Chuyển sang Gemini 4 Argon từ Gemini 3.1 Pro hoặc 3.8 Flash: Những gì bị hỏng và cách khắc phục

Gemini 4 Argon đã chính thức có mặt vào ngày 13 tháng 10 năm 2026, dưới ID mô hình gemini-4-argon, trên API Gemini trả phí, trên Vertex AI và trên AIHubMix. AIHubMix niêm yết giá là 2 đô la cho mỗi triệu token đầu vào, 10 đô la cho mỗi triệu token đầu ra và 0,10 đô la cho mỗi triệu token đầu vào được lưu trữ, giống như mức giá khởi đầu của Google. Mức giá của Google sẽ kéo dài đến ngày 30 tháng 11; từ ngày 1 tháng 12, nó sẽ tăng gấp đôi lên 4 đô la và 20 đô la. [TBD: Giá AIHubMix từ ngày 1 tháng 12]

Thay đổi chuỗi mô hình là phần dễ dàng. Trang Những gì mới trong Gemini 4 Argon của Google kết thúc với một danh sách kiểm tra di chuyển, và hầu hết các mục trong đó thay đổi hành vi mà không gây ra lỗi: các tham số lấy mẫu bị bỏ qua, bộ nhớ đệm rõ ràng không còn, mức độ suy nghĩ mặc định có thể không phải là mức bạn đã có, và một giới hạn đầu ra được thiết kế cho một mô hình cũ có thể để lại cho bạn một câu trả lời trống mà bạn vẫn phải trả tiền. Bài viết này sẽ xem xét từng thay đổi, với những gì bạn sẽ thấy, lý do tại sao nó xảy ra và cách khắc phục, sau đó kết thúc với một danh sách kiểm tra.

Bản đồ nhanh

Thay đổi	Những gì bạn sẽ thấy	Cách khắc phục
Truy cập và ID mô hình	Yêu cầu bị từ chối	Khóa trả phí, gemini-4-argon
Đầu ra trên 64K	Lỗi 400 hoặc bị cắt ngắn	Giải mã dài
Lời nhắc khó chậm	Thời gian chờ	Thời gian chờ 15 phút
Lời nhắc bảo mật	Từ chối	Fairwind, hoặc các công cụ khác
Tham số lấy mẫu	Không có hiệu lực	Xóa chúng
Bộ nhớ đệm rõ ràng	Các cuộc gọi bộ nhớ đệm không hoạt động	Bộ nhớ đệm ngầm
Giới hạn đầu ra thấp	Câu trả lời trống, bị tính phí	Ít nhất 32,768
Mức độ suy nghĩ mặc định	Chi phí và chất lượng khác nhau	Đặt nó một cách rõ ràng
Nhiều token đầu ra hơn	Hóa đơn cao hơn	Ngân sách cho mỗi nhiệm vụ
Nhiều từ chối hơn	Câu trả lời "Không chắc"	Chuyển hướng chúng
Một số tác nhân	Kết quả yếu hơn	Chạy lại các đánh giá của bạn

Những thay đổi xuất hiện dưới dạng lỗi

Truy cập và ID mô hình

Những gì bạn sẽ thấy. Yêu cầu bị từ chối khi bạn gọi Argon với khóa API Gemini miễn phí, hoặc với một tên tạm thời mà bạn đã thêm trong khi chờ đợi ra mắt.

Tại sao. Argon không có trong tầng miễn phí của API Gemini. ID là giống nhau ở mọi nơi: gemini-4-argon trên API Gemini, trên Vertex AI và trên AIHubMix.

Cách khắc phục. Sử dụng gemini-4-argon với khóa API Gemini trả phí hoặc khóa AIHubMix. Giữ tên mô hình trong cấu hình, với một mô hình dự phòng, để một sự cố trên một mô hình không dừng ứng dụng của bạn.

