Google wprowadziło Gemini 4 Argon jako nowy model pionierski w Gemini API, dając programistom i przedsiębiorstwom kolejną, zaawansowaną opcję, obok OpenAI, Anthropic i innych wiodących dostawców. Publiczny identyfikator modelu to gemini-4-argon, a Google oznacza, że model jest dostępny globalnie za pośrednictwem Gemini API.

Szczegóły cenowe to część, której zespoły zajmujące się bramą nie powinny traktować jako przypisu. Google podaje początkową cenę wynoszącą 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych, przy czym tokeny wejściowe w pamięci podręcznej są obniżone o 95% do 30 listopada 2026 r. Po tym okresie wstępnym Google twierdzi, że standardowe ceny wzrosną do 4 USD za milion tokenów wejściowych i 20 USD za milion tokenów wyjściowych.

To sprawia, że Gemini 4 Argon jest zarówno premierą modelu, jak i wydarzeniem rozliczeniowym ograniczonym czasowo. Każda platforma udostępniająca model klientom musi zdecydować, w jaki sposób będzie wyświetlać cenę tymczasową, uwzględniać rabaty zapisane w pamięci podręcznej i obsługiwać podwyżkę po 30 listopada bez dezorientowania użytkowników i zakłócania marży.

Co się zmieniło

Gemini 4 Argon jest teraz dostępny za pośrednictwem własnego kanału programisty Google, ale premiera obejmuje już szerszy zakres niż pojedyncza pozycja API. GitHub mówi, że model jest ogólnie dostępny w GitHub Copilot dla użytkowników Pro+, Max, Business i Enterprise, na różnych platformach, w tym VS Code, Visual Studio, Copilot CLI, agencie kodującym GitHub Copilot, aplikacji Copilot, środowiskach IDE JetBrains, Xcode i Eclipse. GitHub mówi także, że administratorzy firm i przedsiębiorstw mogą zarządzać modelem za pomocą zasad modelu Copilot, z rozliczeniami opartymi na użyciu i cennikami dostawców.

Vercel dodał także Gemini 4 Argon do AI Gateway pod google/gemini-4-argon. Na liście znajduje się informacja, że ​​programiści mogą wywoływać model za pośrednictwem interfejsów AI SDK, uzupełnień czatu, odpowiedzi i komunikatów Anthropic lub za pośrednictwem agenta kodującego podłączonego do AI Gateway. Vercel opisuje także funkcje bramy dotyczące śledzenia użycia i kosztów, ponownych prób, przełączania awaryjnego, raportowania, obsługi zerowego przechowywania danych, budżetów dla kluczy API i reguł routingu.

W sumie wprowadzenie na rynek pokazuje, jak nowy model frontierowy dociera teraz do programistów poprzez kilka warstw jednocześnie: dostawcę API, asystentów IDE, agentów kodujących i abstrakcje bram innych firm. W przypadku zespołów korzystających z wielomodelowej API bramy dla zespołów prace operacyjne rozpoczynają się przed otrzymaniem pierwszego żądania klienta.

Dlaczego jest to ważne dla routingu i rozliczeń

Pierwszą praktyczną kwestią jest dokładność katalogu. Platformy potrzebują nowego wpisu Gemini z właściwym identyfikatorem publicznym, mapowaniem dostawców, regułami dostępności i wszelkimi aliasami specyficznymi dla produktów. Muszą także odróżnić model, o który prosił klient, od modelu, który faktycznie obsłużył żądanie, zwłaszcza gdy ruch przechodzi przez warstwy zgodności lub produkty agenta, które mogą pobierać szczegółowe informacje o dostawcy.

Drugą kwestią jest moment ustalania ceny. Ceny wstępne powodują zaplanowaną zmianę rozliczeń, a nie stawkę statyczną. Bramy, portale sprzedawców i wewnętrzne systemy obciążeń zwrotnych potrzebują sposobu na przedstawienie bieżącej ceny, przyszłej ceny i daty wejścia zmiany w życie. Jeśli platforma na stałe zakoduje stawkę początkową jako stawkę normalną, faktury i raporty dotyczące marży będą błędne zaraz po zakończeniu promocji.

Zniżka na token w pamięci podręcznej dodaje kolejną warstwę. Zniżka 95% na buforowane tokeny wejściowe może znacząco zmienić profil kosztów w przypadku aplikacji o długim kontekście, agentów kodujących, systemów kontroli prawnej i przepływów pracy wymagających dużego pobierania. Ale tylko wtedy, gdy brama może zidentyfikować, które tokeny wejściowe kwalifikowały się do cen w pamięci podręcznej i zgłosić je oddzielnie od zwykłych tokenów wejściowych. Traktowanie wszystkich tokenów wejściowych jako jednego segmentu może być prostsze, ale kryje w sobie korzyści ekonomiczne, których klienci coraz częściej oczekują.

