Gemini 4 Argon Нива на Мислене и Дълго Декодиране: По подразбиране, Разходи и Кога да Използвате Всяко

Gemini 4 Argon стана общодостъпен на 13 октомври 2026 г., и с него Google документира двете настройки, които определят каква е цената на заявка за Argon и колко време отнема: нивото на мислене и лимита на изхода. Argon предлага три нива на мислене: ниско, средно и високо, като по подразбиране е средно. Отговорите спират на 64K токена, освен ако не активирате дълго декодиране, което позволява на един отговор да достигне до 1M токена.

Има уловка в настройките по подразбиране. Всеки публикуван бенчмарк на Argon е работил на високо ниво: Google го е оценявал "с най-високите настройки за мислене", Artificial Analysis го е тествал на високо, а Vals AI също го е работил на високо. Заявка, която не задава ниво, работи на средно, така че не е конфигурацията, която описват тези резултати.

Тази публикация обхваща трите нива и съветите на Google за всяко, какви разходи носи високото ниво в токени и време, как да зададете лимита на изхода, за да не получавате празни отговори, и как работи дългото декодиране и как се таксува. Завършва с код за AIHubMix.

Кратката версия

• Argon има три нива на мислене: ниско, средно (по подразбиране) и високо. Мисленето не може да бъде изключено.
• Всеки публикуван бенчмарк е използвал високо ниво. Никой не е публикувал резултати на средно или ниско.
• max_output_tokens ограничава мисленето и отговора заедно. Задайте го на поне 32,768, или твърдият промпт може да изразходва целия бюджет за мислене и да не върне нищо.
• Без дълго декодиране, отговорът спира на 65,536 токена. С него, отговорът може да достигне до 1,048,576 токена минус вашия вход.
• Дългото декодиране таксува всеки токен от всеки 64K "скок", и всеки скок преглежда всичко написано до момента като вход, с 95% отстъпка от имплицитното кеширане.

Трите нива

Ръководството на Google Какво ново в Gemini 4 Argon описва нивата по следния начин:

Google предупреждава, че на ниско ниво "качеството може да спадне при трудни задачи", а съветът му за избор е директен: "Извършете оценките си на всички три нива, след което изберете най-ниското ниво, което отговаря на вашите критерии за качество."

На родния API настройката е thinking_level, документирана в Ръководство за мислене на Gemini. Чрез OpenAI-съвместим крайна точка е reasoning_effort. Ръководството на Google за съвместимост с OpenAI картографира стойностите за Argon: минимално и ниско стават ниски, средно остава средно, високо остава високо, а пропускането му дава по подразбиране, средно. Няма ниво, което да изключва мисленето.

По подразбиране е средно. Бенчмарковете са високи.

Google, Artificial Analysis и Vals всички докладват Argon на високо ниво. Vals също зададе лимит на изхода от 262,144 токена. Така че резултатите, които сте видели, описват Argon на най-високото му ниво, а заявка без зададено ниво работи на едно ниво по-ниско.

Това не е непременно проблем. Средното е нивото, което Google препоръчва за повечето задачи, включително сложен код и агенти, и използва по-малко токени от високото. Но никой не е публикувал колко точност губят средното или ниското, или колко токени спестяват. [TBD: точност и токени по ниво на мислене]

Още един детайл е важен за сравненията. GPT-6 Astra и GPT-6.1 Sol бяха тествани на "макс", ниво над високо. Равенството между "Argon (високо)" и "Astra (макс)" е всеки модел на своя таван, а не на съвпадащи настройки.

Какви разходи носи високото ниво

Данните тук идват от Artificial Analysis, включително неговите тестове за скорост на доставчиците, и от Vals AI. Всички те работиха Argon на високо ниво.

Токените за мислене се таксуват като изход: Google посочва цената на изхода на Argon "включително токените за мислене", а данните за използването им ги отчитат като total_thought_tokens. При ~62k изходни токени на задача, една задача струва около $0.62 само за изход при въведената от Google цена от $10 на милион, и около $1.24 при $20 на милион, цената от 1 декември.

Времето следва токените. При 99.5 до 116.5 токена в секунда, 62k токена отнемат приблизително 9 до 10 минути за генериране, след изчакване от около 45 секунди за първия токен на отговор. Интерактивните продукти се нуждаят от стрийминг и индикатор за напредък на високо ниво или на по-ниско.

