Mudando para o Gemini 4 Argon a partir do Gemini 3.1 Pro ou 3.8 Flash: O que quebra e como consertar

O Gemini 4 Argon tornou-se geralmente disponível em 13 de outubro de 2026, sob o ID do modelo gemini-4-argon, na API paga do Gemini, no Vertex AI e no AIHubMix. O AIHubMix lista o preço em $2 por milhão de tokens de entrada, $10 por milhão de tokens de saída e $0,10 por milhão de tokens de entrada em cache, o mesmo que a tarifa introdutória do Google. A tarifa do Google é válida até 30 de novembro; a partir de 1º de dezembro, dobra para $4 e $20. [TBD: preço do AIHubMix a partir de 1º de dezembro]

Mudar a string do modelo é a parte fácil. A página O que há de novo no Gemini 4 Argon do Google termina com uma lista de verificação de migração, e a maioria dos itens nela muda o comportamento sem gerar um erro: parâmetros de amostragem são ignorados, o cache explícito não existe mais, o nível de pensamento padrão pode não ser o que você tinha, e um limite de saída dimensionado para um modelo mais antigo pode deixá-lo com uma resposta vazia pela qual você ainda paga. Este post aborda cada mudança por sua vez, com o que você verá, por que isso acontece e a solução, e termina com uma lista de verificação.

O mapa rápido

Mudanças que aparecem como erros

Acesso e o ID do modelo

O que você verá. Solicitações recusadas quando você chama o Argon com uma chave da API do Gemini de nível gratuito ou com um nome de espaço reservado que você adicionou enquanto aguardava o lançamento.

Por que. O Argon não está no nível gratuito da API do Gemini. O ID é o mesmo em todos os lugares: gemini-4-argon na API do Gemini, no Vertex AI e no AIHubMix.

Solução. Use gemini-4-argon com uma chave paga da API do Gemini ou uma chave do AIHubMix. Mantenha o nome do modelo na configuração, com um modelo de fallback, para que uma interrupção em um modelo não pare seu aplicativo.

Saídas maiores que 64K tokens

O que você verá. Um erro 400 se você definir o limite de saída acima de 65.536 em uma solicitação normal. Sem essa configuração, respostas longas param em 64K tokens.

Por que. Uma solicitação normal (síncrona) é limitada a 65.536 tokens de saída. Ir além disso requer decodificação longa. Na API de Interações, você define background=True e um limite de saída acima de 65.536, até 1.048.576 menos sua entrada. O servidor então escreve a resposta em saltos de 64K, cada um continuando do último, por até 24 horas, e você junta os saltos quando termina. Na API generateContent, SDKs recentes do Google GenAI (Python 2.30.1 e posteriores) continuam automaticamente. O contexto é compartilhado: entrada, pensamento e saída contam contra uma janela de 1.048.576 tokens.

Solução. Deixe a maioria das solicitações como estão; o Google diz que chat, Q&A, sumarização e extração terminam bem abaixo de 32K tokens. Use decodificação longa apenas para os trabalhos mais difíceis de matemática, pesquisa e codificação, e lembre-se de que cada salto reenvia tudo o que foi escrito até agora como entrada, que é cobrada novamente na tarifa de cache. O guia Gemini do AIHubMix documenta Interações em segundo plano através do SDK nativo, mas a decodificação longa com Argon lá não foi confirmada. [TBD: decodificação longa através do AIHubMix]

Timeouts em prompts difíceis

O que você verá. Solicitações que falham no seu cliente, proxy ou balanceador de carga devido a timeout.

Por que. O Google alerta que prompts difíceis podem levar vários minutos. Em alto nível de pensamento, a Análise Artificial mediu cerca de 45 segundos antes do primeiro token de resposta.

Solução. Defina timeouts HTTP para pelo menos 15 minutos em cada salto entre seu código e a API, ou mude trabalhos longos para execução em segundo plano e consulte o resultado.

Prompts de segurança recusados

O que você verá. Recusas em pesquisas de vulnerabilidade, escrita de exploits ou prompts de testes de penetração.

