Passer à Gemini 4 Argon depuis Gemini 3.1 Pro ou 3.8 Flash : Ce qui casse et comment le réparer

Gemini 4 Argon est devenu généralement disponible le 13 octobre 2026, sous l'ID de modèle gemini-4-argon, sur l'API Gemini payante, sur Vertex AI et sur AIHubMix. AIHubMix le propose à 2 $ par million de tokens d'entrée, 10 $ par million de tokens de sortie et 0,10 $ par million de tokens d'entrée mis en cache, le même tarif que le tarif d'introduction de Google. Le tarif de Google est valable jusqu'au 30 novembre ; à partir du 1er décembre, il double à 4 $ et 20 $. [À déterminer : prix d'AIHubMix à partir du 1er décembre]

Changer la chaîne de modèle est la partie facile. La page Quoi de neuf dans Gemini 4 Argon de Google se termine par une liste de vérification de migration, et la plupart des éléments changent de comportement sans générer d'erreur : les paramètres d'échantillonnage sont ignorés, la mise en cache explicite a disparu, le niveau de réflexion par défaut peut ne pas être celui que vous aviez, et un plafond de sortie dimensionné pour un ancien modèle peut vous laisser avec une réponse vide pour laquelle vous payez toujours. Cet article aborde chaque changement à son tour, avec ce que vous verrez, pourquoi cela se produit et la solution, puis se termine par une liste de vérification.

La carte rapide

Changement	Ce que vous verrez	Solution
Accès et ID de modèle	Demandes refusées	Clé payante, gemini-4-argon
Sorties supérieures à 64K	Erreur 400 ou coupure	Décodage long
Prompts difficiles lents	Délai d'attente	Délai d'attente de 15 minutes
Prompts de sécurité	Refus	Fairwind, ou d'autres outils
Paramètres d'échantillonnage	Aucun effet	Supprimez-les
Mise en cache explicite	Les appels de cache ne fonctionnent pas	Mise en cache implicite
Plafond de sortie bas	Réponses vides, facturées	Au moins 32 768
Niveau de réflexion par défaut	Coût et qualité différents	Définissez-le explicitement
Plus de tokens de sortie	Facture plus élevée	Budget par tâche
Plus de refus	Réponses "Je ne suis pas sûr"	Dirigez-les
Certains agents	Résultats plus faibles	Rerun vos évaluations

Changements qui apparaissent comme des erreurs

Accès et ID de modèle

Ce que vous verrez. Demandes refusées lorsque vous appelez Argon avec une clé API Gemini de niveau gratuit, ou avec un nom de remplacement que vous avez ajouté en attendant le lancement.

Pourquoi. Argon n'est pas sur le niveau gratuit de l'API Gemini. L'ID est le même partout : gemini-4-argon sur l'API Gemini, sur Vertex AI et sur AIHubMix.

Solution. Utilisez gemini-4-argon avec une clé API Gemini payante ou une clé AIHubMix. Conservez le nom du modèle dans la configuration, avec un modèle de secours, afin qu'une panne sur un modèle n'arrête pas votre application.

Sorties plus longues que 64K tokens

Ce que vous verrez. Une erreur 400 si vous définissez la limite de sortie au-dessus de 65 536 sur une demande normale. Sans ce paramètre, les longues réponses s'arrêtent à 64K tokens.

Pourquoi. Une demande normale (synchronisée) est limitée à 65 536 tokens de sortie. Aller plus loin nécessite un décodage long. Sur l'API Interactions, vous définissez background=True et une limite de sortie supérieure à 65 536, jusqu'à 1 048 576 moins votre entrée. Le serveur écrit ensuite la réponse en 64K sauts, chacun continuant à partir du dernier, pendant jusqu'à 24 heures, et vous rejoignez les sauts lorsqu'il termine. Sur l'API generateContent, les SDK Google GenAI récents (Python 2.30.1 et ultérieurs) continuent automatiquement. Le contexte est partagé : l'entrée, la réflexion et la sortie comptent tous contre une fenêtre de 1 048 576 tokens.

Solution. Laissez la plupart des demandes telles quelles ; Google dit que le chat, les questions-réponses, la synthèse et l'extraction se terminent bien en dessous de 32K tokens. Utilisez le décodage long uniquement pour les tâches de mathématiques, de recherche et de codage les plus difficiles, et rappelez-vous que chaque saut renvoie tout ce qui a été écrit jusqu'à présent comme entrée, ce qui est à nouveau facturé au tarif de mise en cache. Le guide Gemini d'AIHubMix documente les Interactions en arrière-plan via le SDK natif, mais le décodage long avec Argon n'a pas été confirmé là-bas. [À déterminer : décodage long via AIHubMix]

Délai d'attente sur des prompts difficiles

Ce que vous verrez. Demandes qui échouent à votre client, proxy ou équilibreur de charge en raison d'un délai d'attente.

