Google a lancé Gemini 4 Argon en tant que nouveau modèle pionnier dans le Gemini API, offrant aux développeurs et aux entreprises une autre option haut de gamme à placer aux côtés de OpenAI, Anthropic et d'autres fournisseurs de premier plan. L'ID du modèle public est gemini-4-argon et Google indique que le modèle est disponible dans le monde entier via Gemini API.
Les détails des tarifs sont la partie que les équipes de passerelle ne doivent pas traiter comme une note de bas de page. Google indique un prix de lancement de 2 $ par million de jetons d'entrée et de 10 $ par million de jetons de sortie, avec des jetons d'entrée en cache réduits de 95 %, jusqu'au 30 novembre 2026. Après cette période de lancement, Google indique que le prix standard passe à 4 $ par million de jetons d'entrée et 20 $ par million de jetons de sortie.
Cela fait de Gemini 4 Argon à la fois un lancement de modèle et un événement de facturation limité dans le temps. Toute plate-forme exposant le modèle aux clients doit décider comment elle affichera le prix temporaire, tiendra compte des remises en entrée en cache et gérera l'augmentation après le 30 novembre sans semer la confusion chez les utilisateurs ni fausser les marges.
Ce qui a changé
Gemini 4 Argon est désormais disponible via le canal de développement de Google, mais le lancement est déjà plus large qu'une seule liste de API. GitHub indique que le modèle est généralement disponible dans GitHub Copilot pour les utilisateurs Pro+, Max, Business et Enterprise, sur des surfaces telles que VS Code, Visual Studio, Copilot CLI, l'agent de codage GitHub Copilot, l'application Copilot, les IDE JetBrains, Xcode et Eclipse. GitHub indique également que les administrateurs Business et Enterprise peuvent gérer le modèle via les politiques du modèle Copilot, avec une facturation basée sur l'utilisation au prix de la liste des fournisseurs.
Vercel a également ajouté Gemini 4 Argon à AI Gateway sous google/gemini-4-argon. Sa liste indique que les développeurs peuvent appeler le modèle via les interfaces AI SDK, Chat Completions, Réponses et Anthropic Messages, ou à partir d'un agent de codage connecté à AI Gateway. Vercel décrit également les fonctionnalités de la passerelle concernant le suivi de l'utilisation et des coûts, les tentatives, le basculement, la création de rapports, la prise en charge de la conservation zéro des données, les budgets pour les clés API et les règles de routage.
Dans l'ensemble, le lancement montre comment un nouveau modèle frontière atteint désormais les développeurs à travers plusieurs couches à la fois : le fournisseur API, les assistants IDE, les agents de codage et les abstractions de passerelle tierces. Pour les équipes exécutant une passerelle multimodèle API pour les équipes, le travail opérationnel commence avant l'arrivée de la première demande client.
Pourquoi c'est important pour le routage et la facturation
Le premier problème pratique est l'exactitude du catalogue. Les plates-formes ont besoin d'une nouvelle entrée Gemini avec le bon identifiant public, le mappage de fournisseur, les règles de disponibilité et tout alias spécifique au produit. Ils doivent également distinguer le modèle demandé par un client du modèle qui a réellement répondu à la demande, en particulier lorsque le trafic passe par des couches de compatibilité ou des produits d'agent qui peuvent extraire les détails du fournisseur.
Le deuxième problème est le timing des prix. La tarification de lancement crée une modification de facturation programmée, et non un tarif statique. Les passerelles, les portails de revendeurs et les systèmes de rétrofacturation internes doivent pouvoir représenter le prix actuel, le prix futur et la date à laquelle le changement entre en vigueur. Si une plate-forme code en dur le tarif de lancement comme tarif normal, les factures et les rapports de marge deviendront erronés dès la fin de la promotion.