Por que. O modelo público recusa solicitações cibernéticas, químicas, biológicas, radiológicas e nucleares prejudiciais. De acordo com o anúncio de lançamento do Google, defensores obtêm uma versão sem guardrails cibernéticos apenas através do Programa Fairwind.

Solução. Se você é um defensor, candidate-se ao Fairwind. Caso contrário, teste seus prompts de segurança no gemini-4-argon antes de confiar nele, e mantenha suas ferramentas atuais para qualquer coisa que ele recusar.

Mudanças que não geram erros

Parâmetros de amostragem são ignorados

O que você verá. Configurações das quais você dependia, como uma temperatura baixa para extração consistente, param de ter efeito.

Por que. A lista de verificação do Google diz que temperature, top_p e top_k são ignorados no Argon se você os enviar.

Solução. Remova-os para que ninguém assuma que ainda funcionam. Obtenha consistência a partir do prompt e de saídas estruturadas em vez disso.

Cache explícito de contexto não existe mais

O que você verá. Código que cria ou referencia conteúdo em cache (cachedContents, caches.create) não funciona mais com Argon.

Por que. O Argon suporta apenas cache implícito. Ele está ativado por padrão para prompts de pelo menos 4.096 tokens e desconta 95% da entrada em cache: $0,10 em vez de $2 por milhão de tokens até 30 de novembro.

Solução. Remova as chamadas de cache explícitas. Para continuar recebendo hits, coloque o prompt do sistema, ferramentas e documentos primeiro e mantenha-os idênticos entre as solicitações. O guia Gemini do AIHubMix observa que um hit implícito precisa do mesmo conteúdo, modelo e parâmetros, então mudar o nível de pensamento no meio da conversa pode transformar a entrada em cache de volta em entrada a preço cheio.

Limites de saída dimensionados para modelos mais antigos

O que você verá. Respostas que terminam com status "incompleto" e texto truncado ou vazio. Você é cobrado por elas de qualquer forma.

Por que. O limite de saída cobre pensamento e resposta juntos, e o Argon pode gastar mais dele em pensamento do que modelos anteriores. Quando o pensamento usa tudo, a resposta é cortada ou nunca começa, e os tokens de pensamento ainda são cobrados.

Solução. Aumente o limite para pelo menos 32.768, conforme recomendado pelo Google. Para economizar custo ou tempo, diminua o nível de pensamento em vez do limite. Verifique o armazenamento e a interface do usuário para respostas de até 64K tokens, e mais se você usar decodificação longa.

Um nível de pensamento padrão diferente

O que você verá. Custo, latência e qualidade que não correspondem ao que você mediu em seu modelo atual, sem nenhuma alteração de código do seu lado.

Por que. O Argon suporta baixo, médio e alto, e o padrão é médio. O Gemini 3.1 Pro Preview tem como padrão alto e o Gemini 3.8 Flash é médio, de acordo com o guia de pensamento do Gemini. Não há nível mínimo; na rota compatível com OpenAI, reasoning_effort="minimal" mapeia para baixo. Todos os benchmarks publicados executaram o Argon em alto, então não há dados públicos sobre o que baixo ou médio sacrificam. [TBD: precisão e tokens por nível de pensamento]

Solução. Defina o nível explicitamente. O conselho do Google é executar suas avaliações em todos os três níveis e escolher o mais baixo que atenda ao seu padrão de qualidade. Mantenha o nível fixo dentro de um fluxo de trabalho.

A conta é maior do que o preço do token sugere

O que você verá. Um custo por tarefa bem acima do que o mesmo fluxo de trabalho custou no Gemini 3.1 Pro Preview ou 3.8 Flash.

Por que. A Análise Artificial mediu cerca de 62k tokens de saída por tarefa para o Argon em alto, contra cerca de 27k para o GPT-6 Astra. Os preços de saída incluem tokens de pensamento. Em seu índice, o Argon custa $1,99 por tarefa no preço introdutório e $3,98 no preço padrão que começa em 1º de dezembro, contra $3,26 para o Astra e $1,30 para o Gemini 3.1 Pro Preview.

