Gemini 4 Argon (gemini-4-argon) הוא המודל החדש והמתקדם ביותר שלנו. הוא יכול להקדיש יותר זמן לניתוח בעיות קשות כדי להגיע לתוצאות טובות יותר במשימות מורכבות בתכנות, במתמטיקה ובמדע, ובמשימות שדורשות סוכנים. Gemini 4 Argon זמין דרך Gemini API וב-Google AI Studio.
Gemini 4 Argon תומך בחלון הקשר מאוחד של מיליון טוקנים, בפענוח ארוך של עד מיליון טוקנים וברמות חשיבה ניתנות להתאמה (low, medium, high).
רוצה לנסות את זה ב-AI Studio?
מפתחים אפליקציות מאפס עם Gemini 4 Argon ו-AI Studio.
גלריית יישומים
אפליקציות Play ויצירת רמיקס, מבוססות על Gemini 4 Argon.
שנתחיל?
התחילו לעבוד עם Gemini 4 Argon באמצעות הצעה לפרומפט.
במדריך הזה מוסבר מה חדש ב-Gemini 4 Argon, מה השינויים ב-API, ויש בו דוגמאות קוד והנחיות להעברה.
המודל החדש
| דגם | מזהה דגם | רמת ההעמקה שמוגדרת כברירת מחדל | תמחור | תיאור |
|---|---|---|---|---|
| Gemini 4 Argon | gemini-4-argon |
medium |
זמין עד 30 בנובמבר 2026 במחיר היכרות של 2 $למיליון טוקנים של קלט ו-10 $למיליון טוקנים של פלט (אחרי התאריך הזה המחיר יהיה 4$ למיליון טוקנים של קלט ו-20 $למיליון טוקנים של פלט). פרטים נוספים זמינים במאמר בנושא תמחור. | המודל הכי מתקדם שלנו, שנועד לפתור את הבעיות הכי קשות לעומק ובדיוק, במשימות של הנדסת תוכנה ועבודה עם ידע בעולם האמיתי. |
פרטים מלאים זמינים בדף המודל של Gemini 4 Argon. לפרטים על מחירי ההיכרות, עיינו בקטע בנושא תמחור בהמשך הדף הזה או בדף התמחור.
מדריך למתחילים
בדוגמה הבאה מוסבר איך לשלוח בקשה אל gemini-4-argon עם ערך ברירת המחדל המומלץ thinking_level (medium) ומגבלת טוקנים של 64K לפלט:
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);
REST
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."
}'
מה חדש ב-Gemini 4 Argon
- מגבלה משולבת של מיליון טוקנים לקלט ולפלט: הקלט, החשיבה והפלט חולקים חלון אחד של 1,048,576 טוקנים.
- פענוח ארוך: תשובה אחת יכולה עכשיו להכיל יותר מ-64,000 טוקנים, עד מיליון טוקנים פחות הקלט שלכם. פענוח ארוך
- התכונה "הבנת סרטונים באמצעות סוכנים" זמינה לכלל המשתמשים (GA): התכונה "הבנת סרטונים באמצעות סוכנים" זמינה עכשיו לכלל המשתמשים (GA).
- תמיכה בסוכנים מנוהלים: סוכן Antigravity ב-Gemini Managed Agents תומך עכשיו ב-Gemini 4 Argon.
המפרט המלא מופיע בדף המודל של Gemini 4 Argon. לפרטים על המחירים, עיינו בדף התמחור.
פלט גדול יותר ופענוח ארוך
Gemini 4 Argon יכול להשקיע יותר זמן בחשיבה על בעיות קשות במתמטיקה, במדע ובתכנות.
