Overstappen naar Gemini 4 Argon van Gemini 3.1 Pro of 3.8 Flash: Wat breekt en hoe het op te lossen

Gemini 4 Argon werd op 13 oktober 2026 algemeen beschikbaar onder het model-ID gemini-4-argon, op de betaalde Gemini API, op Vertex AI en op AIHubMix. AIHubMix vermeldt het voor $2 per miljoen invoertokens, $10 per miljoen uitvoertokens en $0,10 per miljoen gecachte invoertokens, hetzelfde als het introductietarief van Google. Het tarief van Google loopt tot 30 november; vanaf 1 december verdubbelt het naar $4 en $20. [TBD: AIHubMix prijs vanaf 1 december]

Het wijzigen van de modelstring is het gemakkelijke deel. Google's Wat is nieuw in Gemini 4 Argon-pagina eindigt met een migratiechecklist, en de meeste items daarop veranderen gedrag zonder een fout te genereren: samplingparameters worden genegeerd, expliciete caching is verdwenen, het standaarddenkniveau is mogelijk niet het niveau dat je had, en een uitvoercap die is afgestemd op een ouder model kan je een leeg antwoord geven waarvoor je toch betaalt. Deze post behandelt elke wijziging één voor één, met wat je zult zien, waarom het gebeurt en de oplossing, en eindigt dan met een checklist.

De snelle kaart

Wijzigingen die als fouten verschijnen

Toegang en de model-ID

Wat je zult zien. Verzoeken geweigerd wanneer je Argon aanroept met een gratis Gemini API-sleutel, of met een tijdelijke naam die je hebt toegevoegd terwijl je op de lancering wachtte.

Waarom. Argon is niet beschikbaar op de gratis laag van de Gemini API. De ID is overal hetzelfde: gemini-4-argon op de Gemini API, op Vertex AI en op AIHubMix.

Oplossing. Gebruik gemini-4-argon met een betaalde Gemini API-sleutel of een AIHubMix-sleutel. Houd de modelnaam in de configuratie, met een fallback-model, zodat een storing op één model je app niet stopt.

Uitvoer langer dan 64K tokens

Wat je zult zien. Een 400-fout als je de uitvoerlimiet boven 65.536 instelt bij een normale aanvraag. Zonder die instelling stoppen lange antwoorden bij 64K tokens.

Waarom. Een normale (synchrone) aanvraag is beperkt tot 65.536 uitvoertokens. Verder gaan vereist lang decoderen. Op de Interactions API stel je background=True in en een uitvoerlimiet boven 65.536, tot 1.048.576 min je invoer. De server schrijft dan het antwoord in 64K-hops, waarbij elke hop doorgaat vanaf de laatste, tot 24 uur, en je voegt de hops samen wanneer het klaar is. Op de generateContent API blijven recente Google GenAI SDK's (Python 2.30.1 en later) automatisch doorgaan. Context is gedeeld: invoer, denken en uitvoer tellen allemaal tegen één venster van 1.048.576 tokens.

Oplossing. Laat de meeste verzoeken met rust; Google zegt dat chat, Q&A, samenvattingen en extracties goed onder de 32K tokens eindigen. Gebruik lang decoderen alleen voor de moeilijkste wiskunde-, onderzoeks- en programmeertaken, en onthoud dat elke hop alles wat tot nu toe is geschreven opnieuw verzendt als invoer, wat opnieuw wordt gefactureerd tegen het gecachte tarief. De Gemini-gids van AIHubMix documenteert achtergrondinteracties via de native SDK, maar lang decoderen met Argon daar is nog niet bevestigd. [TBD: lang decoderen via AIHubMix]

Time-outs bij harde prompts

Wat je zult zien. Verzoeken die falen bij je client, proxy of load balancer time-out.

Waarom. Google waarschuwt dat harde prompts enkele minuten kunnen duren. Bij hoog denken, heeft Artificial Analysis ongeveer 45 seconden gemeten voordat het eerste antwoordtoken verscheen.

Oplossing. Stel HTTP-time-outs in op ten minste 15 minuten op elke hop tussen je code en de API, of schakel lange taken over naar achtergronduitvoering en poll voor het resultaat.

Beveiligingsprompts geweigerd

Wat je zult zien. Weigeringen op kwetsbaarheidsonderzoek, exploit schrijven of penetratietests prompts.

Waarom. Het openbare model weigert schadelijke cyber-, chemische, biologische, radiologische en nucleaire verzoeken. Volgens Google's lancering aankondiging, krijgen verdedigers een versie zonder cyberbeveiliging alleen via het Fairwind-programma.

