For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ru/articles/gemini-4-argon-launch-access-api-pricing-cf4e0dbb.md.
В [анонсе Gemini 4 Argon от Google](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/) пре...
В анонсе Gemini 4 Argon от Google представлена модель, ориентированная на сложную продолжительную работу: масштабные изменения кода, визуальное создание, научные рассуждения и задачи, выходящие за рамки короткого диалога. Запуск охватывает как продукты для разработчиков, так и пользовательские сервисы, хотя условия доступа к ним различаются.
Практическая ценность заключается именно в этих деталях. У вводных цен API есть дата окончания, лимит в миллион токенов распределяется между несколькими видами контента, а заметное ускорение программного обеспечения относится к определённой части рабочей нагрузки. Изучение исходной документации значительно упрощает оценку анонса.
Google сообщает о платном доступе к API через AI Studio и платформу Gemini; доступность для разработчиков также распространяется на Android Studio. Подписчики Google AI Ultra получают доступ через Antigravity и AI Studio, а развёртывание в пользовательском приложении Gemini и AI Mode в Поиске включает подписчиков Google AI Pro и Ultra.
Это разные продукты с разными правами доступа. Доступ Google AI Pro к пользовательскому сервису не означает автоматически, что тот же план включает доступ разработчика к Argon в AI Studio или бесплатную квоту API.
Для интеграции следует проверять актуальные требования к доступу для разработчиков, а не полагаться на общий заголовок анонса. На странице цен AI Studio модель API указана как gemini-4-argon, и для неё не приведён бесплатный тарифный уровень.
Согласно документации Google по стандартным ценам API, проверенной 15 октября, для Gemini 4 Argon предусмотрены два периода. Указанные ниже цены приведены в долларах США за один миллион токенов.
| Категория токенов | До 30 ноября 2026 года | Начиная с 1 декабря 2026 года |
|---|---|---|
| Входные данные | $2.00 | $4.00 |
| Выходные данные, включая рассуждения | $10.00 | $20.00 |
| Неявно кэшированные входные данные | $0.10 | $0.20 |
Таким образом, вводные тарифы на входные и выходные токены, приведённые в анонсе запуска, ограничены по времени, а не являются постоянными ценами. Цена кэшированных входных данных означает снижение на 95% относительно соответствующей стоимости входных данных, но применяется к подходящим неявно кэшированным входным данным; на странице не указана поддержка явного кэширования для этой модели.
Цены за токены также не обязательно отражают полную стоимость приложения. Отдельно тарифицируемые инструменты и повторяющиеся запросы в рабочем процессе могут увеличивать расходы, поэтому оценка для продакшена должна учитывать фактический паттерн запросов и актуальную документацию.
В документации по long decode Google описан единый лимит в 1 048 576 токенов, общий для входных данных, рассуждений и выходных данных. Это не обещание одного миллиона входных токенов плюс ещё одного миллиона токенов сгенерированного вывода.
Interactions API обычно ограничивает синхронный или потоковый вывод 65 536 токенами. Для генерации сверх этого значения требуются фоновый режим, большее значение max_output_tokens и включённое хранилище в соответствии с документацией. Сервер выполняет более длительную генерацию последовательными этапами продолжения.
При планировании такой задачи важны две детали. Во-первых, max_output_tokens включает рассуждения, а также возвращаемый вывод. Во-вторых, этапы продолжения могут повторно учитывать входные данные, при этом для подходящих случаев применяется задокументированная скидка неявного кэширования; long decode не является неограниченным бесплатным продлением одного запроса.
Эта возможность может помочь при длительной реализации или развернутом анализе, но большой допустимый объём вывода не гарантирует корректность. Результат всё равно требует проверки, а входные данные потребляют часть того же общего бюджета.
