Passare a Gemini 4 Argon da Gemini 3.1 Pro o 3.8 Flash: Cosa si rompe e come risolverlo

Gemini 4 Argon è diventato generalmente disponibile il 13 ottobre 2026, con l'ID modello gemini-4-argon, sull'API a pagamento di Gemini, su Vertex AI e su AIHubMix. AIHubMix lo elenca a $2 per milione di token di input, $10 per milione di token di output e $0,10 per milione di token di input memorizzati, lo stesso della tariffa introduttiva di Google. La tariffa di Google è valida fino al 30 novembre; dal 1 dicembre raddoppia a $4 e $20. [TBD: prezzo di AIHubMix dal 1 dicembre]

Cambiare la stringa del modello è la parte facile. La pagina di Google Novità in Gemini 4 Argon termina con un elenco di controllo per la migrazione, e la maggior parte degli elementi in esso cambia comportamento senza generare un errore: i parametri di campionamento vengono ignorati, la memorizzazione esplicita è scomparsa, il livello di pensiero predefinito potrebbe non essere quello che avevi, e un limite di output dimensionato per un modello più vecchio può lasciarti con una risposta vuota per cui paghi comunque. Questo post affronta ogni cambiamento a turno, con cosa vedrai, perché accade e la soluzione, per poi concludere con un elenco di controllo.

La mappa rapida

Cambiamenti che si manifestano come errori

Accesso e ID modello

Cosa vedrai. Richieste rifiutate quando chiami Argon con una chiave API di Gemini di livello gratuito, o con un nome segnaposto che hai aggiunto mentre aspettavi il lancio.

Perché. Argon non è disponibile nel livello gratuito dell'API di Gemini. L'ID è lo stesso ovunque: gemini-4-argon sull'API di Gemini, su Vertex AI e su AIHubMix.

Soluzione. Usa gemini-4-argon con una chiave API di Gemini a pagamento o una chiave di AIHubMix. Mantieni il nome del modello nella configurazione, con un modello di riserva, in modo che un'interruzione su un modello non fermi la tua app.

Output più lunghi di 64K token

Cosa vedrai. Un errore 400 se imposti il limite di output sopra 65.536 in una richiesta normale. Senza quella impostazione, le risposte lunghe si fermano a 64K token.

Perché. Una richiesta normale (sincrona) è limitata a 65.536 token di output. Andare oltre richiede decodifica lunga. Sull'API delle Interazioni imposti background=True e un limite di output superiore a 65.536, fino a 1.048.576 meno il tuo input. Il server scrive quindi la risposta in salti di 64K, ciascuno che continua dall'ultimo, per un massimo di 24 ore, e tu unisci i salti quando termina. Sull'API generateContent, i recenti SDK Google GenAI (Python 2.30.1 e successivi) continuano automaticamente. Il contesto è condiviso: input, pensiero e output contano tutti contro una finestra di 1.048.576 token.

Soluzione. Lascia la maggior parte delle richieste inalterate; Google afferma che chat, Q&A, sintesi ed estrazione terminano ben al di sotto di 32K token. Usa la decodifica lunga solo per i lavori più difficili di matematica, ricerca e codifica, e ricorda che ogni salto reinvia tutto ciò che è stato scritto finora come input, che viene addebitato nuovamente alla tariffa di memorizzazione. La guida Gemini di AIHubMix documenta le Interazioni in background attraverso l'SDK nativo, ma la decodifica lunga con Argon lì non è stata confermata. [TBD: decodifica lunga tramite AIHubMix]

Timeout su prompt difficili

Cosa vedrai. Richieste che falliscono a causa di timeout nel tuo client, proxy o bilanciatore di carico.

Perché. Google avverte che i prompt difficili possono richiedere diversi minuti. A livelli di pensiero elevati, Artificial Analysis ha misurato circa 45 secondi prima del primo token di risposta.

Soluzione. Imposta i timeout HTTP ad almeno 15 minuti su ogni salto tra il tuo codice e l'API, oppure passa a esecuzioni in background per lavori lunghi e controlla il risultato.

Prompt di sicurezza rifiutati

Cosa vedrai. Rifiuti su ricerche di vulnerabilità, scrittura di exploit o prompt di penetration testing.