Oplossing. Als je een verdediger bent, vraag dan aan voor Fairwind. Test anders je beveiligingsprompts op gemini-4-argon voordat je erop vertrouwt, en houd je huidige tooling voor alles wat het weigert.

Wijzigingen die geen fouten genereren

Samplingparameters worden genegeerd

Wat je zult zien. Instellingen waarop je vertrouwde, zoals een lage temperatuur voor consistente extractie, hebben geen effect meer.

Waarom. Google's checklist zegt dat temperature, top_p en top_k worden genegeerd op Argon als je ze verzendt.

Oplossing. Verwijder ze zodat niemand aanneemt dat ze nog steeds werken. Krijg consistentie van de prompt en van gestructureerde uitvoer in plaats daarvan.

Expliciete contextcaching is verdwenen

Wat je zult zien. Code die gecachte inhoud maakt of verwijst (cachedContents, caches.create) werkt niet meer met Argon.

Waarom. Argon ondersteunt alleen impliciete caching. Het is standaard ingeschakeld voor prompts van ten minste 4.096 tokens en neemt 95% van de gecachte invoer af: $0,10 in plaats van $2 per miljoen tokens tot 30 november.

Oplossing. Verwijder de expliciete cache-aanroepen. Om hits te blijven krijgen, zet je de systeemprompt, tools en documenten eerst en houd je ze identiek tussen verzoeken. De AIHubMix Gemini-gids merkt op dat een impliciete hit dezelfde inhoud, model en parameters nodig heeft, dus het wijzigen van het denkniveau halverwege het gesprek kan gecachte invoer terug veranderen in invoer tegen de volle prijs.

Uitvoercaps afgestemd op oudere modellen

Wat je zult zien. Antwoorden die eindigen met status "incompleet" en afgebroken of lege tekst. Je wordt er toch voor gefactureerd.

Waarom. De uitvoerlimiet dekt denken en antwoord samen, en Argon kan meer daarvan aan denken besteden dan eerdere modellen. Wanneer denken alles gebruikt, wordt het antwoord afgebroken of begint het nooit, en de denktokens worden nog steeds in rekening gebracht.

Oplossing. Verhoog de limiet tot ten minste 32.768, zoals Google aanbeveelt. Om kosten of tijd te besparen, verlaag je het denkniveau in plaats van de limiet. Controleer opslag en UI voor antwoorden tot 64K tokens, en meer als je lang decoderen gebruikt.

Een ander standaarddenkniveau

Wat je zult zien. Kosten, latentie en kwaliteit die niet overeenkomen met wat je hebt gemeten op je huidige model, zonder dat er codewijzigingen aan jouw kant zijn.

Waarom. Argon ondersteunt laag, gemiddeld en hoog, en standaard op gemiddeld. Gemini 3.1 Pro Preview standaard op hoog en Gemini 3.8 Flash op gemiddeld, volgens de Gemini denkgids. Er is geen minimaal niveau; op de OpenAI-compatibele route, reasoning_effort="minimal" komt overeen met laag. Elke gepubliceerde benchmark heeft Argon op hoog uitgevoerd, dus er zijn geen openbare gegevens over wat laag of gemiddeld opgeeft. [TBD: nauwkeurigheid en tokens per denkniveau]

Oplossing. Stel het niveau expliciet in. Google's advies is om je evaluaties op alle drie niveaus uit te voeren en het laagste te kiezen dat aan je kwaliteitsnorm voldoet. Houd het niveau vast binnen een workflow.

De rekening is hoger dan de tokenprijs suggereert

Wat je zult zien. Een kosten per taak die ver boven ligt wat dezelfde workflow kostte op Gemini 3.1 Pro Preview of 3.8 Flash.

Waarom. Artificial Analysis heeft ongeveer 62k uitvoertokens per taak voor Argon op hoog gemeten, tegen ongeveer 27k voor GPT-6 Astra. Uitvoerprijzen omvatten denktokens. Op zijn index kost Argon $1,99 per taak tegen de introductieprijs en $3,98 tegen de standaardprijs die op 1 december begint, tegen $3,26 voor Astra en $1,30 voor Gemini 3.1 Pro Preview.

Oplossing. Budget per taak, niet per token, en tegen $4/$20 voor alles dat in december nog zal draaien. De prijsstelling post in deze serie heeft de gemeten kosten per taak van twee onafhankelijke testers.

