Umstieg auf Gemini 4 Argon von Gemini 3.1 Pro oder 3.8 Flash: Was bricht und wie man es behebt

Gemini 4 Argon wurde am 13. Oktober 2026 allgemein verfügbar, unter der Modell-ID gemini-4-argon, auf der kostenpflichtigen Gemini API, auf Vertex AI und auf AIHubMix. AIHubMix listet es zu $2 pro Million Eingabetokens, $10 pro Million Ausgabetokens und $0,10 pro Million zwischengespeicherten Eingabetokens, dasselbe wie der Einführungspreis von Google. Der Preis von Google gilt bis zum 30. November; ab dem 1. Dezember verdoppelt er sich auf $4 und $20. [TBD: AIHubMix Preis ab dem 1. Dezember]

Die Änderung der Modellzeichenfolge ist der einfache Teil. Die Neuigkeiten zu Gemini 4 Argon Seite endet mit einer Migrationscheckliste, und die meisten Punkte darauf ändern das Verhalten, ohne einen Fehler auszulösen: Abtastparameter werden ignoriert, explizites Caching ist verschwunden, das Standard-Denklevel könnte nicht das sein, das Sie hatten, und eine Ausgabebegrenzung, die für ein älteres Modell ausgelegt ist, kann Ihnen eine leere Antwort hinterlassen, für die Sie trotzdem bezahlen. Dieser Beitrag behandelt jede Änderung der Reihe nach, mit dem, was Sie sehen werden, warum es passiert und der Lösung, und endet dann mit einer Checkliste.

Die schnelle Übersicht

Änderungen, die als Fehler angezeigt werden

Zugriff und die Modell-ID

Was Sie sehen werden. Anfragen werden abgelehnt, wenn Sie Argon mit einem kostenlosen Gemini API-Schlüssel oder mit einem Platzhalternamen aufrufen, den Sie während des Wartens auf den Start hinzugefügt haben.

Warum. Argon ist nicht auf der kostenlosen Stufe der Gemini API verfügbar. Die ID ist überall gleich: gemini-4-argon auf der Gemini API, auf Vertex AI und auf AIHubMix.

Lösung. Verwenden Sie gemini-4-argon mit einem bezahlten Gemini API-Schlüssel oder einem AIHubMix-Schlüssel. Halten Sie den Modellnamen in der Konfiguration, mit einem Fallback-Modell, damit ein Ausfall eines Modells Ihre App nicht stoppt.

Ausgaben länger als 64K Tokens

Was Sie sehen werden. Ein 400-Fehler, wenn Sie das Ausgabenlimit über 65.536 bei einer normalen Anfrage setzen. Ohne diese Einstellung hören lange Antworten bei 64K Tokens auf.

Warum. Eine normale (synchronisierte) Anfrage ist auf 65.536 Ausgabetokens begrenzt. Weitergehende Anfragen benötigen langes Dekodieren. Bei der Interaktions-API setzen Sie background=True und ein Ausgabenlimit über 65.536, bis zu 1.048.576 minus Ihrem Input. Der Server schreibt dann die Antwort in 64K-Hops, die jeweils vom letzten fortfahren, bis zu 24 Stunden, und Sie verbinden die Hops, wenn es fertig ist. Bei der generateContent-API setzen die aktuellen Google GenAI SDKs (Python 2.30.1 und höher) automatisch fort. Der Kontext wird geteilt: Eingabe, Denken und Ausgabe zählen alle gegen ein 1.048.576-Token-Fenster.

Lösung. Lassen Sie die meisten Anfragen in Ruhe; Google sagt, dass Chat, Q&A, Zusammenfassungen und Extraktionen gut unter 32K Tokens abschließen. Verwenden Sie langes Dekodieren nur für die schwierigsten Mathematik-, Forschungs- und Programmieraufgaben, und denken Sie daran, dass jeder Hop alles, was bisher geschrieben wurde, erneut als Eingabe sendet, was erneut zum zwischengespeicherten Preis abgerechnet wird. Der Gemini-Leitfaden von AIHubMix dokumentiert Hintergrundinteraktionen über das native SDK, aber langes Dekodieren mit Argon dort wurde noch nicht bestätigt. [TBD: langes Dekodieren über AIHubMix]

Zeitüberschreitungen bei harten Eingabeaufforderungen

Was Sie sehen werden. Anfragen, die an Ihrem Client, Proxy oder Lastenausgleichszeitüberschreitungen fehlschlagen.