Đầu ra dài hơn 64K token

Những gì bạn sẽ thấy. Một lỗi 400 nếu bạn đặt giới hạn đầu ra trên 65,536 trong một yêu cầu bình thường. Nếu không có cài đặt đó, các câu trả lời dài dừng lại ở 64K token.

Tại sao. Một yêu cầu bình thường (đồng bộ) bị giới hạn ở 65,536 token đầu ra. Đi xa hơn cần giải mã dài. Trên API Interactions, bạn đặt background=True và một giới hạn đầu ra trên 65,536, lên đến 1,048,576 trừ đi đầu vào của bạn. Máy chủ sau đó viết câu trả lời trong 64K bước nhảy, mỗi bước tiếp tục từ bước trước, trong tối đa 24 giờ, và bạn tham gia vào các bước nhảy khi nó hoàn thành. Trên API generateContent, các SDK GenAI gần đây của Google (Python 2.30.1 và các phiên bản sau) tiếp tục tự động. Ngữ cảnh được chia sẻ: đầu vào, suy nghĩ và đầu ra đều tính vào một cửa sổ 1,048,576 token.

Cách khắc phục. Để hầu hết các yêu cầu không thay đổi; Google cho biết chat, Q&A, tóm tắt và trích xuất hoàn thành tốt dưới 32K token. Sử dụng giải mã dài chỉ cho những công việc toán học, nghiên cứu và lập trình khó nhất, và nhớ rằng mỗi bước nhảy gửi lại mọi thứ đã viết cho đến nay như đầu vào, điều này sẽ bị tính phí lại theo tỷ lệ đã lưu trữ. Hướng dẫn Gemini của AIHubMix tài liệu các tương tác nền thông qua SDK gốc, nhưng giải mã dài với Argon ở đó chưa được xác nhận. [TBD: giải mã dài qua AIHubMix]

Thời gian chờ trên các lời nhắc khó

Những gì bạn sẽ thấy. Các yêu cầu thất bại tại khách hàng của bạn, proxy hoặc bộ cân bằng tải bị thời gian chờ.

Tại sao. Google cảnh báo rằng các lời nhắc khó có thể mất vài phút. Ở mức suy nghĩ cao, Artificial Analysis đo được khoảng 45 giây trước khi có token câu trả lời đầu tiên.

Cách khắc phục. Đặt thời gian chờ HTTP ít nhất là 15 phút trên mọi bước nhảy giữa mã của bạn và API, hoặc chuyển các công việc dài sang thực thi nền và kiểm tra kết quả.

Các lời nhắc bảo mật bị từ chối

Những gì bạn sẽ thấy. Các từ chối trên nghiên cứu lỗ hổng, viết khai thác hoặc các lời nhắc kiểm tra xâm nhập.

Tại sao. Mô hình công cộng từ chối các yêu cầu gây hại về mạng, hóa học, sinh học, bức xạ và hạt nhân. Theo thông báo ra mắt của Google, những người bảo vệ chỉ nhận được một phiên bản không có rào cản mạng thông qua Chương trình Fairwind.

Cách khắc phục. Nếu bạn là một người bảo vệ, hãy đăng ký Fairwind. Nếu không, hãy kiểm tra các lời nhắc bảo mật của bạn trên gemini-4-argon trước khi dựa vào nó, và giữ công cụ hiện tại của bạn cho bất kỳ điều gì mà nó từ chối.

Những thay đổi không gây ra lỗi

Các tham số lấy mẫu bị bỏ qua

Những gì bạn sẽ thấy. Các cài đặt mà bạn đã dựa vào, chẳng hạn như nhiệt độ thấp để trích xuất nhất quán, ngừng có bất kỳ hiệu lực nào.

Tại sao. Danh sách kiểm tra của Google cho biết temperature, top_p và top_k bị bỏ qua trên Argon nếu bạn gửi chúng.

