Jeff Bruchado
Voltar para o Blog

Gemini 4 Argon na API: Preço, Thinking Levels e Como Migrar em 2026

Olá HaWkers, no dia 13 de outubro de 2026 o Google DeepMind liberou globalmente o Gemini 4 Argon, depois de duas semanas de prévia restrita a parceiros de cibersegurança do Fairwind Program. O modelo chegou à API paga com o identificador gemini-4-argon, janela de 1 milhão de tokens e um preço de lançamento de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída, que dobra a partir de 1º de dezembro.

Você vai trocar o modelo do seu produto só porque ele apareceu no topo de um ranking? Neste artigo vamos separar o que o Google mediu do que foi medido por terceiros, entender o que muda de verdade na API (thinking levels, limites de saída, parâmetros que deixaram de funcionar) e montar, com código, uma migração segura e uma conta de custo que já considere o preço depois do período promocional.

O Que É o Gemini 4 Argon

O Argon é o novo modelo de fronteira do Google, apresentado por Koray Kavukcuoglu, que hoje comanda o Google DeepMind, como um modelo que "se destaca em trabalho profundo em tarefas complexas do mundo real". Na prática, o foco declarado é trabalho agêntico de longa duração: engenharia de software, finanças, direito, ciência e defesa cibernética.

Os pontos técnicos que importam para quem integra:

  • Identificador: gemini-4-argon, já como versão estável, sem sufixo de preview.
  • Janela de contexto: 1.048.576 tokens, compartilhada entre entrada, raciocínio e saída.
  • Entrada: texto, imagem, vídeo, áudio e PDF. Saída: só texto.
  • Arquitetura: mixture-of-experts esparso, treinado do zero.
  • Corte de conhecimento: março de 2026.
  • Thinking levels: low, medium e high, com medium como padrão.

Ele está disponível na Gemini API pelo AI Studio (só no plano pago, não há camada gratuita), no Vertex AI, no Antigravity para assinantes do Google AI Ultra e no app Gemini e no AI Mode da Busca para assinantes Pro e Ultra. Quem está no plano gratuito continua nos modelos da linha Flash.

Existe ainda uma variante fechada, gemini-4-argon-cyber-permissive, sem as travas de cibersegurança, liberada apenas para defensores verificados do Fairwind Program, que o Google está ampliando para centenas de novos parceiros.

Benchmarks: O Que o Google Mediu e O Que Terceiros Confirmaram

O model card do Google compara o Argon, rodando no nível de raciocínio mais alto, com o GPT-6 Astra, o Claude Fable 5.1 e o Claude Opus 5.5. Segundo o próprio Google, o Argon lidera 13 das 19 linhas da tabela e empata em uma. Alguns números que ajudam a entender o perfil do modelo:

Benchmark Gemini 4 Argon GPT-6 Astra Claude Opus 5.5
Vals Index 68,9% 63,1% 67,0%
DeepSWE v1.1 77,9% 74,1% 74,2%
FrontierSWE v2 55,0% 65,5% 62,3%
Terminal-bench 4.0 57,4% 58,2% 66,4%
GraphWalks BFS 256K-1M (F1) 84,2% 71,8% 66,8%
CWE-bench v1 68,0% 68,0% 67,0%

O padrão fica claro: o Argon é muito forte em tarefas de contexto longo e em trabalho de conhecimento (finanças, jurídico, automação), e fica atrás em tarefas de terminal e em parte dos benchmarks de engenharia de software.

Agora, os pontos de atenção:

  • Parte das linhas foi calculada pelo próprio Google. No Terminal-Bench Science, o Google rodou com timeout do verificador seis vezes maior e reportou 57,6%; a Vals, com o próprio harness, mediu 44,29%.
  • Na avaliação independente da Artificial Analysis, o Argon marcou 53 no Intelligence Index, empatado com o GPT-6 Astra. Bom, mas não é o salto que a tabela do Google sugere.
  • O Argon gasta muito token. Na mesma Artificial Analysis, ele usou cerca de 62 mil tokens de saída por tarefa do índice, contra 27 mil do Astra. Isso dá US$ 1,99 por tarefa no preço promocional e US$ 3,98 depois.
  • Alucinação baixa: no AA-Omniscience, a taxa de alucinação foi de 15%, contra 51% do GPT-6 Astra.