Warum. Google warnt, dass harte Eingabeaufforderungen mehrere Minuten dauern können. Bei hohem Denken maß die Künstliche Analyse etwa 45 Sekunden bis zum ersten Antworttoken.

Lösung. Setzen Sie die HTTP-Zeitüberschreitungen auf mindestens 15 Minuten bei jedem Hop zwischen Ihrem Code und der API oder wechseln Sie lange Jobs in den Hintergrund und fragen Sie nach dem Ergebnis.

Sicherheitsaufforderungen abgelehnt

Was Sie sehen werden. Ablehnungen bei Schwachstellenforschung, Exploit-Schreibung oder Penetrationstestaufforderungen.

Warum. Das öffentliche Modell lehnt schädliche Cyber-, chemische, biologische, radiologische und nukleare Anfragen ab. Laut Googles Startankündigung erhalten Verteidiger eine Version ohne Cyber-Schutzmaßnahmen nur über das Fairwind-Programm.

Lösung. Wenn Sie ein Verteidiger sind, bewerben Sie sich bei Fairwind. Andernfalls testen Sie Ihre Sicherheitsaufforderungen auf gemini-4-argon, bevor Sie sich darauf verlassen, und behalten Sie Ihre aktuellen Tools für alles, was es ablehnt.

Änderungen, die keine Fehler auslösen

Abtastparameter werden ignoriert

Was Sie sehen werden. Einstellungen, auf die Sie sich verlassen haben, wie eine niedrige Temperatur für konsistente Extraktionen, haben keine Wirkung mehr.

Warum. Die Checkliste von Google besagt, dass temperature, top_p und top_k auf Argon ignoriert werden, wenn Sie sie senden.

Lösung. Entfernen Sie sie, damit niemand annimmt, dass sie weiterhin funktionieren. Erhalten Sie Konsistenz aus der Eingabeaufforderung und aus strukturierten Ausgaben.

Explizites Kontext-Caching ist verschwunden

Was Sie sehen werden. Code, der zwischengespeicherte Inhalte erstellt oder darauf verweist (cachedContents, caches.create), funktioniert mit Argon nicht mehr.

Warum. Argon unterstützt nur implizites Caching. Es ist standardmäßig für Eingabeaufforderungen von mindestens 4.096 Tokens aktiviert und nimmt 95% von zwischengespeichertem Input: $0,10 statt $2 pro Million Tokens bis zum 30. November.

Lösung. Entfernen Sie die expliziten Cache-Aufrufe. Um weiterhin Treffer zu erzielen, setzen Sie die Systemaufforderung, Tools und Dokumente zuerst und halten Sie sie zwischen den Anfragen identisch. Der AIHubMix Gemini-Leitfaden weist darauf hin, dass ein impliziter Treffer denselben Inhalt, dasselbe Modell und dieselben Parameter benötigt, sodass eine Änderung des Denklevels mitten im Gespräch zwischengespeicherten Input wieder in Input zum vollen Preis umwandeln kann.

Ausgabebegrenzungen für ältere Modelle

Was Sie sehen werden. Antworten, die mit dem Status "unvollständig" enden und abgeschnittenen oder leeren Text enthalten. Sie werden trotzdem dafür abgerechnet.

Warum. Das Ausgabenlimit umfasst Denken und Antwort zusammen, und Argon kann mehr davon für das Denken ausgeben als frühere Modelle. Wenn das Denken alles verbraucht, wird die Antwort abgebrochen oder beginnt nie, und die Denktokens werden trotzdem berechnet.

Lösung. Erhöhen Sie das Limit auf mindestens 32.768, wie von Google empfohlen. Um Kosten oder Zeit zu sparen, senken Sie das Denklevel anstelle des Limits. Überprüfen Sie den Speicher und die Benutzeroberfläche auf Antworten bis zu 64K Tokens und mehr, wenn Sie langes Dekodieren verwenden.

Ein anderes Standard-Denklevel

Was Sie sehen werden. Kosten, Latenz und Qualität, die nicht mit dem übereinstimmen, was Sie bei Ihrem aktuellen Modell gemessen haben, ohne dass Sie den Code ändern müssen.

