> ## Documentation Index > Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt > Use this file to discover all available pages before exploring further. # Генерация текста Gemini 4 Argon > Новый флагман Gemini 4 Argon от Google доступен на APIYI с первого дня через нативные эндпоинты Gemini и совместимые с OpenAI. Ограниченное по времени промо-предложение: $2 на вход / $10 на выход за 1M tokens. Включает более 400 тестовых вызовов перед запуском: контекст 1M, уровни thinking и обязательные исправления при миграции. 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 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. 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. 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. 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 | Параметр | Значение | | - | - | | **Название модели** | `gemini-4-argon` | | **Входные модальности** | Текст, изображение, видео, аудио (изображение и видео протестированы) | | **Выходная модальность** | Текст | | **Контекстное окно** | 1M tokens, общее для ввода и вывода (измеренный лимит ввода — 1 048 576) | | **Максимальный вывод по умолчанию** | 65,536 tokens (по данным Google; для длинного декодирования свыше 64K требуется Interactions API, который APIYI пока не поддерживает) | | **Рассуждение** | По умолчанию `medium`; `thinkingLevel` low / medium / high; **`thinkingBudget` не поддерживается** | | **Группы** | `default`, `svip` | | **Эндпоинты** | `POST /v1beta/models/gemini-4-argon:generateContent` (нативный), `POST /v1/chat/completions` (совместимый с OpenAI) | | **Потоковая передача** | ✅ Оба эндпоинта | ## Официальные бенчмарки Все приведенные ниже данные **опубликованы Google** (в публикациях `blog.google` от 2026-09-30 и 10-13) и не воспроизводились APIYI: | Benchmark | Что оценивает | Gemini 4 Argon | | - | - | - | | DeepSWE v1.1 | Реальная долгосрочная программная инженерия | 77.9％ (SOTA по данным Google) | | Vals Index | Финансы / программирование / юриспруденция / налоги | #1 | | AutomationBench (Zapier) | Сквозное выполнение бизнес-процессов | 51.3％ (#1) | | LVBench | Понимание длинных видео | 91.7％ (SOTA по данным Google) | | CWE-bench v1 | Устранение уязвимостей безопасности | 68％ (делит #1) | | ERQA | Воплощенное / пространственное рассуждение | 87％ | | Gray Swan IPI | Успешность косвенных prompt-инъекций (чем ниже, тем лучше) | 0.7％ | ## 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`: | Возможность | Нативный Gemini | OpenAI-совместимый | В сравнении с 3.1 Pro | | - | - | - | - | | Базовый чат (без потоковой передачи / потоковая передача) | ✅ / ✅ | ✅ / ✅ | Так же | | Системная инструкция, многоэтапный диалог | ✅ | ✅ | Так же | | Поиск в длинном контексте (префикс 8.6K tokens + макс. 128 на выходе) | ✅ 2/2 | ✅ | **3.1 Pro 0/2** (рассуждение исчерпало лимит в 128 tokens) | | «Иголка в стоге сена», 35K / 239K tokens | ✅ / ✅ | — | Так же, Argon быстрее | | Структурированный вывод | ✅ responseJsonSchema (рекомендуется) / responseSchema | ✅ json\_schema | Так же | | Вызов функций (одиночный / полный цикл / последовательный) | ✅ | ✅ | Так же | | **Параллельный вызов функций** | ✅ 4/4 | ✅ | **3.1 Pro 0/2 на эндпоинте OpenAI** | | Понимание изображений / видео | ✅ 2/2 / ✅ 2/2 | ✅ / ✅ | Так же | | Выполнение кода (`codeExecution`) | ✅ | — только нативный | Так же | | Контекст URL (`urlContext`) | ✅ возвращает `urlContextMetadata` | — только нативный | Так же | | `stopSequences` / `stop` | ✅ применяется | ⚠️ не применяется | Так же | | `safetySettings` | ✅ возвращает `safetyRatings` | — только нативный | Так же | | Заземление через Google Search | ⚠️ принимается, но `groundingMetadata` не