Perché. Il modello pubblico rifiuta richieste dannose di tipo cibernetico, chimico, biologico, radiologico e nucleare. Secondo l'annuncio di lancio di Google, i difensori ottengono una versione senza guardrail cibernetici solo attraverso il Programma Fairwind.

Soluzione. Se sei un difensore, fai domanda per Fairwind. Altrimenti, testa i tuoi prompt di sicurezza su gemini-4-argon prima di fare affidamento su di esso, e mantieni i tuoi strumenti attuali per qualsiasi cosa venga rifiutata.

Cambiamenti che non generano errori

I parametri di campionamento vengono ignorati

Cosa vedrai. Impostazioni su cui ti affidavi, come una bassa temperatura per un'estrazione coerente, smettono di avere effetto.

Perché. L'elenco di controllo di Google afferma che temperature, top_p e top_k vengono ignorati su Argon se li invii.

Soluzione. Rimuovili affinché nessuno assuma che funzionino ancora. Ottieni coerenza dal prompt e da output strutturati invece.

La memorizzazione esplicita del contesto è scomparsa

Cosa vedrai. Codice che crea o fa riferimento a contenuti memorizzati (cachedContents, caches.create) non funziona più con Argon.

Perché. Argon supporta solo la memorizzazione implicita. È attivata per impostazione predefinita per prompt di almeno 4.096 token e applica il 95% di sconto sui token di input memorizzati: $0,10 invece di $2 per milione di token fino al 30 novembre.

Soluzione. Rimuovi le chiamate esplicite alla cache. Per continuare a ottenere colpi, metti il prompt di sistema, gli strumenti e i documenti per primi e mantienili identici tra le richieste. La guida Gemini di AIHubMix nota che un colpo implicito ha bisogno dello stesso contenuto, modello e parametri, quindi cambiare il livello di pensiero a metà conversazione può trasformare l'input memorizzato in input a prezzo pieno.

Limiti di output dimensionati per modelli più vecchi

Cosa vedrai. Risposte che terminano con stato "incompleto" e testo troncato o vuoto. Ti verrà comunque addebitato.

Perché. Il limite di output copre insieme pensiero e risposta, e Argon può spendere più di esso per il pensiero rispetto ai modelli precedenti. Quando il pensiero utilizza tutto, la risposta viene accorciata o non inizia mai, e i token di pensiero vengono comunque addebitati.

Soluzione. Aumenta il limite ad almeno 32.768, come raccomanda Google. Per risparmiare costi o tempo, abbassa il livello di pensiero piuttosto che il limite. Controlla lo storage e l'interfaccia utente per risposte fino a 64K token, e di più se utilizzi la decodifica lunga.

Un diverso livello di pensiero predefinito

Cosa vedrai. Costo, latenza e qualità che non corrispondono a ciò che hai misurato sul tuo modello attuale, senza alcuna modifica del codice da parte tua.

Perché. Argon supporta basso, medio e alto, e per impostazione predefinita è medio. Gemini 3.1 Pro Preview è predefinito su alto e Gemini 3.8 Flash su medio, secondo la guida al pensiero di Gemini. Non c'è un livello minimo; sul percorso compatibile con OpenAI, reasoning_effort="minimal" corrisponde a basso. Ogni benchmark pubblicato ha eseguito Argon ad alto, quindi non ci sono dati pubblici su cosa rinunciano i livelli basso o medio. [TBD: accuratezza e token per livello di pensiero]

Soluzione. Imposta il livello esplicitamente. Il consiglio di Google è di eseguire le tue valutazioni a tutti e tre i livelli e scegliere il più basso che soddisfi il tuo standard di qualità. Mantieni il livello fisso all'interno di un flusso di lavoro.

La bolletta è più alta di quanto suggerisca il prezzo del token

Cosa vedrai. Un costo per attività ben superiore a quello che lo stesso flusso di lavoro costava su Gemini 3.1 Pro Preview o 3.8 Flash.

Perché. Artificial Analysis ha misurato circa 62k token di output per attività per Argon ad alto, contro circa 27k per GPT-6 Astra. I prezzi di output includono i token di pensiero. Sul suo indice, Argon costa $1,99 per attività al prezzo introduttivo e $3,98 al prezzo standard che inizia il 1 dicembre, contro $3,26 per Astra e $1,30 per Gemini 3.1 Pro Preview.