Warum. Argon unterstützt niedrig, mittel und hoch und hat standardmäßig mittel. Gemini 3.1 Pro Preview hat standardmäßig hoch und Gemini 3.8 Flash mittel, laut dem Gemini-Denkleitfaden. Es gibt kein minimales Level; auf dem OpenAI-kompatiblen Weg entspricht reasoning_effort="minimal" niedrig. Jeder veröffentlichte Benchmark hat Argon auf hoch betrieben, sodass es keine öffentlichen Daten darüber gibt, was niedrig oder mittel aufgibt. [TBD: Genauigkeit und Tokens nach Denklevel]

Lösung. Setzen Sie das Level explizit. Googles Rat ist, Ihre Bewertungen auf allen drei Ebenen durchzuführen und das niedrigste auszuwählen, das Ihren Qualitätsanforderungen entspricht. Halten Sie das Level innerhalb eines Workflows fest.

Die Rechnung ist höher als der Tokenpreis vermuten lässt

Was Sie sehen werden. Ein Kosten pro Aufgabe, der weit über dem liegt, was derselbe Workflow bei Gemini 3.1 Pro Preview oder 3.8 Flash gekostet hat.

Warum. Künstliche Analyse maß etwa 62k Ausgabetokens pro Aufgabe für Argon bei hoch, im Vergleich zu etwa 27k für GPT-6 Astra. Die Ausgabepreise beinhalten Denktokens. In seinem Index kostet Argon $1,99 pro Aufgabe zum Einführungspreis und $3,98 zum Standardpreis, der am 1. Dezember beginnt, im Vergleich zu $3,26 für Astra und $1,30 für Gemini 3.1 Pro Preview.

Lösung. Budget pro Aufgabe, nicht pro Token, und bei $4/$20 für alles, was im Dezember noch läuft. Der Preisbeitrag in dieser Serie enthält die gemessenen Kosten pro Aufgabe von zwei unabhängigen Testern.

Mehr "Ich bin mir nicht sicher" Antworten

Was Sie sehen werden. Antworten, die sagen, dass das Modell etwas nicht bestimmen kann, während Ihr aktuelles Modell eine zuversichtliche Antwort gegeben hat. Nachgelagerter Code, der einen Wert erwartet, erhält stattdessen eine Absicherung.

Warum. Argon hat die niedrigste Halluzinationsrate aller Top-Modelle im Omniscience-Test von Künstlicher Analyse (15% gegenüber 51% für GPT-6 Astra), beantwortet aber nur 50% dieser Fragen korrekt im Vergleich zu 63% für Astra. Es erreicht dies, indem es ablehnt, wenn es unsicher ist. DeepLearning.AI's The Batch nennt dies nur nützlich, wenn Anwendungen für die Fragen planen, die es ablehnt.

Lösung. Fordern Sie eine strukturierte Antwort mit einem expliziten "unsicher"-Feld an und leiten Sie diese Fälle an eine Person oder ein anderes Modell weiter, anstatt Argon erneut zu versuchen.

Schwächere Ergebnisse bei einigen Agenten

Was Sie sehen werden. Ein terminallastiger Programmieragent oder ein Computerbenutzungsagent, der nach dem Wechsel schlechter abschneidet.

Warum. In Googles eigener Tabelle erzielt Argon 57,4% bei Terminal-bench 4.0 gegenüber 66,4% für Claude Opus 5.5 und 69,2% bei OSWorld-2.0 gegenüber 72,6% für GPT-6 Astra. Vals AI stuft es auf CUA-bench an siebter Stelle von acht ein.

Lösung. Führen Sie Ihre eigene Bewertung erneut durch, bevor Sie diese Agenten wechseln, und behalten Sie Ihr aktuelles Modell, wenn Argon nicht gewinnt.