Google сообщает об использовании Argon для рефакторинга, затрагивающего сотни файлов в Chrome, кодовую базу которого компания описывает как содержащую примерно 40 миллионов строк, включая устаревшую область примерно в шесть миллионов строк. По словам компании, работа сократилась с задачи масштаба месяцев до задачи масштаба недель. Это заявленные Google результаты конкретного проекта, а не общее обещание для изменений в произвольных репозиториях.
В инженерной статье об ADK описан более проверяемый пример. Он касается Python-репозитория примерно на 205 000 строк в около 800 исходных файлах, поддерживаемого крупным публичным набором тестов.
Работа проходила в два этапа. Первая двухчасовая попытка выявила недостатки; в последующем ночном запуске использовались навыки проекта и цель Antigravity. Модель предложила шесть оптимизаций в 32 файлах, однако сопровождающие проекта сохранили две и отклонили четыре. Итоговая объединённая работа объединила изменения из обоих этапов в 22 файлах и добавила 17 тестовых функций.
Принятые оптимизации касались фильтрации перед копированием данных в сервисе сессий в памяти и отложенных импортов пакетов. Публичный объединённый коммит позволяет изучить итоговый код.
Этот бенчмарк полезен тем, что разделяет несколько временных показателей вместо представления одного ускорения как универсального.
Источник: Google Developers Blog, исследование оптимизации ADK. Для изоляции накладных расходов фреймворка измерения используют мгновенную модель и инструменты; приведены медианы нескольких запусков.
| Измерение | До | После | Заявленное изменение |
|---|---|---|---|
| Первый запрос к модели после 50 ходов | 64 мс | 36 мс | На 43% быстрее |
| Первый запрос к модели после 150 ходов | 200 мс | 122 мс | На 39% быстрее |
| Холодный импорт | 1,22 с | 0,97 с | На 21% быстрее |
| Новый процесс до первого запроса | 3,07 с | 3,09 с | Практически без изменений |
| Полный запуск на 158 ходов | 65,6 с | 56,1 с | На 14% быстрее |
Прирост примерно на 40% относится к пути подготовки сессии в протестированном сервисе в памяти. Его не следует описывать как ускорение каждого приложения ADK на 40%, особенно если развёртывание использует другой бэкенд хранения или большую часть времени ожидает ответы модели и инструментов.
Холодные импорты ускорились, но время от запуска процесса до первого запроса не изменилось. Это практическое напоминание о необходимости измерять пользовательский рабочий процесс, а не предполагать, что локальная оптимизация улучшит каждый сквозной показатель.
Предложенное изменение прошло все 16 892 публичных модульных теста, однако 25 внутренних тестовых целей завершились неудачей, поскольку ожидалось, что удалённые импорты останутся доступными для подмены. Сопровождающие обеспечили совместимость с помощью отложенных аксессоров, а не посчитали успешный публичный тестовый запуск достаточным доказательством безопасности.
Другие предложенные изменения были отклонены по причинам, включая устаревшие кэшированные данные, зависимость от приватного атрибута OpenTelemetry, снижение читаемости без сквозной выгоды и оптимизацию, выигрыш от которой проявлялся только в синтетической нагрузке.
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Именно поэтому этот пример полезнее истории об успехе автономного программирования. Модель подготовила кандидаты на улучшения; сопровождающие оценили доказательства, отклонили неподходящие патчи и исправили проблему совместимости перед объединением принятых изменений.
Google также сообщает об оптимизации инференса Gemma 4 E2B с использованием vLLM на NVIDIA A100. В этой конкретной конфигурации пропускная способность выросла с 37 900 до 108 000 токенов в секунду — заявленное увеличение в 2,85 раза при сохранении идентичности токенов.
Это результат, зависящий от конкретной конфигурации. Он не подтверждает такое же ускорение для другой модели, GPU, паттерна пакетной обработки или стека развёртывания, и его не следует путать с ценой или задержкой запроса к размещённому API Argon.