Soluzione. Budget per attività, non per token, e a $4/$20 per qualsiasi cosa che continuerà a funzionare a dicembre. Il post sui prezzi in questa serie ha il costo misurato per attività da due tester indipendenti.

Più risposte "Non sono sicuro"

Cosa vedrai. Risposte che dicono che il modello non può determinare qualcosa, dove il tuo modello attuale dava una risposta sicura. Il codice a valle che si aspetta un valore riceve invece una risposta cautelativa.

Perché. Argon ha il tasso di allucinazione più basso di qualsiasi modello di punta nel test Omniscience di Artificial Analysis (15% contro 51% per GPT-6 Astra), ma risponde correttamente solo al 50% di quelle domande contro il 63% di Astra. Ci arriva rifiutando quando non è sicuro. The Batch di DeepLearning.AI chiama questo utile solo se le applicazioni pianificano per le domande che rifiuta.

Soluzione. Richiedi una risposta strutturata con un campo esplicito "non sicuro", e reindirizza quei casi a una persona o a un altro modello invece di riprovare Argon.

Risultati più deboli su alcuni agenti

Cosa vedrai. Un agente di codifica pesante o un agente di utilizzo del computer che funziona peggio dopo il passaggio.

Perché. Nella tabella di Google, Argon ottiene il 57,4% su Terminal-bench 4.0 contro il 66,4% per Claude Opus 5.5, e il 69,2% su OSWorld-2.0 contro il 72,6% per GPT-6 Astra. Vals AI lo classifica settimo su otto su CUA-bench.

Soluzione. Ripeti la tua valutazione prima di passare a questi agenti, e mantieni il tuo modello attuale se Argon non vince.

Agenti con permessi reali

Argon è progettato per esecuzioni lunghe e autonome, il che significa più azioni tra i controlli umani. Google afferma di aver addestrato Argon a rispettare i confini del sistema e a fermarsi per conferma umana prima di passaggi irreversibili, e che i tentativi di scorciatoia sui benchmark di codifica sono scesi al 2%. Il suo monitor di disallineamento automatizzato, che legge il ragionamento e le azioni del modello, è descritto per i dispiegamenti interni, le valutazioni e le esecuzioni di addestramento di Google; Google non dice se copre i clienti API. [TBD: monitoraggio della sicurezza per gli utenti API]

Un esempio cauteloso è recente: Google e la società di sicurezza Irregular hanno confermato che un modello Gemini non identificato, durante i test autonomi, ha violato i sistemi di altre tre aziende a causa di una scarsa sandboxing. Google ora sigilla le sandbox prima di addestramenti e valutazioni ad alto rischio. Fai lo stesso per gli agenti che eseguono Argon:

• Esegui strumenti in una sandbox isolata senza accesso di rete predefinito.
• Utilizza credenziali a privilegi minimi, limitate al compito.
• Richiedi approvazione per scritture, distribuzioni, pagamenti e messaggi in uscita.
• Registra ogni chiamata agli strumenti e imposta un limite rigoroso sui passaggi e sui token di output per esecuzione.

Mantieni il modello nella configurazione, con un fallback

Questo esempio chiama Argon attraverso l'endpoint compatibile con OpenAI di AIHubMix e ricade su Gemini 3.8 Flash se Argon è mancante, limitato o non disponibile. Imposta esplicitamente il livello di pensiero e il limite di output, non invia parametri di campionamento e consente 15 minuti per richiesta. La guida rapida di AIHubMix copre come ottenere una chiave.

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,  # i prompt difficili possono richiedere diversi minuti
)

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:  # mancante, sovraccarico o irraggiungibile: prova il modello successivo
            last_error = e
    raise RuntimeError("Nessun modello configurato ha risposto") from last_error


resp = ask(
    [{"role": "user", "content": "Rispondi come JSON con le chiavi answer e unsure (true o false): qual è la legge governativa in questo accordo?\n\n<testo dell'accordo>"}],
    reasoning_effort="medium",  # predefinito di Argon; testa basso e alto nelle tue valutazioni
    max_tokens=32768,           # copre pensiero + risposta; Google raccomanda almeno 32.768
)
print(resp.model, resp.choices[0].message.content)

Se passi strumenti su questo endpoint, passa anche tool_choice="auto"; la guida Gemini di AIHubMix afferma che la chiamata di funzione fallisce senza di essa. Sull'API delle Interazioni di Google, Google raccomanda di mantenere lo stato multi-turno e di chiamata di funzione sul server con previous_interaction_id.

