Google Cloud 的 Gemini 4 Argon 指南最近一次更新于 2026-11-03 UTC,介绍了如何发起首次模型请求。该指南介绍了 Gemini 4 的新功能,以及从 Gemini 3.1 Pro 迁移的方法,包括令牌限制、推理控制、缓存和计费方面的变化。
Gemini 4 Argon 使用统一的 1,048,576 令牌限制
Gemini 4 Argon 对输入和输出采用统一的 1,048,576 令牌限制。输出令牌包括思考内容、函数调用和最终响应,因此可用的输出容量为 1,048,576 个令牌减去输入令牌数。默认情况下,单个同步请求最多生成 65,536 个输出令牌;非流式直接 HTTP 请求则最多生成 32,768 个令牌。
Gemini 4 Argon 支持在 GenerateContent 上进行长解码
对于单轮中需要超过 65,536 个输出令牌,或非流式直接 HTTP 调用需要超过 32,768 个令牌的情况,Gemini 4 Argon 支持在 GenerateContent 上进行长解码,最多可生成 1,048,576 个令牌减去输入令牌数,包括 generateContent 和 streamGenerateContent。指南列举了形式化证明、复杂的数学或科学问题,以及多文件代码生成等示例。
使用适用于 Python 的 google-genai >= 2.30.1 或适用于 JavaScript 的 @google/genai >= 2.29.1 时,将 max_output_tokens 设置为高于 65,536(非流式请求则高于 32,768),会自动在多个请求中传递 continuation_token 并继续生成,从而返回单个响应或流。对于直接 REST 调用,请在下一次请求中传入每个 CONTINUATION 响应中的 continuation_token,并使用相同的提示。
Gemini 4 Argon 新增思考、缓存和视频控制
thinking_level 设置用于控制模型在响应前进行推理的程度。Gemini 4 Argon 支持 LOW、MEDIUM 和 HIGH;gemini-4-argon 默认使用 MEDIUM,而 gemini-4-argon-cyber-permissive 默认使用 HIGH。
Gemini 4 Argon 支持对 6,144 个令牌或更长的共享提示前缀进行隐式缓存,且默认启用持久缓存。指南建议将静态内容(例如代码仓库或长文档)放在提示开头。代理式视频理解已正式推出,但默认关闭:上传的视频使用 media_processing="static",将 media_processing 设置为 "agentic" 即可启用。
与近期的 Gemini 3 模型一样,Gemini 4 Argon 会忽略 temperature、top_p 和 top_k 的自定义值。指南指出,thinking_level 和结构化输出(response_schema)是控制输出的选项。
Gemini 4 Argon 改变了 Gemini 3.1 Pro 的迁移流程
文档建议从 gemini-3.1-pro-preview 迁移到 gemini-4-argon。Gemini 3.1 Pro 的输入和输出限制分别为 1,048,576 和 65,536 个令牌;Gemini 4 Argon 则采用统一的 1,048,576 令牌限制,单次请求的默认输出上限为 65,536 个令牌,非流式直接 HTTP 请求则为 32,768 个令牌。更长的输出需使用长解码。
在 Gemini 4 Argon 中,thinking_budget 会返回 HTTP 400 错误,thinking_level="MINIMAL" 也会返回 HTTP 400 错误。指南建议改用 thinking_level 的 LOW、MEDIUM 或 HIGH 值。不支持显式上下文缓存;请移除 cached_content 引用,并将 6,144 个令牌或更长的静态内容放在提示开头。
计费方式也有所不同:Gemini 4 Argon 会对模型处理的每个令牌计费,包括思考令牌,以及使用 grounding 时的内部工具系统指令和函数声明。通过 Google Search 进行 grounding 仍按查询次数计费。指南还建议移除 temperature、top_p 和 top_k,因为这些设置不起作用。
Gemini 4 Argon 的设置需要使用 Google Gen AI SDK
发起请求前,用户必须使用 API 密钥或应用默认凭据(ADC)向 Gemini Enterprise Agent Platform 进行身份验证。指南要求使用适用于 Python 的 google-genai >= 2.30.1,或适用于 JavaScript 的 @google/genai >= 2.29.1。Gemini 4 Argon 可通过 global 端点以及 us 和 eu 多区域使用。请求使用的模型 ID 为 gemini-4-argon。
Gemini 4 Argon Cyber Permissive 是面向防御性网络安全用例的 Gemini 4 Argon 版本,可通过白名单使用。
Gemini 4 Argon 技术详情和迁移要求
- 首款 Gemini 4 模型是 Gemini 4 Argon,模型 ID 为 gemini-4-argon。
- Gemini 4 Argon 对输入和输出采用统一的 1,048,576 令牌限制,其中包括思考内容、函数调用和最终响应。
- 默认情况下,单次同步输出最多为 65,536 个令牌;非流式直接 HTTP 请求则最多为 32,768 个令牌。
- 在 GenerateContent(包括 generateContent 和 streamGenerateContent)上,长解码最多支持生成 1,048,576 个令牌减去输入令牌数。
- 最新 SDK 要求为:适用于 Python 的 google-genai >= 2.30.1,以及适用于 JavaScript 的 @google/genai >= 2.29.1。
- Gemini 4 Argon 可通过 global 端点以及 us 和 eu 多区域使用。
- 支持的 thinking_level 值为 LOW、MEDIUM 和 HIGH;gemini-4-argon 默认使用 MEDIUM,gemini-4-argon-cyber-permissive 默认使用 HIGH。
- 隐式缓存支持 6,144 个令牌或更长的共享提示前缀,且默认启用持久缓存。
- 代理式视频理解已正式推出,但默认关闭;除非设置为 "agentic",否则上传的视频使用 media_processing="static"。
- Gemini 4 Argon 会忽略自定义的 temperature、top_p 和 top_k 值。
- Gemini 4 Argon Cyber Permissive 面向防御性网络安全用例,可通过白名单使用。
常见问题
Gemini 4 Argon 的令牌限制是多少?
Gemini 4 Argon 对输入和输出采用统一的 1,048,576 令牌限制。输出包括思考内容、函数调用和最终响应。默认情况下,单个同步请求最多生成 65,536 个输出令牌;非流式直接 HTTP 请求则最多生成 32,768 个令牌。
Gemini 4 Argon 的长解码如何工作?
在 GenerateContent 上,长解码最多支持生成 1,048,576 个令牌减去输入令牌数,包括 generateContent 和 streamGenerateContent。当 max_output_tokens 超过适用的单次请求限制时,最新的 Google Gen AI SDK 会自动在多个请求中使用 continuation_token 继续生成;直接 REST 调用则会将每个 CONTINUATION 响应中的 continuation_token 传入下一次使用相同提示的请求。
从 Gemini 3.1 Pro 迁移时,开发者必须做哪些更改?
指南建议将模型 ID 更改为 gemini-4-argon,并将适用于 Python 的 google-genai 升级到 >= 2.30.1。开发者必须适应统一的 1,048,576 输入和输出令牌限制,使用 thinking_level 代替 thinking_budget 或 thinking_level="MINIMAL",移除显式的 cached_content 引用,并移除 temperature、top_p 和 top_k 设置,因为这些设置不起作用。