Задаване на лимита на изхода

max_output_tokens е твърд лимит на мисленето и отговора заедно. Когато отговорът достигне него, статусът е "непълен" и текстът се връща прекъснат или празен, а токените за мислене все още се таксуват. Съветът на Google:

• Ако вашето приложение задава лимит под 32K, увеличете го на поне 32,768. Argon може да изразходва повече от лимита за мислене в сравнение с предишните модели.
• За да изразходвате по-малко, намалете нивото на мислене вместо да задавате малък лимит.
• Без дълго декодиране, по подразбиране и максимум е 65,536 токена. Искането за повече без дълго декодиране връща грешка 400.
• Входът, мисленето и изходът споделят един прозорец от 1,048,576 токена. Ако вашият вход плюс max_output_tokens надвишава това, лимитът на изхода се свива, за да се побере.

Две допълнителни промени от Gemini 3. Температура, top_p и top_k се игнорират на Argon, така че настройването им не дава резултат. И твърдите промпти могат да отнемат няколко минути, така че Google препоръчва таймаути на HTTP клиентите от поне 15 минути.

Дълго декодиране: отговори над 64K токена

Дългото декодиране е това, което Google обяви при старта като Дълго Декодиране на Продължението. Ръководството за дълго декодиране описва два начина за работа с него.

Фоново изпълнение (API за взаимодействия). Създайте взаимодействието с background=True и max_output_tokens над 65,536. Фоновото изпълнение изисква store=true. Сървърът записва отговора на скокове до 64K токена, всеки продължава от мястото, където последният е спрял, за до 24 часа. Всеки скок добавя стъпка model_output, така че ги обединете, когато взаимодействието приключи. Задайте background=True без да увеличавате max_output_tokens и то спира на 64K.

Продължение от страна на клиента (API за генериране на съдържание). Всеки скок връща до 64K токена при стрийминг или чрез SDK, 32K за нестрийминг REST повикване. Скок, който достигне лимита си, завършва с finish_reason: CONTINUATION и continuation_token, а следващата заявка изпраща същия вход плюс токена. Последните SDK правят това вместо вас: Python google-genai 2.30.1 и JavaScript @google/genai 2.29.1 или по-късно. Всяка заявка има лимит от 20 минути.

Когато стриймвате дълго декодиране, запазете идентификатора на взаимодействието и последния event_id, свържете се отново с last_event_id, когато потокът прекъсне, и задайте таймаути за четене от 15 до 20 минути. След първите 64K токена, потокът пристига на парчета от около 5,000 токена с паузи между тях.

Google е ясен относно кога си струва:

По-високият лимит дава на модела пространство за мислене; не прави нормалните отговори по-дълги. Моделът решава колко да напише и не следва цели за думи или токени.

Как се таксува дългото декодиране

Плащате за всеки токен в всеки скок, включително скокове, които съдържат само мислене. Всеки скок също изпраща вашия промпт плюс всичко генерирано до момента обратно на модела като вход, така че тези токени се броят отново. Примерът на Google: промпт от 1,000 токена, който произвежда 200,000 токена мислене и изход, изисква четири скока.

Данните за използването отчитат около 397,000 входни токена, въпреки че контекстът държи само около 201,000. Имплицитното кеширане намалява повторения вход с 95%, така че е евтино: при въведените цени, 200,000 изходни токена струват $2.00, а около 396,000 повторени входни токена при $0.10 на милион добавят около $0.04. Изходът все още доминира в сметката.

Два странични ефекта. Не използвайте total_input_tokens, за да решите кога да съкратите или обобщите разговор, тъй като той завишава контекста; добавете размера на вашия промпт към изхода и общите разходи за мислене вместо това. И анулираните или неуспешни взаимодействия таксуват цялата работа, извършена преди да спрат.

Къде да започнете, по работен товар

Тези следват насоките на Google за ниво; няма публикувана точност на ниво, за да ги уточни.

След това тествайте на едно ниво по-ниско. Ако по-евтиното ниво отговаря на вашите критерии на вашия собствен набор от оценки, запазете го.

Дръжте нивото фиксирано в рамките на сесия. Argon кешира имплицитно, намалявайки повторения вход с 95% за промпти от поне 4,096 токена, а Ръководството на AIHubMix за Gemini отбелязва, че успешен кеш изисква същото съдържание, модел и параметри. Смяната на нивата между обрати може да върне кеширания вход обратно в вход с пълна цена.