Jest to szczególnie istotne w przypadku platform zbudowanych wokół ujednoliconej sztucznej inteligencji API billing. Pojedyncza faktura jest użyteczna tylko wtedy, gdy zawiera wystarczająco dużo szczegółów, aby wyjaśnić, dlaczego dany model, trasa lub konto klienta kosztują więcej niż inne. Gemini 4 Stawka wprowadzająca firmy Argon i rabat na pamięć podręczną sprawiają, że projekt księgi jest widoczny.

Kogo dotyczy

Programiści korzystający z Gemini API muszą bezpośrednio przetestować model pod nowym identyfikatorem i zdecydować, czy stawka początkowa zmienia rozmieszczenie obciążenia. Zespoły korzystające już z modeli Gemini za pośrednictwem warstw abstrakcji powinny sprawdzić, czy ich dostawca, brama lub IDE udostępniło już Argon i czy wyświetlana cena jest zgodna z tymczasowym harmonogramem Google.

Administratorzy Enterprise Copilot mają osobną decyzję: czy udostępnić Gemini 4 Argon domyślnie, czy też kontrolować go poprzez zasady modelu. Ponieważ GitHub mówi, że model jest rozliczany według cennika dostawcy w ramach rozliczeń opartych na użyciu, wybór modelu staje się ustawieniem zarządzania wydatkami, a nie tylko preferencją programisty. Ma to znaczenie dla organizacji, w których rośnie wykorzystanie agentów kodujących w środowiskach IDE, CLI przepływach pracy i autonomicznym przeglądaniu kodu.

Operatorzy bram i sprzedawcy stoją przed najszerszym zadaniem wdrożeniowym. Potrzebują aktualizacji tabel cenowych, powiadomień dla klientów, reguł routingu modeli, zakresu ocen, analiz użytkowania i zachowań rozliczeniowych po promocji. Sprzedawca udostępniający Gemini 4 Argon za pośrednictwem platformy sprzedawcy AI API musi także zdecydować, czy w okresie wprowadzającym klienci widzą surowe ceny dostawcy, ceny z narzutem czy ceny łączone.

Model Gate i podobne platformy kompatybilne z OpenAI mają tutaj bezpośredni wpływ na produkt: ten sam model może być używany poprzez uzupełnianie czatu w stylu OpenAI, nowsze interfejsy w stylu Responses, abstrakcje wiadomości w stylu Anthropic, agenty IDE lub interfejsy API natywne dla dostawcy. Zwiększa to wartość znormalizowanych rekordów użytkowania, które nadal zachowują pola specyficzne dla dostawcy, takie jak obsługiwany model, kwalifikowalność cen pamięci podręcznej i źródło trasy.

Co pozostaje niepewne

Twierdzenia dotyczące wydajności

Google należy traktować jako zgłoszone przez dostawcę, dopóki niezależne zespoły nie odtworzą ich w obciążeniach produkcyjnych. Wiodąca pozycja lidera w testach porównawczych jest przydatna jako sygnał do sprawdzenia, co należy przetestować, ale nie zastępuje oceny specyficznej dla aplikacji pod kątem opóźnień, wykorzystania narzędzi, niezawodności, jakości wyników i kosztów.

Niektóre szczegóły dystrybucji również wymagają potwierdzenia na poziomie dzierżawcy. GitHub mówi, że wdrażanie jest stopniowe, więc nie każdy użytkownik Copilot lub konto korporacyjne może natychmiast zobaczyć Gemini 4 Argon. Vercel wymienia okno kontekstowe zawierające 1 milion tokenów, tekst, obraz, plik PDF i wejście wideo, wywoływanie narzędzi oraz niski, średni i wysoki poziom myślenia na liście bram; zespoły w zależności od dokładnych limitów powinny zweryfikować je z dokumentacją modelu Google przed podjęciem zobowiązań produkcyjnych.

Trwała lekcja jest prostsza: premiery głównych modeli są teraz wydarzeniami przejściowymi. Nie ma już pytania, czy nowy model można nazwać. Liczy się to, czy otaczająca platforma będzie w stanie prawidłowo wycenić tę usługę, celowo ją skierować, wyjaśnić klientom i przetrwać następną zaplanowaną zmianę.