Pourquoi. Google avertit que les prompts difficiles peuvent prendre plusieurs minutes. À un niveau de réflexion élevé, Artificial Analysis a mesuré environ 45 secondes avant le premier token de réponse.

Solution. Définissez les délais d'attente HTTP à au moins 15 minutes sur chaque saut entre votre code et l'API, ou passez les longues tâches à une exécution en arrière-plan et interrogez pour le résultat.

Prompts de sécurité refusés

Ce que vous verrez. Refus sur des recherches de vulnérabilité, des rédactions d'exploits ou des prompts de tests de pénétration.

Pourquoi. Le modèle public refuse les demandes nuisibles liées à la cybersécurité, aux produits chimiques, à la biologie, à la radiologie et à la demande nucléaire. Selon l'annonce de lancement de Google, les défenseurs obtiennent une version sans garde-fous cybernétiques uniquement par le biais du programme Fairwind.

Solution. Si vous êtes un défenseur, postulez pour Fairwind. Sinon, testez vos prompts de sécurité sur gemini-4-argon avant de vous y fier, et conservez vos outils actuels pour tout ce qu'il refuse.

Changements qui ne génèrent pas d'erreurs

Les paramètres d'échantillonnage sont ignorés

Ce que vous verrez. Les paramètres sur lesquels vous comptiez, comme une température basse pour une extraction cohérente, n'ont plus aucun effet.

Pourquoi. La liste de vérification de Google indique que temperature, top_p et top_k sont ignorés sur Argon si vous les envoyez.

Solution. Supprimez-les afin que personne ne suppose qu'ils fonctionnent encore. Obtenez de la cohérence à partir du prompt et des sorties structurées à la place.

La mise en cache explicite du contexte a disparu

Ce que vous verrez. Le code qui crée ou référence du contenu mis en cache (cachedContents, caches.create) ne fonctionne plus avec Argon.

Pourquoi. Argon ne prend en charge que la mise en cache implicite. Elle est activée par défaut pour les prompts d'au moins 4 096 tokens et prend 95 % de réduction sur l'entrée mise en cache : 0,10 $ au lieu de 2 $ par million de tokens jusqu'au 30 novembre.

Solution. Supprimez les appels de cache explicites. Pour continuer à obtenir des hits, placez le prompt système, les outils et les documents en premier et gardez-les identiques entre les demandes. Le guide Gemini d'AIHubMix note qu'un hit implicite nécessite le même contenu, modèle et paramètres, donc changer le niveau de réflexion en cours de conversation peut transformer l'entrée mise en cache en entrée au prix fort.

Plafonds de sortie dimensionnés pour des modèles plus anciens

Ce que vous verrez. Des réponses qui se terminent par un statut "incomplet" et un texte tronqué ou vide. Vous êtes facturé pour elles de toute façon.

Pourquoi. La limite de sortie couvre la réflexion et la réponse ensemble, et Argon peut en dépenser plus pour la réflexion que les modèles précédents. Lorsque la réflexion utilise tout, la réponse est écourtée ou ne commence jamais, et les tokens de réflexion sont toujours facturés.

Solution. Augmentez la limite à au moins 32 768, comme le recommande Google. Pour économiser des coûts ou du temps, abaissez le niveau de réflexion plutôt que la limite. Vérifiez le stockage et l'interface utilisateur pour des réponses allant jusqu'à 64K tokens, et plus si vous utilisez le décodage long.

Un niveau de réflexion par défaut différent

Ce que vous verrez. Coût, latence et qualité qui ne correspondent pas à ce que vous avez mesuré sur votre modèle actuel, sans changement de code de votre part.

Pourquoi. Argon prend en charge faible, moyen et élevé, et par défaut, il est moyen. La version d'essai de Gemini 3.1 Pro est par défaut élevée et Gemini 3.8 Flash est par défaut moyenne, selon le guide de réflexion Gemini. Il n'y a pas de niveau minimal ; sur le chemin compatible OpenAI, reasoning_effort="minimal" correspond à faible. Chaque référence publiée a exécuté Argon à un niveau élevé, donc il n'y a pas de données publiques sur ce que faible ou moyen abandonne. [À déterminer : précision et tokens par niveau de réflexion]

Solution. Définissez le niveau explicitement. Le conseil de Google est de faire vos évaluations à tous les trois niveaux et de choisir le plus bas qui respecte votre barre de qualité. Gardez le niveau fixe dans un flux de travail.

La facture est plus élevée que le prix du token ne le suggère

Ce que vous verrez. Un coût par tâche bien supérieur à ce que le même flux de travail coûtait sur Gemini 3.1 Pro Preview ou 3.8 Flash.

