Skip to main content
Gemini 4 Argon (gemini-4-argon) — флагманская модель, анонсированная Google 30 сентября 2026 года, и первая модель семейства Gemini 4. Google позиционирует ее для долгосрочной разработки программного обеспечения, корпоративной интеллектуальной работы в таких сферах, как юриспруденция и финансы, а также задач кибербезопасности. 13 октября модель стала доступна на платном тарифе Gemini API, и APIYI вошла в число первых платформ, предоставивших к ней доступ. Открыты как нативные эндпоинты Gemini, так и OpenAI-совместимые, а перед запуском мы выполнили более 400 тестовых вызовов, взяв gemini-3.1-pro-preview в качестве эталона.
Gemini 4 Argon запущена на APIYI: имя модели gemini-4-argon, доступна в группах default и svip, обслуживается на базе официальных мощностей Google. Тарификация в настоящее время соответствует акционному тарифу Google с ограниченным сроком действия: $2 за ввод / $10 за вывод на 1M tokens, действует до 30 ноября 2026 года. С 1 декабря цена Google вырастет до $4 / $20, и APIYI синхронно скорректирует стоимость.
Одно обязательное изменение при переходе с Gemini 3.x: Argon не поддерживает thinkingConfig.thinkingBudget. Передача этого параметра может привести к ошибке 400 (Thinking budget is not supported for this model. Use thinking level instead.) или быть проигнорирована, поэтому такой результат ненадежен. В руководстве по миграции от Google указано, что параметр устарел с предупреждением, но на практике мы наблюдали критические ошибки. Удалите thinkingBudget и используйте thinkingLevel (low / medium / high).

Ключевые преимущества

Та же точность, значительно меньше рассуждений

В 12 автоматически оцениваемых задачах, выполненных по 3 раза каждая, и Argon, и 3.1 Pro набрали 36/36, однако Argon использовал примерно 1/12 thinking tokens от объема 3.1 Pro при медианной задержке 15.4 с против 35.0 с. Thinking tokens тарифицируются как output, поэтому на практике каждая задача обходится дешевле.

Контекст 1M, подтверждено

Входной запрос объемом 1.01M token обработался штатно; при любом превышении возвращался ответ 400 с указанием лимита в 1 048 576. Тест «иголка в стоге сена» на 239K tokens был успешно пройден за 29.7 с — почти в два раза быстрее, чем у 3.1 Pro.

Высшие баллы в бенчмарках Google

Google сообщает о результатах: DeepSWE v1.1 — 77.9%, LVBench (длинные видео) — 91.7%, AutomationBench — 51.3%, 1-е место в Vals Index и разделенное 1-е место в CWE-bench v1.

Оба эндпоинта, полный набор инструментов

Нативный эндпоинт — 14/14, OpenAI-совместимый эндпоинт — 12/13 (единственный промах аналогичен 3.1 Pro). Function calling (одиночный / параллельный / последовательный), структурированный вывод, понимание изображений и видео, выполнение кода и контекст URL — все проверки пройдены.

Информация о модели

Официальные бенчмарки

Все приведенные ниже данные опубликованы Google (в публикациях blog.google от 2026-09-30 и 10-13) и не воспроизводились APIYI:

Матрица протестированных возможностей

Протестировано APIYI 13–14 октября 2026 г. (UTC+8). В наборе тестов на совместимость каждый сценарий запускался одновременно с gemini-3.1-pro-preview:
Заземление через поиск не подтверждено: передача tools: [{"googleSearch": {}}] возвращает 200, однако в ответе отсутствует groundingMetadata, поэтому ответ формируется на основе собственных знаний модели, а не актуального поиска. В том же запуске 3.1 Pro показал такое же поведение, что указывает на специфику настройки маршрутизации, а не на саму модель. Если вы полагаетесь на актуальный поиск информации, предварительно проверьте работу на небольшом объеме трафика.

Цены

Цены на модели синхронизированы с официальным сайтом и могут меняться вслед за ним; таблица выше приведена только для справки, а актуальные данные представлены на вкладке Цены на модели в верхней навигации: Цены на модели.
Тарификация проверена на реальных списаниях: в трех вызовах фактически списанная сумма отличалась не более чем на 1.5% от расчета по указанным выше ценам за единицу. Thinking tokens тарифицируются как вывод, а Argon рассуждает очень мало при большинстве запросов, что и является основной причиной того, почему на практике он обходится дешевле моделей того же уровня. Скидки предоставляются за счет бонусов за пополнение; см. Акции при пополнении.

Управление рассуждением

Уровень по умолчанию в Google — medium. Результаты для одного комбинаторного доказательства (нативный эндпоинт):
Уровни low и medium адаптируются к сложности задачи: в этой задаче модель решила, что рассуждение не требуется, и ответила сразу. Когда вам требуется надежное глубокое рассуждение (отладка нескольких файлов, строгие математические доказательства, проектирование архитектуры), явно передавайте high. Чтобы увидеть процесс рассуждения, передайте includeThoughts: true; статистика использования отображается в usageMetadata.thoughtsTokenCount.
reasoning_effort на OpenAI-совместимом эндпоинте практически не оказывает видимого эффекта: minimal, low, medium и high возвращают код 200, однако usage.completion_tokens_details.reasoning_tokens никогда не возвращается, а количество completion tokens примерно одинаково на всех уровнях. Рассуждение невозможно отключить на Argon, поэтому не передавайте reasoning_effort: "none"; это может вернуть ошибку 400. Для управляемого глубокого рассуждения используйте нативный эндпоинт Gemini с thinkingLevel: "high".

