Gemini 4 Argon Düşünme Seviyeleri ve Uzun Çözümleme: Varsayılanlar, Maliyetler ve Her Birinin Ne Zaman Kullanılacağı

Gemini 4 Argon, 13 Ekim 2026'da genel kullanıma sunuldu ve bununla birlikte Google, bir Argon isteğinin maliyetini ve ne kadar sürdüğünü belirleyen iki ayarı belgeledi: düşünme seviyesi ve çıktı limiti. Argon, düşük, orta ve yüksek olmak üzere üç düşünme seviyesi sunar ve varsayılan olarak orta seviyeyi kullanır. Yanıtlar, uzun çözümleme açılmadığı sürece 64K token ile durur; uzun çözümleme açıldığında ise tek bir yanıt 1M token'a kadar uzanabilir.

Varsayılanlarda bir tuzak var. Yayınlanan her Argon kıyaslaması yüksek seviyede çalıştı: Google bunu "en yüksek düşünme ayarlarıyla" değerlendirdi, Artificial Analysis yüksek seviyede test etti ve Vals AI de yüksek seviyede çalıştırdı. Bir seviye ayarlanmayan bir istek orta seviyede çalışır, bu nedenle bu puanların tanımladığı yapılandırma değildir.

Bu yazı, üç seviyeyi ve her biri için Google'ın tavsiyesini, yüksek seviyenin token ve zaman açısından maliyetini, yanıtların boş dönmemesi için çıktı limitinin nasıl ayarlanacağını ve uzun çözümlemenin nasıl çalıştığını ve faturalandırıldığını kapsar. AIHubMix için kod ile sona erer.

Kısa versiyon

• Argon'un üç düşünme seviyesi vardır: düşük, orta (varsayılan) ve yüksek. Düşünme kapatılamaz.
• Yayınlanan her kıyaslama yüksek seviyede kullanıldı. Orta veya düşük seviyede sonuç yayınlayan kimse yok.
• max_output_tokens düşünme ve yanıtı birlikte sınırlar. Bunu en az 32,768 olarak ayarlayın, aksi takdirde zor bir istem tüm bütçeyi düşünmeye harcayabilir ve hiçbir şey döndüremez.
• Uzun çözümleme olmadan, bir yanıt 65,536 token ile durur. Uzun çözümleme ile, bir yanıt 1,048,576 token'a kadar gidebilir, girişiniz çıkarıldığında.
• Uzun çözümleme, her 64K "atlama" için her token'ı faturalandırır ve her atlama, şimdiye kadar yazılan her şeyi giriş olarak yeniden okur, bu da örtük önbellekleme ile %95 indirimli olur.

Üç seviye

Google'ın Gemini 4 Argon'daki yenilikler kılavuzu seviyeleri şöyle tanımlar:

Google, düşük seviyede "kalite zor görevlerde düşebilir" diye uyarıyor ve seçim için tavsiyesi doğrudan: "Tüm üç seviyede değerlendirmelerinizi yapın, ardından kalite standartlarınıza uyan en düşük seviyeyi seçin."

Yerel API'de ayar thinking_level'dir, Gemini düşünme kılavuzunda belgelenmiştir. OpenAI uyumlu bir uç noktadan reasoning_effort'dir. Google'ın OpenAI uyumluluk kılavuzu Argon için değerleri eşleştirir: minimal ve düşük her ikisi de düşük olur, orta orta kalır, yüksek yüksek kalır ve dışarıda bırakıldığında varsayılan, orta olur. Düşünmeyi kapatan bir seviye yoktur.

Varsayılan orta. Kıyaslamalar yüksek.

Google, Artificial Analysis ve Vals, Argon'un yüksek seviyede olduğunu bildiriyor. Vals ayrıca 262,144 token'lık bir çıktı sınırı belirledi. Gördüğünüz puanlar Argon'un en yüksek seviyesini tanımlıyor ve seviye ayarlanmayan bir istek bir adım daha düşük çalışıyor.