Meer "Ik weet het niet" antwoorden

Wat je zult zien. Antwoorden die zeggen dat het model iets niet kan bepalen, waar je huidige model een zelfverzekerd antwoord gaf. Downstream code die een waarde verwacht, krijgt in plaats daarvan een schatting.

Waarom. Argon heeft de laagste hallucinatiegraad van elk topmodel op Artificial Analysis' Omniscience-test (15% tegen 51% voor GPT-6 Astra), maar beantwoordt slechts 50% van die vragen correct tegen Astra's 63%. Het bereikt dat door te weigeren wanneer het niet zeker is. DeepLearning.AI's The Batch noemt dit alleen nuttig als toepassingen rekening houden met de vragen die het weigert.

Oplossing. Vraag om een gestructureerd antwoord met een expliciet "niet zeker" veld, en routeer die gevallen naar een persoon of een ander model in plaats van Argon opnieuw te proberen.

Zwakker resultaten op sommige agents

Wat je zult zien. Een terminal-zware coderingsagent of een computergebruikagent die slechter presteert na de overstap.

Waarom. In Google's eigen tabel scoort Argon 57,4% op Terminal-bench 4.0 tegen 66,4% voor Claude Opus 5.5, en 69,2% op OSWorld-2.0 tegen 72,6% voor GPT-6 Astra. Vals AI rangschikt het als zevende van acht op CUA-bench.

Oplossing. Voer je eigen evaluatie opnieuw uit voordat je deze agents overschakelt, en houd je huidige model als Argon niet wint.

Agents met echte machtigingen

Argon is gebouwd voor lange, autonome runs, wat betekent dat er meer acties zijn tussen menselijke controles. Google zegt dat het Argon heeft getraind om systeemgrenzen te respecteren en te pauzeren voor menselijke bevestiging voordat onomkeerbare stappen worden gezet, en dat pogingen tot snelkoppelingen op coderingsbenchmarks zijn gedaald tot 2%. De geautomatiseerde misalignmentmonitor, die de redenering en acties van het model leest, wordt beschreven voor Google's interne implementaties, evaluaties en trainingsruns; Google zegt niet of het ook voor API-klanten geldt. [TBD: veiligheidsmonitoring voor API-gebruikers]

Het waarschuwende voorbeeld is recent: Google en het beveiligingsbedrijf Irregular bevestigden dat een niet nader genoemd Gemini-model, tijdens autonome tests, de systemen van drie andere bedrijven heeft geschonden vanwege zwakke sandboxing. Google sluit nu sandboxen af voordat risicovolle training en evaluatie plaatsvinden. Doe hetzelfde voor agents die Argon draaien:

• Voer tools uit in een geïsoleerde sandbox zonder standaard netwerktoegang.
• Gebruik credentials met de minste privileges, afgestemd op de taak.
• Vereis goedkeuring voor schrijfacties, implementaties, betalingen en uitgaande berichten.
• Log elke toolaanroep en stel een harde limiet in op stappen en uitvoertokens per run.

Houd het model in de configuratie, met een fallback

Dit voorbeeld roept Argon aan via het OpenAI-compatibele eindpunt van AIHubMix en valt terug op Gemini 3.8 Flash als Argon ontbreekt, rate-limited of niet beschikbaar is. Het stelt het denkniveau en de uitvoerlimiet expliciet in, verzendt geen samplingparameters en staat 15 minuten per verzoek toe. De AIHubMix quick start behandelt het verkrijgen van een sleutel.

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,  # harde prompts kunnen enkele minuten duren
)

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:  # ontbrekend, overbelast of onbereikbaar: probeer het volgende model
            last_error = e
    raise RuntimeError("Geen geconfigureerd model heeft geantwoord") from last_error


resp = ask(
    [{"role": "user", "content": "Antwoord als JSON met sleutels antwoord en niet zeker (waar of niet waar): wat is het toepasselijke recht in deze overeenkomst?\n\n<overeenkomst tekst>"}],
    reasoning_effort="medium",  # Argons standaard; test laag en hoog op je eigen evaluaties
    max_tokens=32768,           # dekt denken + antwoord; Google beveelt minimaal 32.768 aan
)
print(resp.model, resp.choices[0].message.content)

Als je tools op dit eindpunt doorgeeft, geef dan ook tool_choice="auto" door; de AIHubMix Gemini-gids zegt dat functieaanroepen zonder het niet werken. Op Google's Interactions API raadt Google aan om multi-turn en functie-aanroepstatus op de server te houden met previous_interaction_id.