La remise sur les jetons mis en cache ajoute une autre couche. Une remise de 95 % sur les jetons d'entrée mis en cache peut modifier considérablement le profil de coût des applications à contexte long, des agents de codage, des systèmes de révision juridique et des flux de travail gourmands en récupération. Mais seulement si la passerelle peut identifier les jetons d’entrée éligibles à la tarification mise en cache et les signaler séparément des jetons d’entrée ordinaires. Traiter tous les jetons d'entrée comme un seul compartiment est peut-être plus simple, mais cela cache les aspects économiques que les clients s'attendent de plus en plus à voir.
Cela est particulièrement pertinent pour les plates-formes construites autour de l'IA unifiée API facturation. Une seule facture n’est utile que si elle conserve suffisamment de détails pour expliquer pourquoi un modèle, un itinéraire ou un compte client coûte plus cher qu’un autre. Gemini 4 Le tarif de lancement d'Argon et la remise sur le cache rendent la conception de ce grand livre visible.
Qui est concerné
Les développeurs utilisant le Gemini API doivent directement tester le modèle sous le nouvel ID et décider si le taux d'introduction modifie le placement de la charge de travail. Les équipes qui utilisent déjà Gemini modèles via des couches d'abstraction doivent vérifier si leur fournisseur, passerelle ou IDE a déjà exposé Argon et si le prix affiché correspond au calendrier temporaire de Google.
Les administrateurs d'Enterprise Copilot ont une décision distincte : rendre Gemini 4 Argon disponible par défaut ou le contrôler via une politique de modèle. Étant donné que GitHub indique que le modèle est facturé au prix indiqué par le fournisseur dans le cadre d'une facturation basée sur l'utilisation, le choix du modèle devient un paramètre de gestion des dépenses, et non simplement une préférence du développeur. Cela est important pour les organisations où l'utilisation des agents de codage augmente dans les IDE, les CLI workflows et la révision de code autonome.
Les opérateurs de passerelles et les revendeurs sont confrontés à la tâche de mise en œuvre la plus vaste. Ils ont besoin de mises à jour des tableaux de prix, d'avis aux clients, de règles de routage de modèles, de couverture d'évaluation, d'analyses d'utilisation et de comportement de facturation post-promotion. Un revendeur exposant Gemini 4 Argon via une plateforme de revendeur API d'IA doit également décider si les clients voient les prix bruts du fournisseur, les prix majorés ou les prix groupés pendant la période de lancement.
Model Gate et les plates-formes compatibles OpenAI similaires ont ici un problème de produit direct : le même modèle peut être utilisé via des complétions de chat de style OpenAI, des interfaces de style Réponses plus récentes, des abstractions de messages de style Anthropic, des agents IDE ou des API natives du fournisseur. Cela augmente la valeur des enregistrements d'utilisation normalisés qui conservent toujours les champs spécifiques au fournisseur tels que le modèle servi, l'éligibilité au prix du cache et la source de l'itinéraire.
Ce qui reste incertain
Les allégations de performances deGoogle doivent être traitées comme celles signalées par le fournisseur jusqu'à ce que des équipes indépendantes les reproduisent sur les charges de travail de production. Le leadership en matière de référence est utile pour indiquer ce qu'il faut tester, mais il ne remplace pas l'évaluation spécifique à l'application sur la latence, l'utilisation des outils, la fiabilité, la qualité du résultat et le coût.
Certains détails de distribution nécessitent également une confirmation au niveau du locataire. GitHub indique que le déploiement est progressif, donc tous les utilisateurs de Copilot ou comptes d'entreprise ne peuvent pas voir Gemini 4 Argon immédiatement. Vercel répertorie une fenêtre contextuelle d'un million de jetons, des entrées de texte, d'image, PDF et vidéo, des appels d'outils et des niveaux de réflexion faibles, moyens et élevés pour sa liste de passerelles ; les équipes en fonction de limites exactes doivent les vérifier par rapport à la documentation du modèle Google avant de prendre des engagements de production.
La leçon durable est plus simple : les lancements de modèles majeurs sont désormais des événements de passerelle. La question n’est plus de savoir si un nouveau modèle peut être appelé. Il s'agit de savoir si la plate-forme environnante peut le tarifer correctement, l'acheminer délibérément, l'expliquer aux clients et survivre au prochain changement programmé.