- משתמשים ב-
thinking_levelכדי לשלוט בעומק החשיבה: רמת החשיבה קובעת עד כמה המודל ינתח את הנתונים לפני שהוא יענה. max_output_tokensהוא מגבלה קשיחה: התשובה נעצרת ברגע שהחשיבה והפלט מגיעים אליה יחד, לכן צריך להגדיר אותה גבוהה מספיק כדי שהתשובה לא תיקטע. יצירה של עד מיליון טוקנים עם הפעלה ברקע: אפשר להשתמש בהפעלה ברקע עם
max_output_tokensגדול מ-65,536 כדי לאפשר לתשובה אחת לחרוג מ-64,000 טוקנים, עד מיליון טוקנים. המודל יוצר תשובות ארוכות בקפיצות של עד 64,000 טוקנים, וכל קפיצה ממשיכה מהמקום שבו הקפיצה הקודמת נעצרה. כשההפעלה מתבצעת ברקע, השרתים שלנו מריצים את הדילוגים האלה בשבילכם. בגלל שכל דילוג מוסיף שלבmodel_outputל-interaction.steps, צריך לחבר את הטקסט בכל השלבים שלmodel_outputכשהאינטראקציה מסתיימת.
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);
REST
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
הפעלה ברקע היא הדרך הקלה ביותר להפעיל פענוח ארוך. הוא מריץ את לולאת ההמשך בצד השרת עד שהמודל מסיים או מגיע ל-max_output_tokens. אם אתם צריכים שליטה מדויקת יותר על ניסיונות חוזרים, השהיה לפני ניסיון חוזר וטיפול בשגיאות (או אם אתם לא רוצים שהאינטראקציות שלכם יישמרו), אתם יכולים להשתמש בהמשך בצד הלקוח ב-GenerateContent API. בקרוב תהיה גם אפשרות להמשך בצד הלקוח ב-Interactions API. במדריך לפענוח ארוך מוסבר איך להשתמש בפענוח ארוך, איך לספור טוקנים, איך להתחבר מחדש ואיך להפעיל סטרימינג.
הגדרת מגבלות על טוקנים של פלט
max_output_tokens מגדיר את המספר הכולל של טוקנים לחשיבה ולפלט בתשובה. חשוב להגדיר אותה גבוה מספיק כדי שהחשיבה לא תקצר את התשובה, ונמוך מספיק כדי להגביל את ההוצאות כשהנחיה קשה משתמשת בכל המכסה.
אפשר להשתמש בערכים האלה כנקודת התחלה:
- משימות רגילות: משאירים את ערך ברירת המחדל של 65,536 או לא מגדירים ערך.
- אפליקציות קיימות עם מגבלה נמוכה מ-32,000: צריך להגדיל את
max_output_tokensל-32,768 לפחות. Gemini 4 Argon יכול להקדיש יותר זמן לחשיבה מאשר מודלים קודמים. כדי להשתמש בפחות טוקנים, אפשר להוריד את רמת החשיבה. - הסקה מורכבת ותכנות: מגדירים את
background: trueואתmax_output_tokensל-131,072 או 262,144, עד 1,048,576 פחות הטוקנים של הקלט.
הסבר על רמות ההעמקה
רמת החשיבה היא אמצעי הבקרה העיקרי על האיכות, זמן האחזור והשימוש בטוקנים ב-Gemini 4 Argon:
| רמת ההעמקה | שימוש בטוקנים | מתי להשתמש? |
|---|---|---|
low |
הכי מעט טוקנים, זמן האחזור הכי קצר | משימות פשוטות יותר ועבודה שבה העלות היא שיקול חשוב. הוא מתאים גם למשימות ניתוח וכתיבה שדורשות חשיבה קלה. האיכות עלולה לרדת במשימות קשות. |
medium (ברירת מחדל) |
מאוזן | האפשרות הזאת מומלצת לרוב המשימות, כולל קוד מורכב ותרחישי שימוש אג'נטיים. |
high |
הכי הרבה טוקנים, הטוקן הראשון הכי איטי | הסקת מסקנות מורכבת, מתמטיקה ומדעים ברמה גבוהה, ומשימות תכנות או סוכנים קשות במיוחד. מתאים לפענוח ארוך של פלטים ארוכים. |
מריצים את ההערכות בכל שלוש הרמות, ואז בוחרים ברמה הנמוכה ביותר שעומדת בדרישות האיכות שלכם. מידע נוסף זמין במדריך לחשיבה.