возвращается | — только нативный | Так же | | Неявное кэширование | ⚠️ низкая частота попадания в кэш (см. «Кэширование») | Так же | — | | Явное кэширование `cachedContents` / `:countTokens` | ❌ не поддерживается (Google также не поддерживает явное кэширование) | — | Так же | | Interactions API | ❌ пока не поддерживается шлюзом APIYI | — | — | **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 | Позиция | Промо-тариф (по 2026-11-30) | С 2026-12-01 | | - | - | - | | Ввод | \$2 / 1M tokens | \$4 / 1M tokens | | Вывод (вкл. thinking) | \$10 / 1M tokens | \$20 / 1M tokens | | Чтение из кэша | \$0.1 / 1M tokens | Следует за изменениями Google | 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](/en/models/index). **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](/ru/faq/recharge-promotions). ## Управление рассуждением Уровень по умолчанию в Google — `medium`. Результаты для одного комбинаторного доказательства (нативный эндпоинт): | Настройка | tokens рассуждения | Задержка | | - | - | - | | Не задано (по умолчанию medium) | 0 | 9.0s | | `thinkingLevel: "low"` | 0 | 9.5s | | `thinkingLevel: "medium"` | 0 | 8.6s | | `thinkingLevel: "high"` | 1,097 | 28.5s | | `thinkingBudget` (любое значение) | — | **Не поддерживается**, возможна ошибка 400 | | `thinkingLevel: "minimal"` | — | **Не поддерживается**, 400 | 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) ```bash cURL theme={null} curl -X POST "https://api.apiyi.com/v1beta/models/gemini-4-argon:generateContent" \ -H "x-goog-api-key: sk-your-apiyi-key" \ -H "Content-Type: application/json" \ -d '{ "contents": [{"parts": [{"text": "Introduce yourself in one sentence"}]}], "generationConfig": {"thinkingConfig": {"thinkingLevel": "low"}} }' ``` ```python Python (google-genai SDK) theme={null} from google import genai from google.genai import types client = genai.Client( api_key="sk-your-apiyi-key", http_options=types.HttpOptions(base_url="https://api.apiyi.com", timeout=1200_000) ) response = client.models.generate_content( model="gemini-4-argon", contents="Find the concurrency bugs in this code and propose fixes: ...", config=types.GenerateContentConfig( thinking_config=types.ThinkingConfig(thinking_level="high") ) ) print(response.text) ``` 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) ```python Python (OpenAI SDK) theme={null} from openai import OpenAI client = OpenAI( api_key="sk-your-apiyi-key", base_url="https://api.apiyi.com/v1", timeout=1200 ) response = client.chat.completions.create( model="gemini-4-argon", messages=[{"role": "user", "content": "Design a URL shortener that handles a million concurrent users. Cover the architecture and key trade-offs."}] ) print(response.choices[0].message.content) ``` ```javascript Node.js (потоковая передача) theme={null} import OpenAI from 'openai'; const client = new OpenAI({ apiKey: 'sk-your-apiyi-key', baseURL: 'https://api.apiyi.com/v1' }); const stream = await client.chat.completions.create({ model: 'gemini-4-argon', messages: [{ role: 'user', content: 'Outline an assessment report for a Rust migration' }], stream: true }); for await (const chunk of stream) { process.stdout.write(chunk.choices[0]?.delta?.content ?? ''); } ``` ## 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 * [Заметки о выпуске Gemini 4 Argon (с полными данными тестирования)](/en/news/gemini-4-argon-launch) * [Обзор Gemini 3.8 Flash](/ru/api-capabilities/gemini-3-8-flash/overview) * [Руководство по нативному вызову Gemini](/ru/api-capabilities/gemini/native) * [Gemini Interactions API](/ru/api-capabilities/gemini/interactions-api) This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.