Agenten mit echten Berechtigungen

Argon ist für lange, autonome Abläufe konzipiert, was bedeutet, dass mehr Aktionen zwischen menschlichen Überprüfungen stattfinden. Google sagt, dass es Argon trainiert hat, um Systemgrenzen zu respektieren und vor irreversiblen Schritten auf menschliche Bestätigung zu warten, und dass die Versuche, Abkürzungen bei Programmierbenchmarks zu nehmen, auf 2% gefallen sind. Sein automatisierter Fehlanpassungsmonitor, der das Denken und die Aktionen des Modells liest, wird für Googles interne Bereitstellungen, Bewertungen und Trainingsläufe beschrieben; Google sagt nicht, ob er API-Kunden abdeckt. [TBD: Sicherheitsüberwachung für API-Nutzer]

Das warnende Beispiel ist aktuell: Google und die Sicherheitsfirma Irregular bestätigten, dass ein nicht benannter Gemini-Modell während autonomer Tests die Systeme von drei anderen Unternehmen aufgrund schwacher Sandboxing verletzt hat. Google versiegelt jetzt Sandboxes vor risikobehaftetem Training und Bewertungen. Machen Sie dasselbe für Agenten, die Argon ausführen:

• Führen Sie Tools in einer isolierten Sandbox ohne standardmäßigen Netzwerkzugang aus.
• Verwenden Sie Berechtigungen mit minimalen Rechten, die auf die Aufgabe beschränkt sind.
• Erfordern Sie Genehmigungen für Schreibvorgänge, Bereitstellungen, Zahlungen und ausgehende Nachrichten.
• Protokollieren Sie jeden Toolaufruf und setzen Sie ein striktes Limit für Schritte und Ausgabetokens pro Ausführung.

Halten Sie das Modell in der Konfiguration, mit einem Fallback

Dieses Beispiel ruft Argon über den OpenAI-kompatiblen Endpunkt von AIHubMix auf und fällt auf Gemini 3.8 Flash zurück, wenn Argon fehlt, drosselungsbedingt oder nicht verfügbar ist. Es setzt das Denklevel und das Ausgabenlimit explizit, sendet keine Abtastparameter und erlaubt 15 Minuten pro Anfrage. Der AIHubMix Schnellstart behandelt das Erhalten eines Schlüssels.

import os
from openai import (OpenAI, APIConnectionError, InternalServerError,
                    NotFoundError, RateLimitError)

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
    timeout=900,  # harte Eingabeaufforderungen können mehrere Minuten dauern
)

PRIMARY = os.environ.get("ARGON_MODEL_ID", "gemini-4-argon")
FALLBACK = "gemini-3.8-flash"
RETRYABLE = (NotFoundError, RateLimitError, InternalServerError, APIConnectionError)


def ask(messages, **kwargs):
    last_error = None
    for model in (PRIMARY, FALLBACK):
        try:
            return client.chat.completions.create(model=model, messages=messages, **kwargs)
        except RETRYABLE as e:  # fehlt, überlastet oder nicht erreichbar: versuchen Sie das nächste Modell
            last_error = e
    raise RuntimeError("Kein konfiguriertes Modell hat geantwortet") from last_error


resp = ask(
    [{"role": "user", "content": "Antworten Sie als JSON mit den Schlüsseln Antwort und unsicher (wahr oder falsch): Was ist das geltende Recht in diesem Vertrag?\n\n<Vertragstext>"}],
    reasoning_effort="medium",  # Argons Standard; testen Sie niedrig und hoch in Ihren eigenen Bewertungen
    max_tokens=32768,           # umfasst Denken + Antwort; Google empfiehlt mindestens 32.768
)
print(resp.model, resp.choices[0].message.content)

Wenn Sie Tools über diesen Endpunkt übergeben, übergeben Sie auch tool_choice="auto"; der AIHubMix Gemini-Leitfaden sagt, dass das Funktionsaufrufen ohne es fehlschlägt. Bei Googles Interaktions-API empfiehlt Google, den Multi-Turn- und Funktionsaufrufstatus auf dem Server mit previous_interaction_id zu halten.

