Felo API PlatformFelo API Platform
Retour aux modèles
Googlemessages

Gemini 4 Argon API

Gemini 4 Argon est le premier modèle de la génération Gemini 4 de Google, conçu pour les tâches complexes de longue durée en ingénierie logicielle, en travail de connaissance en entreprise et en cyberdéfense.

Gemini 4 Argon est un modèle de Google, publié le 13 octobre 2026. Il accepte en entrée du texte, des images, des vidéos, de l'audio et des PDF, et produit du texte. Sa fenêtre de contexte atteint 1 048 576 tokens, avec une limite de sortie de 65 536 tokens par défaut, extensible jusqu'à 1 048 576 tokens avec le long decode. Il intègre de nombreuses capacités : appels de fonctions, sorties structurées, exécution de code, recherche de fichiers, ancrage sur Google Maps et sur la recherche, compréhension agentique de vidéos, utilisation d'ordinateur en aperçu, ainsi qu'un raisonnement à niveaux faible, moyen et élevé. La mise en cache implicite offre une remise de 95 % sur les tokens d'entrée mis en cache.

Le modèle se distingue par ses réponses de chat concises et peu répétitives, ses mises à jour fréquentes de progression sur les tâches longues, ainsi que par une fidélité de citation et une exactitude de formule élevées dans les travaux financiers et juridiques. Il obtient le meilleur score sur 14 des 18 benchmarks des évaluations internes de Google. Il est particulièrement adapté au codage, à la finance (rapprochement de grand livre multi-étapes, formules de tableur, analyse des écarts), au juridique (revue de jurisprudence et de documents réglementaires), à la cybersécurité défensive et à l'automatisation de la remédiation, à la robotique, ainsi qu'aux tâches de vision comme la détection d'objets, l'OCR et la génération de sorties structurées.

Ses limites incluent l'absence de génération audio, de génération d'images, de Live API et de mise en cache explicite. Sa connaissance s'arrête en mars 2026 et peut donc être obsolète dans certains domaines. Comme tout modèle de fondation, il peut halluciner, et des problèmes occasionnels de latence et de timeout ont été signalés. Dans certaines conditions, il pourrait sensiblement affaiblir le contrôle humain sans mesures d'atténuation supplémentaires. Il a été déployé par étapes, d'abord auprès de cyberdéfenseurs de confiance via le programme Fairwind, et a participé au processus volontaire d'accès aux modèles avant publication du gouvernement américain. Google l'utilise pour une grande partie de son travail d'ingénierie interne.

Ouvrir le Playground ↗Créer une clé API ↗Guide de démarrage →

Mis à jour:

ID DU MODÈLE

gemini-4-argon
Contexte
1.049M
Sortie max.
943.718K
API recommandée
messages
Entrée
audio / file / image / text / video
Sortie
text

Points clés

  • Fenêtre de contexte de 1 048 576 tokens
  • Meilleur score sur 14 des 18 benchmarks internes
  • Réponses de chat concises et peu répétitives
  • Mises à jour fréquentes sur les tâches longues
  • Fidélité de citation et exactitude de formule élevées
  • Mise en cache implicite avec 95 % de remise

Fournisseurs

Meilleur prix
5 fournisseurs

Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.

Fournisseur · Détails des tarifs
$4$2$20$10$0.2$0.1$0.2$0.1
$4$2$20$10$0.2$0.1$0.2$0.1
$4$2$20$10$0.2$0.1$0.2$0.1
$7.2$3.6$36$18$0.36$0.18$0.36$0.18
$7.2$3.6$36$18$0.36$0.18$0.36$0.18

Ce que $10 permettent d'acheter

Entrée
2,5 M tokens
Sortie
500 k tokens

Estimation d'après les prix actuels d'entrée et de sortie, hors remises.

Benchmarks

  • Artificial Analysis Intelligence Index

    Mode raisonnement élevé ; à égalité avec GPT-6 Astra, 1 point au-dessus de GPT-6.1 Sol et de Muse Wonder Max

    53

  • Vals Index

    Meilleur score en travail de connaissance ; pondéré par part du PIB dans la finance, le codage, le juridique et la fisca

    1er

  • AutomationBench

    Tâches métier de bout en bout de Zapier ; environ 9 points au-dessus du modèle suivant

    51,3%

  • DeepSWE v1.1

    Nouveau record sur le test d'ingénierie logicielle de longue haleine de Google

    77,9%

Scores tels que publiés par le fournisseur du modèle.

Raisonnement

Niveau d'effort par défaut
medium
Toujours activé
Oui
Niveaux d'effort disponibles
high / medium / low

Démarrage rapide

Un code prêt à l'emploi pour appeler ce modèle avec les API compatibles de Felo API Platform. Commencez dans le Playground pour tester des prompts avant d'écrire du code.

Ouvrir le PlaygroundCréer une clé API
1

Configurer votre clé API

Créez une clé depuis votre compte Felo API Platform et définissez-la comme variable d'environnement.

export FELO_API_KEY="YOUR_API_KEY"
2

Effectuer votre première requête

Utilisez cet ID de modèle avec le point de terminaison Felo API Platform. Les en-têtes de requête facultatifs comme X-Request-Id facilitent le diagnostic.

gemini-4-argon

Ce modèle est capable de raisonnement. Si le protocole sélectionné et la route du modèle exposent des contrôles de raisonnement, conservez les métadonnées de raisonnement renvoyées lorsque vous poursuivez la conversation.

const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.FELO_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
  "model": "gemini-4-argon",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

Utiliser des SDK tiers

Avec les SDK compatibles, définissez baseURL sur https://openapi.felo.ai/api/v1. Pour les clients de style Claude, utilisez l'URL de base compatible Anthropic. https://openapi.felo.ai/api.