Креативные демонстрации запуска включают трёхмерный храм, созданный с помощью Blender и визуальной критики, а также гоночный проект, вдохновлённый фотографией рабочего стола и собранный с помощью нескольких инструментов. Во втором случае объединяются Blender MCP, сгенерированные текстуры, Three.js и дополнительные медиавозможности, поэтому готовый артефакт является результатом рабочего процесса, а не доказательством того, что один текстовый вызов без помощи создаёт все ресурсы.
Эти примеры показывают виды проектов, которые Google предлагает попробовать разработчикам. Они не заменяют прямое тестирование сгенерированного кода, поведения физики, лицензирования ресурсов или производительности в браузере.
Запуск выходит за пределы программной инженерии и охватывает несколько исследовательских областей. Каждый результат относится к более узкой проблеме, чем может подразумевать название соответствующей области.
Демонстрация робототехники следует той же логике. Робот Apollo от Google наблюдает за тем, как человек играет в cornhole, строит симуляцию, а затем выполняет семь последовательных попаданий в реальном мире в описанной демонстрации. Это свидетельство о показанном запуске, а не оценка надёжности для произвольных роботов, сред или физических задач.
Google заявляет, что количество внутренних отправок кода выросло на 35%, а частота откатов снизилась примерно на треть. Это внутренние показатели, заявленные компанией; статья о запуске не представляет их как контролируемый прогноз результатов другой организации.
Пример ADK предлагает более практичный способ оценить более широкое утверждение. Начните с задачи, для которой можно измерить базовый уровень, сохраните тесты и проверки совместимости и оцените итоговый принятый патч. Время, затраченное на проверку и исправление изменения, также должно учитываться в результате.
Для исследовательской работы аналогичный вопрос состоит в том, выдерживает ли результат соответствующую отраслевую проверку: доказательство, лабораторный эксперимент, независимое вычисление или тщательно спроектированную оценку. Правдоподобное объяснение от модели — лишь один этап этого процесса.
На странице цен AI Studio, проверенной 15 октября 2026 года, для gemini-4-argon не указан бесплатный уровень. У пользовательского доступа по подписке и доступа разработчика к API разные условия, поэтому не следует предполагать, что пользовательская функция Google AI Pro включает модель API.
Документированные вводные стандартные тарифы составляют $2 за миллион входных токенов и $10 за миллион выходных токенов, включая рассуждения, до 30 ноября 2026 года. Начиная с 1 декабря на странице указаны соответственно $4 и $20; подходящие входные данные неявного кэша тарифицируются отдельно, а стоимость инструментов может увеличивать общую сумму.
Нет, Google документирует общий бюджет в 1 048 576 токенов для входных данных, рассуждений и выходных данных. Поэтому более длинный вход оставляет меньше места для других частей взаимодействия.
Документация по long decode требует фонового режима, хранилища и значения max_output_tokens, превышающего обычный лимит. Этапы продолжения остаются ограничены общим бюджетом и задокументированным поведением биллинга, поэтому приложениям следует придерживаться актуальных инструкций Interactions API.
Нет, результат примерно в 40% относится к конкретному пути подготовки сессии в памяти в бенчмарке Google. Полный запуск на 158 ходов ускорился на 14%, тогда как время от нового процесса до первого запроса практически не изменилось.
Нет, заявленные результаты относятся к определённым исследовательским проблемам и демонстрациям. Перед обобщением на клиническое, промышленное или физическое применение они требуют соответствующей независимой валидации, отраслевой экспертизы и тестирования развёртывания.
Gemini 4 Argon предоставляет широкий набор заявленных возможностей для кода, визуальных проектов и исследований. Его ключевые практические характеристики включают платный доступ разработчика, вводные цены, заканчивающиеся после ноября, и общий бюджет контекста, включающий рассуждения и вывод.
Наиболее убедительные инженерные доказательства дают принятые и протестированные изменения ADK вместе с их измеренными ограничениями, при этом проверка человеком остаётся частью результата.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