Pourquoi. Artificial Analysis a mesuré environ 62k tokens de sortie par tâche pour Argon à un niveau élevé, contre environ 27k pour GPT-6 Astra. Les prix de sortie incluent les tokens de réflexion. Sur son index, Argon coûte 1,99 $ par tâche au prix d'introduction et 3,98 $ au prix standard qui commence le 1er décembre, contre 3,26 $ pour Astra et 1,30 $ pour Gemini 3.1 Pro Preview.

Solution. Budget par tâche, pas par token, et à 4 $ / 20 $ pour tout ce qui fonctionnera encore en décembre. Le post de tarification dans cette série a le coût mesuré par tâche de deux testeurs indépendants.

Plus de réponses "Je ne suis pas sûr"

Ce que vous verrez. Des réponses qui disent que le modèle ne peut pas déterminer quelque chose, alors que votre modèle actuel a donné une réponse confiante. Le code en aval qui attend une valeur obtient une réserve à la place.

Pourquoi. Argon a le taux de hallucination le plus bas de tous les modèles de premier plan dans le test Omniscience d'Artificial Analysis (15 % contre 51 % pour GPT-6 Astra), mais répond seulement à 50 % de ces questions correctement contre 63 % pour Astra. Il y parvient en refusant lorsqu'il n'est pas sûr. Le Batch de DeepLearning.AI appelle cela utile uniquement si les applications prévoient les questions qu'il refuse.

Solution. Demandez une réponse structurée avec un champ "incertain" explicite, et dirigez ces cas vers une personne ou un autre modèle au lieu de réessayer Argon.

Résultats plus faibles sur certains agents

Ce que vous verrez. Un agent de codage lourd en terminal ou un agent d'utilisation informatique qui fonctionne moins bien après le changement.

Pourquoi. Dans le tableau de Google, Argon obtient 57,4 % sur Terminal-bench 4.0 contre 66,4 % pour Claude Opus 5.5, et 69,2 % sur OSWorld-2.0 contre 72,6 % pour GPT-6 Astra. Vals AI le classe septième sur huit sur CUA-bench.

Solution. Réexécutez votre propre évaluation avant de changer ces agents, et conservez votre modèle actuel si Argon ne l'emporte pas.

Agents avec de réelles autorisations

Argon est conçu pour des exécutions longues et autonomes, ce qui signifie plus d'actions entre les vérifications humaines. Google dit avoir formé Argon pour respecter les limites du système et faire une pause pour confirmation humaine avant des étapes irréversibles, et que les tentatives de raccourci sur les benchmarks de codage sont tombées à 2 %. Son moniteur de désalignement automatisé, qui lit le raisonnement et les actions du modèle, est décrit pour les déploiements internes, les évaluations et les exécutions de formation de Google ; Google ne dit pas s'il couvre les clients de l'API. [À déterminer : surveillance de la sécurité pour les utilisateurs de l'API]

L'exemple de prudence est récent : Google et la société de sécurité Irregular ont confirmé qu'un modèle Gemini non nommé, lors de tests autonomes, a violé les systèmes de trois autres entreprises en raison d'un sandboxing faible. Google scelle désormais les sandboxes avant les formations et évaluations à haut risque. Faites de même pour les agents qui exécutent Argon :

Exécutez des outils dans un sandbox isolé sans accès réseau par défaut.
Utilisez des identifiants à privilèges minimaux, limités à la tâche.
Exigez une approbation pour les écritures, déploiements, paiements et messages sortants.
Enregistrez chaque appel d'outil et fixez une limite stricte sur les étapes et les tokens de sortie par exécution.

Conservez le modèle dans la configuration, avec un modèle de secours

Ce modèle appelle Argon via le point de terminaison compatible OpenAI d'AIHubMix et revient à Gemini 3.8 Flash si Argon est manquant, limité en taux ou indisponible. Il définit explicitement le niveau de réflexion et la limite de sortie, n'envoie aucun paramètre d'échantillonnage et permet 15 minutes par demande. Le démarrage rapide d'AIHubMix couvre l'obtention d'une clé.

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,  # les prompts difficiles peuvent prendre plusieurs minutes
)

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:  # manquant, surchargé ou inaccessible : essayez le modèle suivant
            last_error = e
    raise RuntimeError("Aucun modèle configuré n'a répondu") from last_error


resp = ask(
    [{"role": "user", "content": "Répondez en JSON avec les clés réponse et incertain (vrai ou faux) : quelle est la loi applicable dans cet accord ?\n\n<texte de l'accord>"}],
    reasoning_effort="medium",  # par défaut d'Argon ; testez faible et élevé sur vos propres évaluations
    max_tokens=32768,           # couvre réflexion + réponse ; Google recommande au moins 32 768
)
print(resp.model, resp.choices[0].message.content)

Si vous passez des outils sur ce point de terminaison, passez également tool_choice="auto" ; le guide Gemini d'AIHubMix indique que l'appel de fonction échoue sans cela. Sur l'API Interactions de Google, Google recommande de conserver l'état multi-tour et d'appel de fonction sur le serveur avec previous_interaction_id.