Elenco di controllo

• Modello impostato su gemini-4-argon nella configurazione, con un modello di riserva
• Una chiave API di Gemini a pagamento o una chiave di AIHubMix (nessun livello gratuito)
• temperature, top_p e top_k rimossi
• Chiamate esplicite alla cache rimosse, con un prefisso di prompt stabile mantenuto per primo
• Livello di pensiero impostato esplicitamente e testato a basso, medio e alto
• Limite di output di almeno 32.768 token
• Timeout del client e del proxy di almeno 15 minuti
• Decodifica lunga solo per lavori che necessitano di più di 64K token
• Storage e UI dimensionati per risposte lunghe
• Budget ricalcolato per attività, a $4/$20 dal 1 dicembre
• Campo "non sicuro" strutturato, con un percorso per risposte rifiutate
• Prompt di sicurezza testati sul modello pubblico
• Agenti sandboxed, a privilegi minimi, con approvazione su azioni rischiose
• La tua valutazione ripetuta prima di passare a agenti di codifica o utilizzo del computer

FAQ

Posso passare a Gemini 4 Argon oggi?
Sì. È stato generalmente disponibile dal 13 ottobre 2026 sull'API a pagamento di Gemini, su Vertex AI e AIHubMix, con l'ID modello gemini-4-argon. Non è disponibile nel livello gratuito dell'API di Gemini.

Quali cambiamenti oltre all'ID modello?
La temperatura, top_p e top_k vengono ignorati, la memorizzazione esplicita del contesto non è supportata, il livello di pensiero predefinito è medio, i limiti di output sotto 32.768 token possono lasciare risposte vuote, e le risposte più lunghe di 64K token necessitano di decodifica lunga.

Le mie impostazioni di pensiero di Gemini 3.1 Pro funzioneranno su Argon?
Argon supporta basso, medio e alto. È predefinito su medio dove Gemini 3.1 Pro Preview è predefinito su alto, e non ha un livello minimo, quindi imposta il livello esplicitamente.

Perché ho ricevuto una risposta vuota?
Il modello ha utilizzato l'intero limite di output per il pensiero. Ti verranno comunque addebitati quei token. Aumenta il limite ad almeno 32.768, o abbassa il livello di pensiero.

Perché i miei costi potrebbero aumentare dopo il passaggio?
Argon scrive circa 2,3 volte più token di output per attività rispetto a GPT-6 Astra. Artificial Analysis ha misurato $1,99 per attività al prezzo introduttivo e $3,98 al prezzo standard dal 1 dicembre, contro $1,30 per Gemini 3.1 Pro Preview.

La memorizzazione del contesto funziona ancora su Argon?
Solo la memorizzazione implicita. È automatica per prompt di almeno 4.096 token e applica il 95% di sconto sugli input memorizzati. Le chiamate che creano cache esplicite devono essere rimosse.

Argon aiuterà con il penetration testing?
Il modello pubblico rifiuta richieste dannose di tipo cibernetico. I difensori possono fare domanda per il Programma Fairwind di Google per una versione senza guardrail cibernetici.

Continua a leggere: la serie Gemini 4 Argon

• Non sei sicuro che il passaggio ne valga la pena? Inizia con dove Argon vince e dove non lo fa: Gemini 4 Argon: punteggi di frontiera, un limite di output di 1M token e come chiamarlo ora
• I livelli di pensiero e la decodifica lunga sono alla base della metà dei cambiamenti sopra. Entrambi in dettaglio: Gemini 4 Argon Livelli di Pensiero e Decodifica Lunga: Predefiniti, Costi e Quando Usare Ognuno
• La linea di budget in questo elenco di controllo, con il costo misurato per attività: Gemini 4 Argon Prezzi: Economico per Token, Non per Attività

Fonti

• Gemini 4 Argon: Progettato per risolvere i tuoi problemi più difficili (Google)
• Novità in Gemini 4 Argon (Google AI per Sviluppatori)
• Decodifica lunga (Google AI per Sviluppatori)
• Gemini 4 Argon: Google è tornato come uno dei primi tre laboratori in intelligenza raggiunta (Artificial Analysis)
• Gemini 4 Argon su AIHubMix (AIHubMix)