Skip to main content
Gemini 4 Argon é o primeiro modelo da família Gemini 4. A Google o posiciona para código em repositório, finanças, direito, gráfico e vídeo, e para defesa de segurança quando o trabalho é corrigir uma falha, não explorá-la. O anúncio é de 30 de setembro de 2026. O acesso amplo ainda sai em etapas: primeiro um grupo de defensores no programa Fairwind, e a Google descreve a abertura seguinte para clientes de API paga e assinantes do Google AI Ultra. O identificador do modelo desta página é gemini-4-argon. Existe um segundo identificador, gemini-4-argon-cyber-permissive, só para cargas de cibersegurança aprovadas nesse programa. A janela de 1.048.576 tokens é uma só, dividida entre entrada, raciocínio e saída. Um pedido isolado para em 65.536 tokens no streaming, ou em 32.768 numa chamada HTTP sem streaming. A geração pode continuar até o teto da janela no GenerateContent, com o SDK retomando sozinho. A Artificial Analysis registra entrada de texto e imagem e saída de texto. O entendimento de vídeo agente existe e vem desligado.

​
Quando usar o Argon e quando usar o Opus 5.5

A diferença está no tipo de tarefa. O Argon entra quando o material é código de um repositório, um dossiê de finanças ou direito, um gráfico ou um vídeo. O Opus 5.5 continua à frente quando o trabalho pede julgamento aberto, terminal ou um programa escrito do zero.
Use o Argon quando a resposta depende de código, de um PDF e de uma imagem no mesmo pedido. Para classificar uma fila curta, o nível LOW basta. Para uma mudança em vários arquivos, suba para HIGH.

​
O que a Google mediu

Os números abaixo são os publicados pela Google. Onde outra fonte usa o mesmo nome de prova, o resultado não é automaticamente comparável.

​
Código de repositório

No DeepSWE v1.1, a Google mediu 77,9% e chamou o resultado de estado da arte. A Meta publicou 78,8% para o Muse Wonder no DeepSWE 1.1. Os dois números saem de publicadores diferentes. Por dentro do Google, os agentes do Argon foram usados em migrações de C e C++ para Rust, de bibliotecas como re2 e libgav1 até mais de 800 mil linhas do kernel Zircon do Fuchsia. Na libgav1, a Google relata um decodificador em Rust com memória segura, 2,7 vezes mais rápido que a versão Rust anterior, com o mesmo vídeo na saída.

​
Finanças, direito e processos

A Google diz que o Argon lidera o Vals Index, que pondera finanças, código, direito e tributos pela fatia de cada um no PIB dos Estados Unidos. No Finance Agent v2, a metodologia publicada pela Google marca 65,4%. No AutomationBench da Zapier, processos de ponta a ponta, 51,3%, em primeiro lugar na conta deles.

​
Gráfico e vídeo

No Chartography sem tools, a Google mediu 71,6%. No LVBench, compreensão de vídeo, 91,7%, o número que eles apresentam como estado da arte.

​
Defesa, não ataque

No CWE-bench v1, que mede a correção de vulnerabilidades, o Argon empata em primeiro com 68%. A Wiz relatou, no programa Scan for Good, uma falha crítica em software de saúde que modelos anteriores não tinham apontado. O artigo não descreve como reproduzir essa falha.

​
O que os benchmarks independentes mostram

Na medição própria da Artificial Analysis, a variante high marcou 53 no Intelligence Index, em 8º lugar entre 216 modelos da mesma classe. A mediana da faixa de preço é 27. Nessa rodada o modelo gerou 110 milhões de tokens de saída no índice, contra uma mediana de 85 milhões. O custo médio foi de 1,99 dólares por tarefa do índice, calculado com o preço de lançamento. A velocidade de saída não estava publicada. No BenchLM, o agregado parcial é 80,88 de 100, em 6º lugar entre 897 modelos. A cobertura ainda é parcial (31 benchmarks), então a nota é conservadora. O BenchLM lista o Intelligence Index como 52,6. A página da Artificial Analysis marca 53. Use o 53.
A tabela mistura números publicados pela Google com o GDP.pdf da Artificial Analysis. O Intelligence Index, o volume de texto e o custo por tarefa são da Artificial Analysis. O agregado do BenchLM usa cobertura parcial. Os resultados dependem do harness, das tools e do nível de thinking. Valide no seu fluxo antes de trocar uma configuração em produção.