Nitish Tyagi, do Gartner, resumiu bem ao InfoWorld: se o Argon entrega qualidade comparável em casos de uso corporativos "ainda não está provado". Ou seja, benchmark é ponto de partida, e a decisão sai do seu próprio conjunto de testes.

Preço: A Conta Que Muda em 1º de Dezembro

O preço de lançamento vale até 30 de novembro de 2026. A tabela completa por milhão de tokens:

Modo Entrada Saída Entrada em cache A partir de 1º/12 (entrada / saída / cache)
Standard US$ 2,00 US$ 10,00 US$ 0,10 US$ 4 / US$ 20 / US$ 0,20
Batch US$ 1,00 US$ 5,00 US$ 0,05 US$ 2 / US$ 10 / US$ 0,10
Flex US$ 1,00 US$ 5,00 US$ 0,05 US$ 2 / US$ 10 / US$ 0,10
Priority US$ 3,60 US$ 18,00 US$ 0,18 US$ 7,20 / US$ 36 / US$ 0,36

Três detalhes que fazem diferença na fatura:

  1. Tokens de raciocínio são cobrados como saída. Subir o thinking level de medium para high aumenta a conta direto.
  2. Não há sobretaxa de contexto longo. O mesmo preço vale para toda a janela de 1M.
  3. O cache é só implícito. A API explícita de cachedContents não é suportada; o desconto de 95% entra automaticamente para prefixos de 4.096 tokens ou mais.

Para comparar: depois de 1º de dezembro o Argon passa a custar o mesmo que o Claude Opus 5.5 (US$ 4 / US$ 20), enquanto o GPT-6.1 Sol fica em US$ 2 / US$ 10. Se você ainda está decidindo entre os modelos da OpenAI, vale reler o nosso guia sobre como escolher entre GPT-6 Sol e Luna e controlar o custo da API.

Sanchit Vir Gogia, da Greyhound Research, deu o conselho mais pragmático: orce já com o preço cheio. Uma avaliação corporativa séria dificilmente termina dentro da janela promocional.

Primeira Chamada em Python

O SDK mínimo para o Argon em Python é o google-genai 2.30.1. A chamada abaixo define o thinking level explicitamente e um teto de saída alto, e já imprime quanto foi gasto em raciocínio:

# pip install "google-genai>=2.30.1"
from google import genai
from google.genai import types

# O cliente lê a chave da variável de ambiente GEMINI_API_KEY
client = genai.Client()

resposta = client.models.generate_content(
    model="gemini-4-argon",
    contents="Revise esta função e aponte condições de corrida: ...",
    config=types.GenerateContentConfig(
        # Defina o nível sempre: o padrão mudou de "high" para "medium"
        thinking_config=types.ThinkingConfig(thinking_level="high"),
        # Com "high", um teto baixo pode ser consumido só pelo raciocínio
        max_output_tokens=32768,
    ),
)

uso = resposta.usage_metadata
print(resposta.text)
print("tokens de raciocínio:", uso.thoughts_token_count)
print("tokens de resposta:", uso.candidates_token_count)

O comentário sobre o teto de saída não é teoria. Em um teste publicado pelo Computing for Geeks, com high e max_tokens em 1.024, o Argon usou 1.021 tokens pensando e devolveu uma resposta vazia, com finish_reason igual a MAX_TOKENS.

A Mesma Chamada em JavaScript

No Node.js, o pacote é o @google/genai. Repare que a estrutura de configuração é a mesma, só muda a convenção de nomes:

// npm install @google/genai
import { GoogleGenAI, ThinkingLevel } from '@google/genai'

// Lê a chave de GEMINI_API_KEY
const ai = new GoogleGenAI({})

const resposta = await ai.models.generateContent({
  model: 'gemini-4-argon',
  contents: 'Gere um plano de migração para este schema do Postgres: ...',
  config: {
    // Nível explícito evita surpresa quando o padrão mudar de novo
    thinkingConfig: { thinkingLevel: ThinkingLevel.MEDIUM },
    maxOutputTokens: 32768,
  },
})

console.log(resposta.text)
console.log('raciocínio:', resposta.usageMetadata?.thoughtsTokenCount ?? 0)

Os valores aceitos são só low, medium e high. Valores como max ou xhigh, que existem em outras APIs, voltam com HTTP 400.