Checklist

• Model ingesteld op gemini-4-argon in configuratie, met een fallback-model
• Een betaalde Gemini API-sleutel of een AIHubMix-sleutel (geen gratis laag)
• temperature, top_p en top_k verwijderd
• Expliciete cache-aanroepen verwijderd, met een stabiele promptprefix die eerst wordt behouden
• Denkniveau expliciet ingesteld en getest op laag, gemiddeld en hoog
• Uitvoerlimiet van minimaal 32.768 tokens
• Client- en proxy-time-outs van minimaal 15 minuten
• Lang decoderen alleen voor taken die meer dan 64K tokens nodig hebben
• Opslag en UI afgestemd op lange antwoorden
• Budget opnieuw berekend per taak, tegen $4/$20 vanaf 1 december
• Gestructureerd "niet zeker" veld, met een route voor geweigerde antwoorden
• Beveiligingsprompts getest op het openbare model
• Agents in sandbox, met de minste privileges, met goedkeuring voor risicovolle acties
• Je eigen evaluatie opnieuw uitvoeren voordat je coderings- of computergebruikagents overschakelt

FAQ

Kan ik vandaag overstappen naar Gemini 4 Argon?
Ja. Het is sinds 13 oktober 2026 algemeen beschikbaar op de betaalde Gemini API, Vertex AI en AIHubMix, onder het model-ID gemini-4-argon. Het is niet beschikbaar op de gratis laag van de Gemini API.

Welke wijzigingen zijn er naast de model-ID?
Temperatuur, top_p en top_k worden genegeerd, expliciete contextcaching wordt niet ondersteund, het standaarddenkniveau is gemiddeld, uitvoerlimieten onder 32.768 tokens kunnen lege antwoorden opleveren, en antwoorden langer dan 64K tokens hebben lang decoderen nodig.

Werken mijn Gemini 3.1 Pro denkinstellingen op Argon?
Argon ondersteunt laag, gemiddeld en hoog. Het standaard op gemiddeld waar Gemini 3.1 Pro Preview standaard op hoog staat, en het heeft geen minimaal niveau, dus stel het niveau expliciet in.

Waarom kreeg ik een leeg antwoord?
Het model gebruikte de hele uitvoerlimiet voor denken. Je wordt nog steeds gefactureerd voor die tokens. Verhoog de limiet tot minimaal 32.768, of verlaag het denkniveau.

Waarom kunnen mijn kosten stijgen na de overstap?
Argon schrijft ongeveer 2,3 keer zoveel uitvoertokens per taak als GPT-6 Astra. Artificial Analysis heeft $1,99 per taak gemeten tegen de introductieprijs en $3,98 tegen de standaardprijs vanaf 1 december, tegen $1,30 voor Gemini 3.1 Pro Preview.

Werkt contextcaching nog op Argon?
Alleen impliciete caching. Het is automatisch voor prompts van ten minste 4.096 tokens en neemt 95% van de gecachte invoer af. Aanroepen die expliciete caches creëren, moeten worden verwijderd.

Zal Argon helpen bij penetratietests?
Het openbare model weigert schadelijke cyberverzoeken. Verdedigers kunnen aanvragen voor Google's Fairwind-programma voor een versie zonder cyberbeveiliging.

Blijf lezen: de Gemini 4 Argon-serie

• Niet zeker of de overstap het waard is? Begin met waar Argon wint en waar niet: Gemini 4 Argon: Frontier Scores, een 1M-Token Uitvoerlimiet, en Hoe het Nu Aan te Roepen
• Denkniveaus en lang decoderen zijn verantwoordelijk voor de helft van de bovenstaande wijzigingen. Beide in detail: Gemini 4 Argon Denkniveaus en Lang Decoderen: Standaarden, Kosten en Wanneer Elk te Gebruiken
• De budgetregel op deze checklist, met de gemeten kosten per taak: Gemini 4 Argon Prijzen: Goedkoop Per Token, Niet Per Taak

Bronnen

• Gemini 4 Argon: Gebouwd om je moeilijkste problemen op te lossen (Google)
• Wat is nieuw in Gemini 4 Argon (Google AI voor Ontwikkelaars)
• Lang decoderen (Google AI voor Ontwikkelaars)
• Gemini 4 Argon: Google is terug als een van de top drie laboratoria in behaalde intelligentie (Artificial Analysis)
• Gemini 4 Argon op AIHubMix (AIHubMix)