذخیره‌سازی ضمنی در حافظه نهان به‌طور پیش‌فرض برای پیام‌واره‌های حداقل ۴۰۹۶ نمانه‌ای فعال است و نمانه‌های ورودی ذخیره‌شده در حافظه نهان را درصورت وجود در حافظه نهان با ۹۵٪ تخفیف ارائه می‌دهد.
  • پارامترهای نمونه‌برداری را بردارید: temperature، top_p، و top_k را از درخواست‌هایتان بردارید. اگر ارائه شود، نادیده گرفته می‌شود.
  • برای بروندادهای طولانی از اجرای پس‌زمینه استفاده کنید: برای تکلیف‌هایی که به بیش‌از ۶۴ هزار نمانه نیاز دارند، background را روی true و max_output_tokens را روی بیشتر از ۶۵٬۵۳۶ تنظیم کنید.
  • افزایش زمان اتمام مهلت کارخواه: پیام‌واره‌های سخت ممکن است چند دقیقه طول بکشد. از اجرای پس‌زمینه استفاده کنید یا زمان اتمام مهلت کارخواه HTTP را حداقل روی ۱۵ دقیقه تنظیم کنید.
  • حفظ وضعیت مکالمه در سرور: از previous_interaction_id برای مکالمه‌های چندنوبتی و فراخوانی تابع استفاده کنید.

قیمت‌گذاری

‫Gemini 4 Argon با قیمت آغازین تا ۳۰ نوامبر ۲۰۲۶ دردسترس است:

  • داده‌واحد ورودی: ۲٫۰۰ دلار به‌ازای هر ۱ میلیون داده‌واحد (۴٫۰۰ دلار از ۱ دسامبر ۲۰۲۶)
    • داده‌واحدهای ورودی ذخیره‌شده در حافظه نهان: ذخیره‌سازی ضمنی در حافظه نهان، ورودی ذخیره‌شده در حافظه نهان را تا ۹۵٪ کاهش می‌دهد و به ۰٫۱۰ دلار به‌ازای هر ۱ میلیون داده‌واحد می‌رساند (از ۱ دسامبر ۲۰۲۶، ۰٫۲۰ دلار).
  • داده‌واحدهای برونداد، شامل داده‌واحدهای اندیشیدن: ۱۰٫۰۰ دلار به‌ازای هر ۱ میلیون داده‌واحد (۲۰٫۰۰ دلار از ۱ دسامبر ۲۰۲۶)

‫Gemini 4 Argon در سطح «رایگان» دردسترس نیست. برای مشاهده سطوح قیمت‌گذاری کامل، به صفحه قیمت‌گذاری مراجعه کنید.

مدل‌های دیگر

قدم بعدی چیست