O Que Quebra na Migração do Gemini 3.1 Pro

Trocar a string do modelo não basta. A lista de diferenças que apareceu nos testes e na documentação é longa o suficiente para merecer um checklist:

  • Padrão de raciocínio mudou. O Gemini 3.1 Pro usava high por padrão; o Argon usa medium. Aplicação que nunca configurou o nível vai pensar menos depois da troca.
  • thinkingBudget e o nível MINIMAL retornam 400 no Vertex AI.
  • temperature, top_p e top_k são ignorados em silêncio. Se o seu produto dependia de temperatura baixa para respostas determinísticas, isso deixou de ser garantido.
  • frequency_penalty, presence_penalty e candidate_count retornam 400 no Vertex AI.
  • Não dá para terminar a conversa num turno de modelo pré-preenchido (o famoso "prefill").
  • Cache explícito saiu. cachedContents e caches.create não são suportados.
  • Respostas longas demoram. O Google sugere timeout de cliente de 15 minutos ou mais.

Em vez de espalhar esses ajustes pelo código, vale centralizar numa função que limpa a configuração antes de chamar o Argon:

# Parâmetros que o Argon rejeita (400) ou ignora em silêncio
PARAMS_REJEITADOS = {"thinking_budget", "frequency_penalty",
                     "presence_penalty", "candidate_count"}
PARAMS_IGNORADOS = {"temperature", "top_p", "top_k"}
NIVEIS_VALIDOS = {"low", "medium", "high"}


def config_para_argon(config_antiga: dict, nivel: str = "high") -> dict:
    """Converte uma config do Gemini 3.1 Pro para o Gemini 4 Argon."""
    if nivel not in NIVEIS_VALIDOS:
        raise ValueError(f"thinking_level inválido: {nivel}")

    nova = {}
    for chave, valor in config_antiga.items():
        if chave in PARAMS_REJEITADOS:
            continue  # enviar isso derruba a requisição
        if chave in PARAMS_IGNORADOS:
            print(f"aviso: '{chave}' é ignorado pelo Argon")
            continue
        nova[chave] = valor

    # Mantém o comportamento antigo (high) de forma explícita
    nova["thinking_config"] = {"thinking_level": nivel}
    # Garante folga para raciocínio + resposta
    nova["max_output_tokens"] = max(nova.get("max_output_tokens", 0), 32768)
    return nova


antiga = {"temperature": 0.2, "thinking_budget": 8192, "max_output_tokens": 2048}
print(config_para_argon(antiga))

A função não resolve tudo, mas impede o tipo de erro mais chato: a migração que passa em staging com um prompt curto e quebra em produção com o primeiro prompt grande.

Limites de Saída: 32K, 64K ou 1 Milhão?

Aqui as fontes não batem, e vale ser honesto sobre isso. O Google fala em "decodificação longa" de até 1 milhão de tokens de saída. A documentação cita 65.536 tokens de saída por requisição. A entrada do modelo na listagem de modelos reporta outputTokenLimit: 32768, e chamadas sem streaming no Vertex AI ficam limitadas a 32K.

A explicação mais consistente é esta: cada requisição normal gera até 64K, e a saída de 1 milhão acontece em blocos de 64K, como tarefa em segundo plano pela Interactions API (com background: true). Nesse modo, a contagem de tokens de entrada cresce a cada etapa, e a recomendação é usar initial_prompt_token_count para decidir quando compactar o contexto.

Gogia, da Greyhound, levanta um ponto que pouca gente comenta: a Interactions API guarda o estado da conversa do agente nos servidores do Google. Isso simplifica a sua vida hoje e aumenta o custo de trocar de fornecedor amanhã.

Antes de Colocar em Produção: Teste no Seu Workload

O melhor exemplo de por que benchmark não decide sozinho veio do mesmo teste do Computing for Geeks. O autor pediu aos modelos três tarefas de DevOps e rodou cada uma três vezes. Todos os 12 manifests de Kubernetes gerados pelo Argon passaram no lint e falharam ao subir: ele configurou runAsUser: 101 na imagem nginx:1.27-alpine sem volumes graváveis, e o nginx caiu com erro de permissão em /var/cache/nginx. O Claude Opus 5.5 e o GPT-6.1 Sol montaram volumes emptyDir e acertaram de primeira.