Задаване на нивото и лимита на AIHubMix

Argon е на AIHubMix като gemini-4-argon, на OpenAI-съвместимата крайна точка и чрез родния Google GenAI SDK. За повечето заявки, задайте нивото и лимита изрично:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
    timeout=900,  # твърдите промпти могат да отнемат няколко минути
)

resp = client.chat.completions.create(
    model="gemini-4-argon",
    reasoning_effort="medium",  # по подразбиране на Argon; бенчмарковете използваха "високо"
    max_tokens=32768,           # ограничава мисленето и отговора заедно
    messages=[
        {"role": "user", "content": "Прегледайте тази платежна услуга за условия на състезание в логиката на повторение.\n\n<изходен код>"},
    ],
)
print(resp.choices[0].message.content)
print(resp.usage)

За дълго декодиране, използвайте родния SDK, насочен към крайна точка на Gemini на AIHubMix. Ръководството на AIHubMix документира API за взаимодействия там, включително фонов режим, с google-genai 2.0.0 или по-късно. Шаблонът по-долу е документираният на Google; той все още не е тестван през AIHubMix. [TBD: дълго декодиране през AIHubMix]

import os
import time
from google import genai

client = genai.Client(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    http_options={"base_url": "https://aihubmix.com/gemini"},
)

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Напишете пълния тестов комплект за този платежен модул, с тест за всеки краен случай.\n\n<изходен код>",
    background=True,
    generation_config={"max_output_tokens": 262144, "thinking_level": "високо"},
)
while interaction.status in ("in_progress", "queued"):
    time.sleep(5)
    interaction = client.interactions.get(id=interaction.id)

# Всеки скок добавя стъпка model_output; обединете ги всички.
text = "".join(
    part.text
    for step in interaction.steps
    if step.type == "model_output"
    for part in step.content
    if part.type == "text"
)
print(interaction.status, interaction.usage)

Страницата на модела на Argon AIHubMix изброява поддържаните входове, възможности и текуща цена.

Често задавани въпроси

Какви нива на мислене поддържа Gemini 4 Argon?
Ниско, средно и високо. По подразбиране е средно, а мисленето не може да бъде изключено.

На кое ниво бяха проведени бенчмарковете на Argon?
Високо. Google, Artificial Analysis и Vals AI всички докладват Argon на високо, и никой не е публикувал резултати на средно или ниско.

Как да задам нивото чрез OpenAI SDK?
Използвайте reasoning_effort. За Argon, минимално и ниско се картографират на ниско, средно на средно и високо на високо. Оставете го извън, за да получите средно.

Защо Argon върна празен отговор?
Вероятно е изразходвал целия бюджет на max_output_tokens за мислене. Отговорът се връща непълен и токените за мислене все още се таксуват. Увеличете лимита на поне 32,768 или намалете нивото на мислене.

Как да получа повече от 64K изходни токени?
Използвайте дълго декодиране. На API за взаимодействия, задайте background на true и max_output_tokens над 65,536. На generateContent, използвайте последния SDK, който продължава автоматично през скоковете.

Как се таксува дългото декодиране?
Плащате за всеки токен в всеки скок. Всеки скок отново изпраща промпта и всичко генерирано до момента като вход, а имплицитното кеширане намалява този повторен вход с 95%. Анулираните или неуспешни изпълнения таксуват работата, вече извършена.

Работи ли температурата все още на Gemini 4 Argon?
Не. Температура, top_p и top_k се игнорират, така че ги премахнете и използвайте нивото на мислене, за да контролирате поведението.

Продължете да четете: серията Gemini 4 Argon

• Преди да настроите настройките, проверете дали Argon е правилният модел за вашия работен товар: Gemini 4 Argon: Гранични резултати, лимит на изхода от 1M токена и как да го извикате сега
• Високото мислене е това, което прави задачите на Argon скъпи. Измерена цена на задача, от двама независими тестери: Gemini 4 Argon Цени: Евтино на токен, но не на задача
• По подразбиране на мислене, лимита на изхода и игнорираните параметри за проба са три от промените в списъка за миграция: Преминаване към Gemini 4 Argon от Gemini 3.1 Pro или 3.8 Flash: Какво се счупва и как да го поправите

Източници

• Какво ново в Gemini 4 Argon (Google AI за разработчици)
• Мислене на Gemini (Google AI за разработчици)
• Дълго декодиране (Google AI за разработчици)
• Gemini 4 Argon: Google се завръща като една от трите водещи лаборатории в постигнатия интелект (Artificial Analysis)
• Gemini 4 Argon на AIHubMix (AIHubMix)