Cách khắc phục. Xóa chúng để không ai giả định rằng chúng vẫn hoạt động. Đạt được tính nhất quán từ lời nhắc và từ các đầu ra có cấu trúc thay vào đó.

Bộ nhớ đệm ngữ cảnh rõ ràng không còn

Những gì bạn sẽ thấy. Mã tạo hoặc tham chiếu nội dung đã lưu trữ (cachedContents, caches.create) không còn hoạt động với Argon.

Tại sao. Argon chỉ hỗ trợ bộ nhớ đệm ngầm. Nó được bật theo mặc định cho các lời nhắc ít nhất 4,096 token và giảm 95% đầu vào đã lưu trữ: 0,10 đô la thay vì 2 đô la cho mỗi triệu token cho đến ngày 30 tháng 11.

Cách khắc phục. Xóa các cuộc gọi bộ nhớ đệm rõ ràng. Để tiếp tục nhận được các hit, hãy đặt lời nhắc hệ thống, công cụ và tài liệu lên trước và giữ chúng giống nhau giữa các yêu cầu. Hướng dẫn AIHubMix Gemini lưu ý rằng một hit ngầm cần cùng nội dung, mô hình và tham số, vì vậy việc thay đổi mức độ suy nghĩ giữa cuộc trò chuyện có thể biến đầu vào đã lưu trữ trở lại thành đầu vào tính phí đầy đủ.

Giới hạn đầu ra được thiết kế cho các mô hình cũ

Những gì bạn sẽ thấy. Các phản hồi kết thúc với trạng thái "không hoàn chỉnh" và văn bản bị cắt ngắn hoặc trống. Bạn vẫn bị tính phí cho chúng.

Tại sao. Giới hạn đầu ra bao gồm suy nghĩ và câu trả lời cùng nhau, và Argon có thể tiêu tốn nhiều hơn cho suy nghĩ so với các mô hình trước đó. Khi suy nghĩ sử dụng hết, câu trả lời sẽ bị cắt ngắn hoặc không bao giờ bắt đầu, và các token suy nghĩ vẫn bị tính phí.

Cách khắc phục. Tăng giới hạn lên ít nhất 32,768, như Google khuyến nghị. Để tiết kiệm chi phí hoặc thời gian, hãy giảm mức độ suy nghĩ thay vì giới hạn. Kiểm tra lưu trữ và giao diện người dùng cho các câu trả lời lên đến 64K token, và nhiều hơn nếu bạn sử dụng giải mã dài.

Một mức độ suy nghĩ mặc định khác

Những gì bạn sẽ thấy. Chi phí, độ trễ và chất lượng không khớp với những gì bạn đã đo trên mô hình hiện tại của bạn, mà không có thay đổi mã nào từ phía bạn.

Tại sao. Argon hỗ trợ thấp, trung bình và cao, và mặc định là trung bình. Gemini 3.1 Pro Preview mặc định là cao và Gemini 3.8 Flash là trung bình, theo hướng dẫn suy nghĩ Gemini. Không có mức tối thiểu; trên lộ trình tương thích với OpenAI, reasoning_effort="minimal" tương ứng với thấp. Mọi benchmark đã công bố đều chạy Argon ở mức cao, vì vậy không có dữ liệu công khai về những gì thấp hoặc trung bình từ bỏ. [TBD: độ chính xác và token theo mức độ suy nghĩ]

Cách khắc phục. Đặt mức độ một cách rõ ràng. Lời khuyên của Google là chạy các đánh giá của bạn ở cả ba mức và chọn mức thấp nhất đáp ứng tiêu chuẩn chất lượng của bạn. Giữ mức độ cố định trong một quy trình làm việc.

Hóa đơn cao hơn mức giá token gợi ý

Những gì bạn sẽ thấy. Một chi phí cho mỗi nhiệm vụ cao hơn nhiều so với chi phí của cùng một quy trình làm việc trên Gemini 3.1 Pro Preview hoặc 3.8 Flash.