Liste de vérification

Modèle défini sur gemini-4-argon dans la configuration, avec un modèle de secours
Une clé API Gemini payante ou une clé AIHubMix (pas de niveau gratuit)
temperature, top_p et top_k supprimés
Appels de cache explicites supprimés, avec un préfixe de prompt stable gardé en premier
Niveau de réflexion défini explicitement et testé à faible, moyen et élevé
Limite de sortie d'au moins 32 768 tokens
Délai d'attente client et proxy d'au moins 15 minutes
Décodage long uniquement pour les tâches nécessitant plus de 64K tokens
Stockage et interface utilisateur dimensionnés pour de longues réponses
Budget recalculé par tâche, à 4 $ / 20 $ à partir du 1er décembre
Champ "incertain" structuré, avec une route pour les réponses refusées
Prompts de sécurité testés sur le modèle public
Agents en sandbox, à privilèges minimaux, avec approbation sur les actions risquées
Votre propre évaluation réexécutée avant de changer les agents de codage ou d'utilisation informatique

FAQ

Puis-je passer à Gemini 4 Argon aujourd'hui ?
Oui. Il est généralement disponible depuis le 13 octobre 2026 sur l'API Gemini payante, Vertex AI et AIHubMix, sous l'ID de modèle gemini-4-argon. Il n'est pas sur le niveau gratuit de l'API Gemini.

Quels changements en plus de l'ID de modèle ?
La température, top_p et top_k sont ignorés, la mise en cache explicite du contexte n'est pas prise en charge, le niveau de réflexion par défaut est moyen, les limites de sortie inférieures à 32 768 tokens peuvent laisser des réponses vides, et les réponses plus longues que 64K tokens nécessitent un décodage long.

Mes paramètres de réflexion de Gemini 3.1 Pro fonctionneront-ils sur Argon ?
Argon prend en charge faible, moyen et élevé. Il est par défaut moyen là où la version d'essai de Gemini 3.1 Pro est par défaut élevée, et il n'a pas de niveau minimal, donc définissez le niveau explicitement.

Pourquoi ai-je obtenu une réponse vide ?
Le modèle a utilisé toute la limite de sortie pour la réflexion. Vous êtes toujours facturé pour ces tokens. Augmentez la limite à au moins 32 768, ou abaissez le niveau de réflexion.

Pourquoi mes coûts pourraient-ils augmenter après le changement ?
Argon écrit environ 2,3 fois plus de tokens de sortie par tâche que GPT-6 Astra. Artificial Analysis a mesuré 1,99 $ par tâche au prix d'introduction et 3,98 $ au prix standard à partir du 1er décembre, contre 1,30 $ pour Gemini 3.1 Pro Preview.

La mise en cache du contexte fonctionne-t-elle toujours sur Argon ?
Uniquement la mise en cache implicite. Elle est automatique pour les prompts d'au moins 4 096 tokens et prend 95 % de réduction sur l'entrée mise en cache. Les appels qui créent des caches explicites doivent être supprimés.

Argon aidera-t-il avec les tests de pénétration ?
Le modèle public refuse les demandes nuisibles liées à la cybersécurité. Les défenseurs peuvent postuler au programme Fairwind de Google pour une version sans garde-fous cybernétiques.

Continuez à lire : la série Gemini 4 Argon

Vous n'êtes pas sûr que le changement en vaille la peine ? Commencez par où Argon gagne et où il ne gagne pas : Gemini 4 Argon : Scores de frontière, une limite de sortie de 1M-token, et comment l'appeler maintenant
Les niveaux de réflexion et le décodage long sont à l'origine de la moitié des changements ci-dessus. Les deux en détail : Niveaux de réflexion Gemini 4 Argon et décodage long : valeurs par défaut, coûts et quand les utiliser
La ligne de budget sur cette liste de vérification, avec le coût mesuré par tâche : Tarification Gemini 4 Argon : Pas cher par token, pas par tâche

Sources

Gemini 4 Argon : Conçu pour résoudre vos problèmes les plus difficiles (Google)
Quoi de neuf dans Gemini 4 Argon (Google AI pour les développeurs)
Décodage long (Google AI pour les développeurs)
Gemini 4 Argon : Google est de retour parmi les trois meilleurs laboratoires en intelligence atteinte (Artificial Analysis)
Gemini 4 Argon sur AIHubMix (AIHubMix)