​
Onde ele não lidera

  • No GDP.pdf, a Artificial Analysis mediu 21,8%. Documento profissional all-pass não é o ponto forte dessa rodada.
  • No DeepSWE, o 77,9% da Google fica abaixo dos 78,8% que a Meta publicou para o Muse Wonder. Não trate os dois como a mesma prova até conferir o harness.
  • Um pedido isolado ainda para em 65.536 tokens. Passar disso exige a continuação do GenerateContent.
  • temperature, top_p e top_k são ignorados. O controle de esforço é o thinking_level.
  • O modelo desta página não é o gemini-4-argon-cyber-permissive.

​
Onde ele gera mais valor

​
Uma mudança que passa por vários arquivos

O ajuste não cabe num arquivo só, e os testes já existem. O Argon edita, roda a verificação e para se a segunda tentativa falhar. Resultado esperado: o diff dentro do escopo e os testes pedidos passando.

​
Um parecer a partir dos arquivos

A pergunta é de finanças ou de direito, e a resposta tem de sair dos documentos, não da memória geral. O modelo cita o trecho e lista o que não encontrou. Resultado esperado: cada número ou cláusula com origem, e a lacuna explícita.

​
Um gráfico ou um vídeo

O dado está na imagem ou na duração do vídeo, não num campo de texto. O Argon aponta o quadro ou o instante de onde tirou a resposta. Resultado esperado: o valor, a unidade e o ponto visual de origem.

​
Como aplicar na Tess

1

Escolha código, dossiê ou mídia

Prefira mudança de repositório, parecer sobre arquivos, gráfico ou vídeo. Para uma fila de classificação, use o nível LOW.
2

Feche o que conta como pronto

Diga o resultado, os arquivos que podem mudar e a prova que encerra a tarefa.
3

Defina tools e aprovações

Habilite apenas as ferramentas necessárias. Exija confirmação antes de enviar, publicar ou alterar dados.
4

Escolha o nível de thinking

LOW para classificar e resumir. MEDIUM, o padrão, para código geral, tools e documento. HIGH para vários arquivos.
5

Amostre antes de soltar

Rode um caso inteiro, confira o que mudou e só então repita o fluxo.

​
Três playbooks para começar

​
1. Mudança de repositório com testes

Entrada: o repositório, o comportamento esperado e os testes que já existem.
Tools: leitura e edição de arquivos, execução dos testes.
Pronto quando: os testes pedidos passam e o diff fica dentro do escopo.

​
2. Parecer com citação

Entrada: os documentos e a pergunta de finanças ou de direito.
Tools: leitura de arquivos.
Pronto quando: cada fato tem origem e a ausência de dado fica explícita.

​
3. Leitura de gráfico ou de vídeo

Entrada: o gráfico, ou o vídeo com o entendimento de vídeo ligado.
Tools: leitura do arquivo.
Pronto quando: cada valor aponta para um ponto visual, ou a ausência está escrita.

​
Limitações e boas práticas

  • A abertura para desenvolvedores, empresas e consumidores ainda estava em etapas no anúncio. O primeiro grupo foi o Fairwind.
  • O preço de lançamento é de 2 dólares de entrada e 10 dólares de saída por 1 milhão de tokens. Depois do período inicial, a Google aplica 4 dólares de entrada e 20 dólares de saída. O cache implícito, a partir de 6.144 tokens de prefixo, sai com 95% de desconto sobre a entrada. Cache explícito não é suportado.
  • O identificador gemini-4-argon-cyber-permissive é outro modelo, para cargas aprovadas no Fairwind. O gemini-4-argon recusa pedido nocivo de cibersegurança e de uso químico, biológico, radiológico ou nuclear.
  • A Google descreve o Argon como o modelo mais resistente deles a injeção indireta de instrução, e diz que monitora o raciocínio para interromper uma ação fora do pedido.
  • Revise uma amostra antes de publicar, enviar ou automatizar decisões.
  • Mantenha aprovação humana para decisões financeiras, jurídicas, clínicas ou de alto impacto.
Veja também: Modelos e Custos · Claude Opus 5.5 · Gemini 4 Argon — Google · Gemini 4 Argon — guia do desenvolvedor.