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);
REST
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 בסוכנים מנוהלים
סוכן Antigravity ב-Gemini Managed Agents תומך ב-Gemini 4 Argon. כדי להשתמש בו, מגדירים את המודל ב-agent_config:
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);
REST
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"
}
}'
אפשרויות נוספות מפורטות בקטע בחירת מודל במדריך של סוכן Antigravity.
רשימת משימות להעברת נתונים
`/gemini-api-dev migrate my app to Gemini 4 Argon`
מעבר ל-gemini-4-argon
- עדכון מזהה המודל: משנים את מחרוזת מודל היעד ל-
gemini-4-argon. - בודקים את
max_output_tokens: אם הגדרתם את הערך הזה באופן מפורש, כדאי להגדיל אותו. אנחנו ממליצים על 32,768 לפחות, כי Gemini 4 Argon יכול להקדיש יותר מהמגבלה לחשיבה. - הגדרת רמת ההעמקה: בוחרים באפשרות
low,medium(ברירת המחדל) אוhigh, ובודקים את עומס העבודה בכל אחת משלוש האפשרויות. - הפסקת השימוש בשמירת הקשר מפורשת במטמון: Gemini 4 Argon לא תומך בשמירה מפורשת במטמון (
cachedContents/caches.create). צריך להסיר מהבקשות קריאות שיוצרות אתcached_contentאו מפנות אליו. שמירה במטמון משתמע מופעלת כברירת מחדל להנחיות עם לפחות 4,096 טוקנים, ומעניקה הנחה של 95% על טוקנים של קלט שנשמרו במטמון במקרה של מציאה במטמון (cache hit). - הסרת פרמטרים של דגימה: מסירים את
temperature,top_pו-top_kמהבקשות. אם הם צוינו, המערכת מתעלמת מהם. - הפעלה ברקע לפלטים ארוכים: למשימות שדורשות יותר מ-64,000 טוקנים, מגדירים את
backgroundכ-true ואתmax_output_tokensכערך שגדול מ-65,536. - הגדלת זמן הקצוב לתפוגה של הלקוח: הנחיות קשיחות יכולות להימשך כמה דקות. משתמשים בהפעלה ברקע או מגדירים את הזמן הקצוב לתפוגה של צד הלקוח ב-HTTP ל-15 דקות לפחות.
- שמירת מצב השיחה בשרת: משתמשים ב-
previous_interaction_idלשיחות רב-שלביות ולשיחות עם קריאה להפעלת פונקציות.
תמחור
עד 30 בנובמבר 2026, Gemini 4 Argon זמין במחיר היכרות:
- טוקנים של קלט: 2.00 $למיליון טוקנים (4.00$ החל מ-1 בדצמבר 2026)
- טוקנים של קלט במטמון: שמירה במטמון באופן משתמע מוזילה את עלות הטוקנים של הקלט במטמון ב-95%, ל-0.10 $למיליון טוקנים (0.20$ החל מ-1 בדצמבר 2026).
- טוקנים של פלט, כולל טוקנים של חשיבה: 10.00 $למיליון טוקנים (20.00$ החל מ-1 בדצמבר 2026)
Gemini 4 Argon לא זמין בתוכנית בחינם. לרמות התמחור המלאות, ראו את דף התמחור.
מודלים אחרים
המאמרים הבאים
- במדריך המלא לפענוח מוסבר על סטרימינג, חיבור מחדש וספירת טוקנים.
- במדריך לתהליך החשיבה מוסבר איך פועלות רמות החשיבה וסיכומי החשיבה.
- במדריך להפעלה ברקע מוסבר על משימות שנמשכות זמן רב.
- לבדוק ולשפר את ההנחיות ב-Google AI Studio.