Bu mutlaka bir sorun değil. Orta, Google'ın çoğu iş için önerdiği seviyedir, karmaşık kod ve ajanlar dahil ve yüksek seviyeden daha az token kullanır. Ancak kimse orta veya düşük seviyenin ne kadar doğruluk kaybettiğini veya ne kadar token tasarrufu sağladığını yayınlamadı. [TBD: düşünme seviyesine göre doğruluk ve token]

Karşılaştırmalar için bir detay daha önemlidir. GPT-6 Astra ve GPT-6.1 Sol "maks" seviyesinde test edildi, bu yüksek seviyenin üzerindedir. "Argon (yüksek)" ve "Astra (maks)" arasındaki bir eşitlik, her modelin tavanında olduğunu, eşleşen ayarlarda olmadığını gösterir.

Yüksek maliyetler

Buradaki rakamlar Artificial Analysis'dan gelmektedir, ayrıca sağlayıcı hız testleri dahil ve Vals AI'dan. Hepsi Argon'u yüksek seviyede çalıştırdı.

Düşünme token'ları çıktı olarak faturalandırılır: Google, Argon'un çıktı fiyatını "düşünme token'ları dahil" olarak listeler ve kullanım verileri bunları total_thought_tokens olarak raporlar. Görev başına ~62k çıktı token'ı ile, bir görev yalnızca çıktıda yaklaşık $0.62 maliyetlidir, Google'ın tanıtım fiyatı olan milyon başına $10'da ve $20'da ise yaklaşık $1.24'tür, bu da 1 Aralık'tan itibaren geçerli olan fiyatıdır.

Zaman token'ları takip eder. 99.5 ile 116.5 token/s hızında, 62k token üretmek yaklaşık 9 ila 10 dakika sürer, ilk yanıt token'ı için yaklaşık 45 saniyelik bir beklemenin ardından. Etkileşimli ürünler, yüksek seviyede akış ve bir ilerleme göstergesine ihtiyaç duyar veya daha düşük bir seviyede çalışmalıdır.

Çıktı limitini ayarlama

max_output_tokens düşünme ve yanıt için katı bir sınırdır. Bir yanıt bu sınıra ulaştığında, durum "tamamlanmamış" olur ve metin kesilmiş veya boş döner ve düşünme token'ları hala faturalandırılır. Google'ın rehberi:

• Uygulamanız 32K'nın altında bir sınır belirliyorsa, bunu en az 32,768'e yükseltin. Argon, önceki modellere göre düşünmeye daha fazla bütçe harcayabilir.
• Daha az harcamak için, küçük bir sınır belirlemek yerine düşünme seviyesini düşürün.
• Uzun çözümleme olmadan, varsayılan ve maksimum 65,536 token'dır. Uzun çözümleme olmadan daha fazlasını istemek 400 hatası döner.
• Giriş, düşünme ve çıktı bir 1,048,576 token penceresini paylaşır. Eğer girişiniz ile max_output_tokens toplamı bunu aşarsa, çıktı limiti sığacak şekilde küçülür.

Gemini 3'ten iki değişiklik daha var. Sıcaklık, top_p ve top_k Argon'da dikkate alınmaz, bu nedenle bunları ayarlamak işe yaramaz. Ve katı istemler birkaç dakika sürebilir, bu nedenle Google, en az 15 dakikalık HTTP istemci zaman aşımı önerir.

Uzun çözümleme: 64K token'ı aşan yanıtlar

Uzun çözümleme, Google'ın lansmanda duyurduğu Uzun Çözümleme Devamı'dır. uzun çözümleme kılavuzu bunu çalıştırmanın iki yolunu tanımlar.

Arka plan yürütmesi (Etkileşimler API'si). Etkileşimi background=True ve max_output_tokens 65,536'nın üzerinde olacak şekilde oluşturun. Arka plan yürütmesi store=true gerektirir. Sunucu, yanıtı 64K token'a kadar atlamalar halinde yazar, her biri bir öncekinden devam eder, en fazla 24 saat boyunca. Her atlama bir model_output adımı ekler, bu nedenle etkileşim tamamlandığında bunları birleştirin. background=True ayarlayıp max_output_tokens artırmazsanız, 64K'da durur.

İstemci tarafı devamı (generateContent API'si). Her atlama, akışta veya SDK aracılığıyla 64K token'a kadar döner, akış dışı bir REST çağrısı için 32K. Sınırına ulaşan bir atlama finish_reason: CONTINUATION ve bir continuation_token ile sona erer ve bir sonraki istek aynı girişi artı token'ı gönderir. Son SDK'lar bunu sizin için yapar: Python google-genai 2.30.1 ve JavaScript @google/genai 2.29.1 veya daha yenisi. Her isteğin 20 dakikalık bir sınırı vardır.