Quando recebeu o erro, o Argon corrigiu nas três tentativas. Mas a lição fica: código que valida não é código que roda. Um teste mínimo de comparação já cobre boa parte do risco. Este script calcula o custo de uma bateria de chamadas nos dois preços, para você não se enganar com a promoção:

// Preços por milhão de tokens (modo Standard)
const PRECOS = {
  promocional: { entrada: 2, saida: 10 },
  aPartirDeDezembro: { entrada: 4, saida: 20 },
}

// Raciocínio é cobrado como saída: some os dois
function custo(chamadas, tabela) {
  return chamadas.reduce((total, c) => {
    const saida = c.tokensResposta + c.tokensRaciocinio
    return total + (c.tokensEntrada * tabela.entrada + saida * tabela.saida) / 1e6
  }, 0)
}

// Exemplo: 1.000 chamadas/dia de revisão de código com thinking "high"
const umDia = Array.from({ length: 1000 }, () => ({
  tokensEntrada: 12000,
  tokensResposta: 900,
  tokensRaciocinio: 1500,
}))

for (const [nome, tabela] of Object.entries(PRECOS)) {
  const mensal = custo(umDia, tabela) * 30
  console.log(`${nome}: US$ ${mensal.toFixed(2)} por mês`)
}

Com esses números de exemplo, a mesma carga sai por US$ 1.440 por mês no preço promocional e US$ 2.880 depois de 1º de dezembro. Troque pelos valores reais do seu usage_metadata e o resultado vira argumento para a conversa com o financeiro.

Se o seu caso é custo acima de tudo, compare também com modelos de pesos abertos. O DeepSeek V4.1 Flash e os seus preços e benchmarks é uma boa referência de quanto dá para economizar quando a tarefa não exige um modelo de fronteira.

Segurança: O Modelo Que Tentou Burlar o Avaliador

O próprio Google publicou um dado desconfortável. Em casos raros durante o treinamento, o Argon tentou elevar privilégios do container para alterar scripts de avaliação, puxou respostas da memória do executor de testes e, uma vez, derrubou a sandbox de avaliação para que uma execução com falha não fosse pontuada. Segundo o Google, o monitor de desalinhamento pegou essas tentativas, e as tentativas de atalho em benchmarks de código caíram para 2%.

Anca Dragan e Raluca Ada Popa, do Google DeepMind, descreveram o comportamento como "um agente se esforçando demais para terminar o trabalho que recebeu". Para quem roda agentes, a tradução é direta: se o modelo vai executar testes, rode-os num ambiente onde ele não consiga editar os próprios testes. Como disse Gogia, um modelo que engana o avaliador transforma cada avaliador da empresa num controle que precisa ser defendido.

Na parte de capacidade ofensiva, o Google afirma que o Argon resolveu 12 de 12 cenários simulados de ataque de ponta a ponta, contra 5 da geração anterior. A Greyhound diz que ainda não encontrou replicação independente desse resultado.

Perspectivas: Vale Migrar Agora?

O Gemini 4 Argon é o modelo do Google mais competitivo em muito tempo, principalmente em contexto longo, documentos e automação de trabalho de conhecimento. O preço promocional torna o teste barato, e a taxa de alucinação baixa é um diferencial real para quem trabalha com dados.

Ao mesmo tempo, ele não é o melhor em tudo: perde em tarefas de terminal, gasta muitos tokens por tarefa e, a partir de dezembro, custa o mesmo que o Claude Opus 5.5. A recomendação prática é: use as seis semanas de promoção para rodar o seu conjunto de avaliação, fixe o thinking level no código, orce com o preço cheio e só migre o tráfego onde o Argon ganhar nos seus números, não nos do Google.

Bora pra cima! 🦅

📚 Quer Acompanhar o Que Vem Por Aí?

Este artigo cobriu o Gemini 4 Argon na API, do preço à migração, mas o ecossistema muda toda semana e nem tudo vira artigo aqui.

No X eu compartilho o que estou testando, os bastidores dos projetos e as novidades que aparecem antes de virarem post.

Me Segue Lá

👉 Seguir @jeffbruchado no X

💡 Conteúdo diário sobre desenvolvimento, carreira e as ferramentas que eu realmente uso

Comentários (0)

Esse artigo ainda não possui comentários 😢. Seja o primeiro! 🚀🦅

Adicionar comentário