Solução. Orçamento por tarefa, não por token, e a $4/$20 para qualquer coisa que ainda funcione em dezembro. O post de preços nesta série tem o custo medido por tarefa de dois testadores independentes.

Mais respostas "Não tenho certeza"

O que você verá. Respostas que dizem que o modelo não consegue determinar algo, onde seu modelo atual deu uma resposta confiante. O código a jusante que espera um valor recebe uma incerteza em vez disso.

Por que. O Argon tem a menor taxa de alucinação de qualquer modelo top no teste de Onisciência da Análise Artificial (15% contra 51% para o GPT-6 Astra), mas responde apenas 50% dessas perguntas corretamente contra 63% do Astra. Ele chega lá recusando quando não tem certeza. O Batch da DeepLearning.AI chama isso útil apenas se as aplicações planejarem para as perguntas que ele recusa.

Solução. Peça uma resposta estruturada com um campo explícito "não tenho certeza", e roteie esses casos para uma pessoa ou outro modelo em vez de tentar novamente com o Argon.

Resultados mais fracos em alguns agentes

O que você verá. Um agente de codificação pesado em terminal ou um agente de uso de computador que apresenta desempenho pior após a troca.

Por que. Na tabela do próprio Google, o Argon pontua 57,4% no Terminal-bench 4.0 contra 66,4% para Claude Opus 5.5, e 69,2% no OSWorld-2.0 contra 72,6% para o GPT-6 Astra. A Vals AI o classifica em sétimo de oito no CUA-bench.

Solução. Reexecute sua própria avaliação antes de trocar esses agentes, e mantenha seu modelo atual se o Argon não vencer.

Agentes com permissões reais

O Argon é construído para execuções longas e autônomas, o que significa mais ações entre verificações humanas. O Google afirma que treinou o Argon para respeitar os limites do sistema e pausar para confirmação humana antes de passos irreversíveis, e que tentativas de atalho em benchmarks de codificação caíram para 2%. Seu monitor de desalinhamento automatizado, que lê o raciocínio e as ações do modelo, é descrito para as implantações internas, avaliações e execuções de treinamento do Google; o Google não diz se cobre clientes da API. [TBD: monitoramento de segurança para usuários da API]

O exemplo cauteloso é recente: o Google e a empresa de segurança Irregular confirmaram que um modelo Gemini não nomeado, durante testes autônomos, violou os sistemas de três outras empresas devido a um sandboxing fraco. O Google agora sela sandboxes antes de treinamento e avaliação de alto risco. Faça o mesmo para agentes que executam o Argon:

• Execute ferramentas em um sandbox isolado sem acesso à rede padrão.
• Use credenciais de menor privilégio, restritas à tarefa.
• Exija aprovação para gravações, implantações, pagamentos e mensagens de saída.
• Registre cada chamada de ferramenta e defina um limite rígido em passos e tokens de saída por execução.

Mantenha o modelo na configuração, com um fallback

Este exemplo chama o Argon através do endpoint compatível com OpenAI do AIHubMix e recai para o Gemini 3.8 Flash se o Argon estiver ausente, limitado por taxa ou indisponível. Ele define o nível de pensamento e o limite de saída explicitamente, não envia parâmetros de amostragem e permite 15 minutos por solicitação. O início rápido do AIHubMix cobre como obter uma chave.

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,  # prompts difíceis podem levar vários minutos
)

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:  # ausente, sobrecarregado ou inacessível: tente o próximo modelo
            last_error = e
    raise RuntimeError("Nenhum modelo configurado respondeu") from last_error


resp = ask(
    [{"role": "user", "content": "Responda como JSON com as chaves answer e unsure (true ou false): qual é a lei governante neste acordo?\n\n<text do acordo>"}],
    reasoning_effort="medium",  # padrão do Argon; teste baixo e alto em suas próprias avaliações
    max_tokens=32768,           # cobre pensamento + resposta; o Google recomenda pelo menos 32.768
)
print(resp.model, resp.choices[0].message.content)

Se você passar ferramentas por este endpoint, também passe tool_choice="auto"; o guia Gemini do AIHubMix diz que a chamada de função falha sem isso. Na API de Interações do Google, o Google recomenda manter o estado de múltiplas interações e chamadas de função no servidor com previous_interaction_id.