Uzun çözümleme akışı sırasında, etkileşim kimliğini ve en son event_id'yi kaydedin, akış düştüğünde last_event_id ile yeniden bağlanın ve 15 ila 20 dakikalık okuma zaman aşımı ayarlayın. İlk 64K token'dan sonra, akış yaklaşık 5,000 token'lık parçalar halinde gelir ve aralarında duraklamalar olur.

Google, bunun ne zaman değerli olduğunu açıkça belirtir:

Daha yüksek bir limit, modele düşünme için alan tanır; normal yanıtları daha uzun yapmaz. Model, ne kadar yazacağına karar verir ve kelime veya token hedeflerini takip etmez.

Uzun çözümlemenin nasıl faturalandırıldığı

Her atlamada her token için ödeme yaparsınız, yalnızca düşünme içeren atlamalar dahil. Her atlama, isteminizi ve şimdiye kadar üretilen her şeyi modelin girişi olarak yeniden gönderir, bu nedenle bu token'lar tekrar sayılır. Google'ın örneği: 1,000 token'lık bir istem, 200,000 token düşünme ve çıktı ürettiğinde dört atlama alır.

Kullanım verileri yaklaşık 397,000 giriş token'ı rapor eder, oysa bağlam yalnızca yaklaşık 201,000 tutar. Örtük önbellekleme, tekrar eden girişi %95 indirimli yapar, bu nedenle ucuzdur: tanıtım fiyatlarında, 200,000 çıktı token'ı $2.00 maliyetindedir ve yaklaşık 396,000 tekrar eden giriş token'ı $0.10 milyon başına ek olarak yaklaşık $0.04 ekler. Çıktı hala faturayı domine eder.

İki yan etki. Bir konuşmayı ne zaman kesmek veya özetlemek için total_input_tokens'ı kullanmayın, çünkü bu bağlamı abartır; bunun yerine çıktı ve düşünme toplamlarına istem boyutunuzu ekleyin. Ve iptal edilen veya başarısız olan etkileşimler, durdukları zamana kadar yapılan tüm çalışmaları faturalandırır.

İş yüküne göre nereden başlamalı

Bunlar Google'ın seviye rehberliğini takip eder; onları ince ayar yapmak için yayınlanmış bir seviye doğruluğu yoktur.

Sonra bir seviye daha düşükte test edin. Eğer daha ucuz seviye kendi değerlendirme setinizde standartlarınıza uyuyorsa, onu kullanın.

Seviyeyi bir oturum içinde sabit tutun. Argon örtük olarak önbellek yapar, tekrar eden girişi en az 4,096 token için %95 indirimli yapar ve AIHubMix Gemini kılavuzu, bir önbellek vuruşunun aynı içerik, model ve parametreleri gerektirdiğini belirtir. Dönüşler arasında seviyeleri değiştirmek, önbelleğe alınmış girişi tam fiyatlı girdi haline getirebilir.

AIHubMix'te seviye ve limit ayarlama

Argon, AIHubMix'te gemini-4-argon olarak, OpenAI uyumlu uç noktada ve yerel Google GenAI SDK'sı aracılığıyla mevcuttur. Çoğu istek için, seviye ve limiti açıkça ayarlayın:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
    timeout=900,  # katı istemler birkaç dakika sürebilir
)

resp = client.chat.completions.create(
    model="gemini-4-argon",
    reasoning_effort="medium",  # Argon'un varsayılanı; kıyaslamalar "yüksek" kullandı
    max_tokens=32768,           # düşünme ve yanıtı birlikte sınırlar
    messages=[
        {"role": "user", "content": "Bu ödeme hizmetini yeniden gözden geçirin, yeniden deneme mantığında yarış koşulları için.\n\n<source code>"},
    ],
)
print(resp.choices[0].message.content)
print(resp.usage)

Uzun çözümleme için, AIHubMix'in Gemini uç noktasına işaret eden yerel SDK'yı kullanın. AIHubMix'in kılavuzu, arka plan modunu içeren Etkileşimler API'sini belgeler, google-genai 2.0.0 veya daha yenisi ile. Aşağıdaki desen, Google'ın belgelenmiş desenidir; henüz AIHubMix üzerinden test edilmemiştir. [TBD: AIHubMix üzerinden uzun çözümleme]

import os
import time
from google import genai

client = genai.Client(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    http_options={"base_url": "https://aihubmix.com/gemini"},
)