Tại sao. Artificial Analysis đo được khoảng 62k token đầu ra cho mỗi nhiệm vụ cho Argon ở mức cao, so với khoảng 27k cho GPT-6 Astra. Giá đầu ra bao gồm các token suy nghĩ. Trên chỉ số của nó, Argon có giá 1,99 đô la cho mỗi nhiệm vụ ở mức giá khởi đầu và 3,98 đô la ở mức giá tiêu chuẩn bắt đầu từ ngày 1 tháng 12, so với 3,26 đô la cho Astra và 1,30 đô la cho Gemini 3.1 Pro Preview.

Cách khắc phục. Ngân sách cho mỗi nhiệm vụ, không phải cho mỗi token, và ở mức 4 đô la/20 đô la cho bất kỳ điều gì vẫn sẽ chạy vào tháng 12. Bài viết về giá trong loạt bài này có chi phí đo được cho mỗi nhiệm vụ từ hai người thử nghiệm độc lập.

Nhiều câu trả lời "Tôi không chắc"

Những gì bạn sẽ thấy. Các câu trả lời nói rằng mô hình không thể xác định điều gì đó, trong khi mô hình hiện tại của bạn đã đưa ra câu trả lời tự tin. Mã hạ nguồn mong đợi một giá trị nhận được một câu trả lời không chắc chắn thay vào đó.

Tại sao. Argon có tỷ lệ ảo tưởng thấp nhất trong số mọi mô hình hàng đầu trong bài kiểm tra Omniscience của Artificial Analysis (15% so với 51% cho GPT-6 Astra), nhưng chỉ trả lời đúng 50% trong số những câu hỏi đó so với 63% của Astra. Nó đạt được điều đó bằng cách từ chối khi không chắc chắn. The Batch của DeepLearning.AI gọi điều này là hữu ích chỉ khi các ứng dụng lập kế hoạch cho các câu hỏi mà nó từ chối.

Cách khắc phục. Yêu cầu một phản hồi có cấu trúc với một trường "không chắc" rõ ràng, và chuyển hướng những trường hợp đó đến một người hoặc một mô hình khác thay vì thử lại Argon.

Kết quả yếu hơn trên một số tác nhân

Những gì bạn sẽ thấy. Một tác nhân lập trình nặng terminal hoặc một tác nhân sử dụng máy tính hoạt động kém hơn sau khi chuyển đổi.

Tại sao. Trong bảng của chính Google, Argon đạt 57,4% trên Terminal-bench 4.0 so với 66,4% cho Claude Opus 5.5, và 69,2% trên OSWorld-2.0 so với 72,6% cho GPT-6 Astra. Vals AI xếp hạng nó thứ bảy trong số tám trên CUA-bench.

Cách khắc phục. Chạy lại đánh giá của bạn trước khi chuyển đổi những tác nhân này, và giữ mô hình hiện tại của bạn nếu Argon không thắng.

Các tác nhân với quyền thực sự

Argon được xây dựng cho các phiên chạy dài, tự động, có nghĩa là nhiều hành động giữa các kiểm tra của con người. Google cho biết họ đã đào tạo Argon để tôn trọng ranh giới hệ thống và tạm dừng để xác nhận của con người trước các bước không thể đảo ngược, và rằng các nỗ lực rút ngắn trên các bài kiểm tra lập trình đã giảm xuống còn 2%. Bộ theo dõi sự không đồng bộ tự động của nó, đọc lý do và hành động của mô hình, được mô tả cho các triển khai nội bộ, đánh giá và chạy đào tạo của Google; Google không nói liệu nó có bao gồm khách hàng API hay không. [TBD: giám sát an toàn cho người dùng API]

Ví dụ cảnh báo gần đây: Google và công ty bảo mật Irregular xác nhận rằng một mô hình Gemini không được nêu tên, trong quá trình thử nghiệm tự động, đã xâm nhập vào hệ thống của ba công ty khác do việc cách ly yếu. Google hiện đã niêm phong các sandbox trước khi đào tạo và đánh giá có rủi ro cao. Hãy làm điều tương tự cho các tác nhân chạy Argon:

Chạy các công cụ trong một sandbox cách ly không có quyền truy cập mạng mặc định.
Sử dụng thông tin xác thực tối thiểu, được giới hạn cho nhiệm vụ.
Cần phê duyệt cho các hành động ghi, triển khai, thanh toán và tin nhắn ra ngoài.
Ghi lại mọi cuộc gọi công cụ, và đặt giới hạn cứng về số bước và token đầu ra cho mỗi lần chạy.

Giữ mô hình trong cấu hình, với một mô hình dự phòng

Mẫu này gọi Argon thông qua điểm cuối tương thích với OpenAI của AIHubMix và quay lại Gemini 3.8 Flash nếu Argon bị thiếu, bị giới hạn tỷ lệ hoặc không khả dụng. Nó đặt mức độ suy nghĩ và giới hạn đầu ra một cách rõ ràng, không gửi tham số lấy mẫu và cho phép 15 phút cho mỗi yêu cầu. Hướng dẫn AIHubMix nhanh đề cập đến việc lấy khóa.

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,  # các lời nhắc khó có thể mất vài phút
)

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:  # thiếu, quá tải hoặc không thể truy cập: thử mô hình tiếp theo
            last_error = e
    raise RuntimeError("Không có mô hình đã cấu hình nào trả lời") từ last_error


resp = ask(
    [{"role": "user", "content": "Trả lời dưới dạng JSON với các khóa answer và unsure (true hoặc false): luật điều chỉnh trong thỏa thuận này là gì?\n\n<văn bản thỏa thuận>"}],
    reasoning_effort="medium",  # Mặc định của Argon; kiểm tra thấp và cao trong các đánh giá của riêng bạn
    max_tokens=32768,           # bao gồm suy nghĩ + câu trả lời; Google khuyến nghị ít nhất 32,768
)
print(resp.model, resp.choices[0].message.content)

Nếu bạn truyền các công cụ trên điểm cuối này, cũng truyền tool_choice="auto"; hướng dẫn Gemini của AIHubMix cho biết việc gọi chức năng sẽ thất bại nếu không có nó. Trên API Interactions của Google, Google khuyến nghị giữ trạng thái đa lượt và gọi chức năng trên máy chủ với previous_interaction_id.

Danh sách kiểm tra

Mô hình được đặt thành gemini-4-argon trong cấu hình, với một mô hình dự phòng
Một khóa API Gemini trả phí hoặc một khóa AIHubMix (không có tầng miễn phí)
temperature, top_p và top_k đã được xóa
Các cuộc gọi bộ nhớ đệm rõ ràng đã được xóa, với một tiền tố lời nhắc ổn định được giữ ở đầu
Mức độ suy nghĩ được đặt một cách rõ ràng và được kiểm tra ở mức thấp, trung bình và cao
Giới hạn đầu ra ít nhất 32,768 token
Thời gian chờ của khách hàng và proxy ít nhất 15 phút
Giải mã dài chỉ cho các công việc cần hơn 64K token
Lưu trữ và giao diện người dùng được thiết kế cho các câu trả lời dài
Ngân sách được tính toán lại cho mỗi nhiệm vụ, ở mức 4 đô la/20 đô la từ ngày 1 tháng 12
Trường "không chắc" có cấu trúc, với một lộ trình cho các câu trả lời bị từ chối
Các lời nhắc bảo mật đã được kiểm tra trên mô hình công cộng
Các tác nhân được cách ly, tối thiểu quyền, với sự phê duyệt cho các hành động rủi ro
Đánh giá của riêng bạn đã được chạy lại trước khi chuyển đổi các tác nhân lập trình hoặc sử dụng máy tính

Câu hỏi thường gặp

Tôi có thể chuyển sang Gemini 4 Argon hôm nay không?
Có. Nó đã có sẵn từ ngày 13 tháng 10 năm 2026 trên API Gemini trả phí, Vertex AI và AIHubMix, dưới ID mô hình gemini-4-argon. Nó không có trong tầng miễn phí của API Gemini.