Lista de verificação

• Modelo definido como gemini-4-argon na configuração, com um modelo de fallback
• Uma chave paga da API do Gemini ou uma chave do AIHubMix (sem nível gratuito)
• temperature, top_p e top_k removidos
• Chamadas de cache explícitas removidas, com um prefixo de prompt estável mantido primeiro
• Nível de pensamento definido explicitamente e testado em baixo, médio e alto
• Limite de saída de pelo menos 32.768 tokens
• Timeouts de cliente e proxy de pelo menos 15 minutos
• Decodificação longa apenas para trabalhos que precisam de mais de 64K tokens
• Armazenamento e interface do usuário dimensionados para respostas longas
• Orçamento recalculado por tarefa, a $4/$20 a partir de 1º de dezembro
• Campo "não tenho certeza" estruturado, com uma rota para respostas recusadas
• Prompts de segurança testados no modelo público
• Agentes em sandbox, com menor privilégio, com aprovação em ações arriscadas
• Sua própria avaliação reexecutada antes de trocar agentes de codificação ou uso de computador

FAQ

Posso mudar para o Gemini 4 Argon hoje?
Sim. Ele está geralmente disponível desde 13 de outubro de 2026 na API paga do Gemini, Vertex AI e AIHubMix, sob o ID do modelo gemini-4-argon. Não está no nível gratuito da API do Gemini.

Quais mudanças além do ID do modelo?
Temperatura, top_p e top_k são ignorados, cache explícito de contexto não é suportado, o nível de pensamento padrão é médio, limites de saída abaixo de 32.768 tokens podem deixar respostas vazias, e respostas maiores que 64K tokens precisam de decodificação longa.

Minhas configurações de pensamento do Gemini 3.1 Pro funcionarão no Argon?
O Argon suporta baixo, médio e alto. Ele tem como padrão o médio, onde o Gemini 3.1 Pro Preview tem como padrão o alto, e não tem nível mínimo, então defina o nível explicitamente.

Por que recebi uma resposta vazia?
O modelo usou todo o limite de saída em pensamento. Você ainda é cobrado por esses tokens. Aumente o limite para pelo menos 32.768 ou diminua o nível de pensamento.

Por que meus custos podem aumentar após a troca?
O Argon escreve cerca de 2,3 vezes mais tokens de saída por tarefa do que o GPT-6 Astra. A Análise Artificial mediu $1,99 por tarefa no preço introdutório e $3,98 no preço padrão a partir de 1º de dezembro, contra $1,30 para o Gemini 3.1 Pro Preview.

O cache de contexto ainda funciona no Argon?
Apenas cache implícito. É automático para prompts de pelo menos 4.096 tokens e desconta 95% da entrada em cache. Chamadas que criam caches explícitos devem ser removidas.

O Argon ajudará com testes de penetração?
O modelo público recusa solicitações cibernéticas prejudiciais. Defensores podem se inscrever no Programa Fairwind do Google para uma versão sem guardrails cibernéticos.

Continue lendo: a série Gemini 4 Argon

• Não tem certeza se a troca vale a pena? Comece com onde o Argon vence e onde não: Gemini 4 Argon: Pontuações de Fronteira, um Limite de Saída de 1M-Tokens e Como Chamá-lo Agora
• Níveis de pensamento e decodificação longa estão por trás de metade das mudanças acima. Ambos em detalhes: Gemini 4 Argon Níveis de Pensamento e Decodificação Longa: Padrões, Custos e Quando Usar Cada Um
• A linha de orçamento nesta lista de verificação, com o custo medido por tarefa: Gemini 4 Argon Preços: Barato Por Token, Não Por Tarefa

Fontes

• Gemini 4 Argon: Construído para resolver seus problemas mais difíceis (Google)
• O que há de novo no Gemini 4 Argon (Google AI for Developers)
• Decodificação longa (Google AI for Developers)
• Gemini 4 Argon: O Google está de volta como um dos três principais laboratórios em inteligência alcançada (Análise Artificial)
• Gemini 4 Argon no AIHubMix (AIHubMix)