> ## Documentation Index > Fetch the complete documentation index at: https://docs.tess.im/llms.txt > Use this file to discover all available pages before exploring further. # Gemini 4 Argon > Conheça o Gemini 4 Argon, o primeiro modelo da família Gemini 4: código em repositório, finanças, direito, gráfico e vídeo. 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. | **Modelo do provider** `gemini-4-argon` | **Contexto** 1.048.576 tokens, compartilhados | **Saída por pedido** 65.536 tokens em streaming | **Provider** Google | | :- | :- | :- | :- | | **Entrada** Texto e imagem; vídeo agente desligado por padrão | **Thinking** MEDIUM por padrão | **Família** Primeiro Gemini 4 | **Anúncio** 30 de setembro de 2026 | 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. | | Gemini 4 Argon | Claude Opus 5.5 | | - | - | - | | Melhor para | Repositório, finanças, direito, gráfico e vídeo | Julgamento aberto, terminal e programa do zero | | Entrada | Texto e imagem; vídeo sob pedido | Texto e imagem | | Contexto | 1.048.576, compartilhado com a saída | 1M | | Thinking | LOW, MEDIUM ou HIGH | Adaptive, sempre ativo | > [!TIP] > > 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 | Benchmark | Gemini 4 Argon | O que avalia | Fonte | | - | -: | - | - | | DeepSWE v1.1 | **77,9%** | Engenharia de software em repositório | Google | | Finance Agent v2 | **65,4%** | Pesquisa financeira em várias etapas | Google | | AutomationBench (Zapier) | **51,3%** | Processos de negócio de ponta a ponta | Google | | Chartography (sem tools) | **71,6%** | Leitura de gráficos | Google | | LVBench | **91,7%** | Compreensão de vídeo | Google | | CWE-bench v1 | **68%** | Correção de vulnerabilidades | Google | | Terminal-Bench 4.0 | 57,4% | Coding em terminal | Google | | GDP.pdf | 21,8% | Documentos profissionais, all-pass | Artificial Analysis | 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. > [!NOTE] > > 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. ```text theme={null} Implemente apenas o comportamento descrito. Edite os arquivos necessários e rode os testes citados. Se um teste falhar, corrija e rode de novo. Se falhar uma segunda vez, pare e diga o que quebrou. Não refatore o que não foi pedido. ``` **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. ```text theme={null} Responda só com o que está nos documentos. Cite o trecho de cada número ou cláusula. Se a resposta não estiver nos arquivos, diga que não encontrou. Não complete com conhecimento geral e não dê recomendação de investir ou de litigar. ``` **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. ```text theme={null} Extraia apenas o que foi pedido. Devolva o valor, a unidade e o ponto de onde saiu: o eixo do gráfico ou o instante do vídeo. Se a imagem não mostrar o dado, diga que não encontrou. Não altere o 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](/pt/models-and-cost) · [Claude Opus 5.5](/pt/claude-opus-5-5) · [Gemini 4 Argon — Google](https://blog.google/intl/pt-br/gemini-4-argon/) · [Gemini 4 Argon — guia do desenvolvedor](https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/guides/gemini-4-argon). This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.