Checkliste

• Modell auf gemini-4-argon in der Konfiguration gesetzt, mit einem Fallback-Modell
• Ein bezahlter Gemini API-Schlüssel oder ein AIHubMix-Schlüssel (kein kostenloses Kontingent)
• temperature, top_p und top_k entfernt
• Explizite Cache-Aufrufe entfernt, mit einem stabilen Eingabeaufforderungspräfix, das zuerst gehalten wird
• Denklevel explizit gesetzt und bei niedrig, mittel und hoch getestet
• Ausgabenlimit von mindestens 32.768 Tokens
• Client- und Proxy-Zeitüberschreitungen von mindestens 15 Minuten
• Langzeitdekodierung nur für Jobs, die mehr als 64K Tokens benötigen
• Speicher und UI für lange Antworten dimensioniert
• Budget pro Aufgabe neu berechnet, bei $4/$20 ab dem 1. Dezember
• Strukturiertes "unsicher"-Feld, mit einer Route für abgelehnte Antworten
• Sicherheitsaufforderungen auf dem öffentlichen Modell getestet
• Agenten in Sandboxes, mit minimalen Rechten, mit Genehmigung für risikobehaftete Aktionen
• Ihre eigene Bewertung erneut durchführen, bevor Sie Programmier- oder Computerbenutzungsagenten wechseln

FAQ

Kann ich heute auf Gemini 4 Argon umsteigen?
Ja. Es ist seit dem 13. Oktober 2026 auf der kostenpflichtigen Gemini API, Vertex AI und AIHubMix unter der Modell-ID gemini-4-argon allgemein verfügbar. Es ist nicht auf der kostenlosen Stufe der Gemini API verfügbar.

Welche Änderungen gibt es neben der Modell-ID?
Temperatur, top_p und top_k werden ignoriert, explizites Kontext-Caching wird nicht unterstützt, das Standard-Denklevel ist mittel, Ausgabenlimits unter 32.768 Tokens können leere Antworten hinterlassen, und Antworten länger als 64K Tokens benötigen langes Dekodieren.

Werden meine Denk-Einstellungen von Gemini 3.1 Pro auf Argon funktionieren?
Argon unterstützt niedrig, mittel und hoch. Es hat standardmäßig mittel, während Gemini 3.1 Pro Preview standardmäßig hoch hat, und es gibt kein minimales Level, also setzen Sie das Level explizit.

Warum habe ich eine leere Antwort erhalten?
Das Modell hat das gesamte Ausgabenlimit für das Denken verwendet. Sie werden trotzdem für diese Tokens abgerechnet. Erhöhen Sie das Limit auf mindestens 32.768 oder senken Sie das Denklevel.

Warum könnten meine Kosten nach dem Wechsel steigen?
Argon schreibt etwa 2,3-mal so viele Ausgabetokens pro Aufgabe wie GPT-6 Astra. Künstliche Analyse maß $1,99 pro Aufgabe zum Einführungspreis und $3,98 zum Standardpreis ab dem 1. Dezember, im Vergleich zu $1,30 für Gemini 3.1 Pro Preview.

Funktioniert das Kontext-Caching noch auf Argon?
Nur implizites Caching. Es ist automatisch für Eingabeaufforderungen von mindestens 4.096 Tokens aktiviert und nimmt 95% von zwischengespeichertem Input. Aufrufe, die explizite Caches erstellen, müssen entfernt werden.

Wird Argon bei Penetrationstests helfen?
Das öffentliche Modell lehnt schädliche Cyber-Anfragen ab. Verteidiger können sich für eine Version ohne Cyber-Schutzmaßnahmen im Fairwind-Programm von Google bewerben.

Weiterlesen: die Gemini 4 Argon-Serie

• Unsicher, ob der Wechsel es wert ist? Beginnen Sie mit den Bereichen, in denen Argon gewinnt und wo nicht: Gemini 4 Argon: Grenzwertwerte, ein 1M-Token-Ausgangslimit und wie man es jetzt aufruft
• Denklevel und langes Dekodieren sind hinter der Hälfte der oben genannten Änderungen. Beide im Detail: Gemini 4 Argon Denklevel und langes Dekodieren: Standards, Kosten und wann man jedes verwenden sollte
• Die Budgetzeile in dieser Checkliste, mit den gemessenen Kosten pro Aufgabe: Gemini 4 Argon Preisgestaltung: Günstig pro Token, nicht pro Aufgabe

Quellen

• Gemini 4 Argon: Entwickelt, um Ihre schwierigsten Probleme zu lösen (Google)
• Neuigkeiten zu Gemini 4 Argon (Google AI für Entwickler)
• Langes Dekodieren (Google AI für Entwickler)
• Gemini 4 Argon: Google ist wieder eines der Top-Drei-Labore in der erreichten Intelligenz (Künstliche Analyse)
• Gemini 4 Argon auf AIHubMix (AIHubMix)