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Bu ödeme modülü için her kenar durumu için bir test ile tam test setini yazın.\n\n<source code>",
    background=True,
    generation_config={"max_output_tokens": 262144, "thinking_level": "high"},
)
while interaction.status in ("in_progress", "queued"):
    time.sleep(5)
    interaction = client.interactions.get(id=interaction.id)

# Her atlama bir model_output adımı ekler; hepsini birleştirin.
text = "".join(
    part.text
    for step in interaction.steps
    if step.type == "model_output"
    for part in step.content
    if part.type == "text"
)
print(interaction.status, interaction.usage)

Argon'un AIHubMix model sayfası, desteklenen girişlerini, yeteneklerini ve mevcut fiyatını listeler.

SSS

Gemini 4 Argon hangi düşünme seviyelerini destekliyor?
Düşük, orta ve yüksek. Varsayılan orta seviyedir ve düşünme kapatılamaz.

Argon'un kıyaslamaları hangi seviyede yapıldı?
Yüksek. Google, Artificial Analysis ve Vals AI, Argon'un yüksek seviyede olduğunu bildiriyor ve kimse orta veya düşük seviyede sonuç yayınlamadı.

OpenAI SDK aracılığıyla seviye nasıl ayarlanır?
reasoning_effort kullanın. Argon için minimal ve düşük düşük seviyeye, orta orta seviyeye ve yüksek yüksek seviyeye eşlenir. Bunu dışarıda bırakırsanız, orta alırsınız.

Argon neden boş bir yanıt döndürdü?
Muhtemelen tüm max_output_tokens bütçesini düşünmeye harcadı. Yanıt tamamlanmamış gelir ve düşünme token'ları hala faturalandırılır. Sınırı en az 32,768'e yükseltin veya düşünme seviyesini düşürün.

64K'dan fazla çıktı token'ı nasıl alabilirim?
Uzun çözümleme kullanın. Etkileşimler API'sinde, arka planı true olarak ayarlayın ve max_output_tokens'u 65,536'nın üzerine çıkarın. generateContent'te, otomatik olarak atlamalar arasında devam eden son bir SDK kullanın.

Uzun çözümleme nasıl faturalandırılır?
Her atlamada her token için ödeme yaparsınız. Her atlama, istemi ve şimdiye kadar üretilen her şeyi yeniden gönderir ve örtük önbellekleme, tekrar eden girişi %95 indirimli yapar. İptal edilen veya başarısız olan çalışmalarda, durmadan önce yapılan tüm işler faturalandırılır.

Sıcaklık, Gemini 4 Argon'da hala çalışıyor mu?
Hayır. Sıcaklık, top_p ve top_k dikkate alınmaz, bu nedenle bunları kaldırın ve davranışı kontrol etmek için düşünme seviyesini kullanın.

Devam edin: Gemini 4 Argon serisi

• Ayarları ayarlamadan önce, Argon'un iş yükünüz için doğru model olup olmadığını kontrol edin: Gemini 4 Argon: Sınır Puanları, 1M Token Çıktı Limiti ve Şimdi Nasıl Çağrılır
• Yüksek düşünme, Argon'un görevlerini pahalı hale getiren şeydir. İki bağımsız testten alınan görev başına ölçülen maliyet: Gemini 4 Argon Fiyatlandırması: Token Başına Ucuz, Görev Başına Değil
• Düşünme varsayılanı, çıktı limiti ve dikkate alınmayan örnekleme parametreleri, geçiş kontrol listesindeki üç değişikliktir: Gemini 3.1 Pro veya 3.8 Flash'tan Gemini 4 Argon'a Geçiş: Ne Bozulur ve Nasıl Düzeltirsiniz

Kaynaklar

• Gemini 4 Argon'daki yenilikler (Google AI for Developers)
• Gemini düşünme (Google AI for Developers)
• Uzun çözümleme (Google AI for Developers)
• Gemini 4 Argon: Google, elde edilen zeka açısından en iyi üç laboratuvardan biri olarak geri döndü (Artificial Analysis)
• Gemini 4 Argon AIHubMix'te (AIHubMix)