Кэширование

По заявлению Google, в Argon по умолчанию включено неявное кэширование, а явное кэширование не поддерживается. В тестах APIYI частота попаданий низкая: большинство повторных запросов с одинаковым префиксом не попали в кэш, а попадания наблюдались лишь в некоторых запросах (префикс из 70K token, отправленный четыре раза, дал попадание около 68K tokens в последних двух с тарификацией по ставке кэша).
Не рассчитывайте в бюджете на попадания в кэш. Доля попаданий в неявный кэш для семейства Gemini никогда не была стабильной, и Argon не исключение. Закладывать в бюджет полную стоимость входных данных — более надежный подход; воспринимайте любое попадание в кэш как дополнительную экономию. Чтобы проверить, попал ли запрос в кэш, используйте Детали тарификации кэша в консоли.

Примеры кода

Нативный формат Gemini (рекомендуется, наиболее полный)

Нативный эндпоинт принимает любой способ аутентификации: заголовок x-goog-api-key (используется по умолчанию в официальном SDK) или Authorization: Bearer. В обоих случаях указывается ваш ключ APIYI sk-.

OpenAI-совместимый формат (без изменений в существующем коде)

Руководство по миграции

Измените название модели, затем проверьте три момента: (1) удалите thinkingBudget и используйте вместо этого thinkingLevel, иначе можно получить ошибку 400; (2) перестаньте полагаться на temperature, topP и topK, поскольку Google заявляет, что Argon игнорирует пользовательские значения сэмплинга (в наших тестах их передача не вызывает ошибок, но нет гарантии, что они применяются); (3) удалите вызовы явного кэширования (cachedContents). Что касается цен, в период промо-акции стоимость входных данных немного выше, чем у 3.1 Pro, а выходных — немного ниже, и поскольку Argon рассуждает значительно меньше, общая стоимость большинства задач оказывается ниже.
Google рекомендует устанавливать HTTP-таймаут от 15 до 20 минут для сложных запросов с рассуждением. В наших тестах повседневные запросы возвращали ответ за 2–4 секунды как последовательно, так и при 16 параллельных запросах, однако в период запуска мы наблюдали периодические очереди до нескольких минут. В продакшене задавайте увеличенный таймаут и настраивайте повторные попытки.
Для длинного декодирования Google (генерация до «1M минус ваш ввод» за один раз) требуется background=True в Interactions API или клиентский протокол продолжения в generateContent. Шлюз APIYI пока не поддерживает Interactions API (возвращает 404), поэтому проектируйте логику с учетом стандартного лимита вывода в 65 536 tokens и разбивайте очень длинные ответы на несколько шагов диалога.
На нативном эндпоинте второй запрос в цепочке вызова функций должен отправлять предыдущий ответ модели без изменений, включая thoughtSignature в его частях. Не редактируйте и не пересобирайте его вручную. Официальный SDK google-genai обрабатывает это автоматически при использовании сессии чата или передаче response.candidates[0].content. На OpenAI-совместимом эндпоинте шлюз берет обработку подписей на себя, поэтому стандартных сообщений tool_calls / tool достаточно; в наших тестах двухшаговые вызовы прошли успешно в 10 из 10 случаев. Если вы изредка получаете ошибку 400 Invalid thought signature или Corrupted thought signature, просто отправьте тот же запрос повторно один раз — менять его не требуется.
В настоящее время Argon поддерживает только /v1/chat/completions и нативный эндпоинт Gemini. /v1/responses не поддерживается (возвращает contents is required). Для таких клиентов, как Codex, которые по умолчанию используют Responses API, настройте провайдера на использование протокола чата (wire_api = "chat").
Работают оба варианта; мы рекомендуем responseJsonSchema (стандартную схему JSON Schema). responseSchema представляет собой подмножество OpenAPI и не принимает такие поля, как additionalProperties; их добавление может привести к ошибке 400 Unknown name "additionalProperties". На OpenAI-совместимом эндпоинте используйте response_format: {"type": "json_schema", ...}.
Нет. Укажите ваш ключ APIYI (начинающийся с sk-) в заголовке x-goog-api-key. При работе с официальным SDK google-genai просто установите base_url в https://api.apiyi.com.
Выполнение кода, контекст URL, safetySettings, принудительное применение stopSequences и настраиваемые уровни рассуждения доступны только на нативном эндпоинте Gemini. OpenAI-совместимый эндпоинт покрывает стандартные возможности (чат, потоковая передача, вызов функций, JSON Schema, vision), но stop не применяется принудительно, а reasoning_effort практически не дает заметного эффекта.

Связанные документы