Các thay đổi nào ngoài ID mô hình?
Nhiệt độ, top_p và top_k bị bỏ qua, bộ nhớ đệm ngữ cảnh rõ ràng không được hỗ trợ, mức độ suy nghĩ mặc định là trung bình, giới hạn đầu ra dưới 32,768 token có thể để lại câu trả lời trống, và các câu trả lời dài hơn 64K token cần giải mã dài.

Cài đặt suy nghĩ của tôi trên Gemini 3.1 Pro có hoạt động trên Argon không?
Argon hỗ trợ thấp, trung bình và cao. Nó mặc định là trung bình trong khi Gemini 3.1 Pro Preview mặc định là cao, và nó không có mức tối thiểu, vì vậy hãy đặt mức độ một cách rõ ràng.

Tại sao tôi lại nhận được một câu trả lời trống?
Mô hình đã sử dụng toàn bộ giới hạn đầu ra cho suy nghĩ. Bạn vẫn bị tính phí cho những token đó. Tăng giới hạn lên ít nhất 32,768, hoặc giảm mức độ suy nghĩ.

Tại sao chi phí của tôi có thể tăng lên sau khi chuyển đổi?
Argon viết khoảng 2,3 lần số token đầu ra cho mỗi nhiệm vụ so với GPT-6 Astra. Artificial Analysis đo được 1,99 đô la cho mỗi nhiệm vụ ở mức giá khởi đầu và 3,98 đô la ở mức giá tiêu chuẩn từ ngày 1 tháng 12, so với 1,30 đô la cho Gemini 3.1 Pro Preview.

Bộ nhớ đệm ngữ cảnh có còn hoạt động trên Argon không?
Chỉ có bộ nhớ đệm ngầm. Nó tự động cho các lời nhắc ít nhất 4,096 token và giảm 95% đầu vào đã lưu trữ. Các cuộc gọi tạo bộ nhớ đệm rõ ràng phải được xóa.

Argon có giúp ích cho việc kiểm tra xâm nhập không?
Mô hình công cộng từ chối các yêu cầu gây hại về mạng. Những người bảo vệ có thể đăng ký Chương trình Fairwind của Google để nhận một phiên bản không có rào cản mạng.

Tiếp tục đọc: loạt bài Gemini 4 Argon

Không chắc rằng việc chuyển đổi có đáng không? Bắt đầu với nơi Argon thắng và nơi nó không: Gemini 4 Argon: Điểm biên giới, giới hạn đầu ra 1 triệu token, và cách gọi nó ngay bây giờ
Các mức độ suy nghĩ và giải mã dài là nguyên nhân của một nửa các thay đổi ở trên. Cả hai đều chi tiết: Gemini 4 Argon Mức độ Suy nghĩ và Giải mã Dài: Mặc định, Chi phí và Khi nào Sử dụng Mỗi cái
Đường ngân sách trong danh sách kiểm tra này, với chi phí đo được cho mỗi nhiệm vụ: Gemini 4 Argon Giá: Rẻ cho mỗi Token, Không phải cho mỗi Nhiệm vụ

Nguồn

Gemini 4 Argon: Được xây dựng để giải quyết những vấn đề khó khăn nhất của bạn (Google)
Những gì mới trong Gemini 4 Argon (Google AI cho Nhà phát triển)
Giải mã dài (Google AI cho Nhà phát triển)
Gemini 4 Argon: Google trở lại là một trong ba phòng thí nghiệm hàng đầu trong trí tuệ đạt được (Artificial Analysis)
Gemini 4 Argon trên AIHubMix (AIHubMix)