3

Activer le streaming

Ajoutez stream: true pour recevoir les réponses sous forme de server-sent events.

curl -N https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "gemini-4-argon",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Felo API Platform expose des surfaces d'appel de modèles compatibles. Choisissez la surface que votre application ou votre client agent prend déjà en charge.

SurfaceMethodURL

Messages

Messages compatibles Anthropic pour les clients de style Claude.

POST

https://openapi.felo.ai/api/v1/messages

Paramètres

NomTypePar défautDescription
modelstringgemini-4-argonID public du modèle à appeler.
max_tokensinteger—Nombre maximal de tokens générés.
messagesarray—Messages de la conversation pour Chat Completions.
include_reasoning———
reasoning———
reasoning_effort———
response_formatobject—Demande une sortie structurée lorsque c'est pris en charge.
seed———
stop———
structured_outputs———
temperaturenumber—Contrôle la variété des réponses lorsque c'est pris en charge.
tool_choicestring or object—Contrôle si un outil doit être appelé.
toolsarray—Définitions de tool calling conformes au schéma compatible.
top_p———

Questions fréquentes

Qu'est-ce que Gemini 4 Argon?

Gemini 4 Argon est un modèle de Google, publié le 13 octobre 2026. Il accepte en entrée du texte, des images, des vidéos, de l'audio et des PDF, et produit du texte. Sa fenêtre de contexte atteint 1 048 576 tokens, avec une limite de sortie de 65 536 tokens par défaut, extensible jusqu'à 1 048 576 tokens avec le long decode. Il intègre de nombreuses capacités : appels de fonctions, sorties structurées, exécution de code, recherche de fichiers, ancrage sur Google Maps et sur la recherche, compréhension agentique de vidéos, utilisation d'ordinateur en aperçu, ainsi qu'un raisonnement à niveaux faible, moyen et élevé. La mise en cache implicite offre une remise de 95 % sur les tokens d'entrée mis en cache. Le modèle se distingue par ses réponses de chat concises et peu répétitives, ses mises à jour fréquentes de progression sur les tâches longues, ainsi que par une fidélité de citation et une exactitude de formule élevées dans les travaux financiers et juridiques. Il obtient le meilleur score sur 14 des 18 benchmarks des évaluations internes de Google. Il est particulièrement adapté au codage, à la finance (rapprochement de grand livre multi-étapes, formules de tableur, analyse des écarts), au juridique (revue de jurisprudence et de documents réglementaires), à la cybersécurité défensive et à l'automatisation de la remédiation, à la robotique, ainsi qu'aux tâches de vision comme la détection d'objets, l'OCR et la génération de sorties structurées. Ses limites incluent l'absence de génération audio, de génération d'images, de Live API et de mise en cache explicite. Sa connaissance s'arrête en mars 2026 et peut donc être obsolète dans certains domaines. Comme tout modèle de fondation, il peut halluciner, et des problèmes occasionnels de latence et de timeout ont été signalés. Dans certaines conditions, il pourrait sensiblement affaiblir le contrôle humain sans mesures d'atténuation supplémentaires. Il a été déployé par étapes, d'abord auprès de cyberdéfenseurs de confiance via le programme Fairwind, et a participé au processus volontaire d'accès aux modèles avant publication du gouvernement américain. Google l'utilise pour une grande partie de son travail d'ingénierie interne.

Comment l'usage est-il facturé ?

Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.

Quels types d'entrées Gemini 4 Argon accepte-t-il ?

Il accepte du texte, des images, des vidéos, de l'audio et des PDF en entrée, et produit du texte en sortie.

Quelle est la taille de sa fenêtre de contexte et sa limite de sortie ?

Sa fenêtre de contexte est de 1 048 576 tokens. La sortie est limitée à 65 536 tokens par défaut, avec une extension possible jusqu'à 1 048 576 tokens grâce au long decode.

À quelles tâches est-il le plus adapté ?

Il est conçu pour le codage, la finance, le juridique, la cyberdéfense, la robotique et les tâches de vision comme la détection d'objets, l'OCR et la génération de sorties structurées.

Quelles sont ses principales limites ?

Il ne prend pas en charge la génération audio, la génération d'images, la Live API ni la mise en cache explicite. Ses connaissances s'arrêtent en mars 2026, et il peut présenter des hallucinations ou des problèmes occasionnels de latence.

Comment se situe-t-il face aux autres modèles de la série ?

Selon l'Artificial Analysis Intelligence Index, en mode raisonnement élevé, il est à égalité avec GPT-6 Astra et un point au-dessus de GPT-6.1 Sol et de Muse Wonder Max.

Modèles liés

Gemini 3.8 Flash

Googlegemini-3.8-flash

Gemini 3.8 Flash est le modèle Flash le plus intelligent de Google, conçu pour le raisonnement multimodal, les agents autonomes et les flux de travail d'entreprise complexes.

Ingénierie logicielle de longue haleineAgents autonomesFlux d'entreprise complexesOrchestration multi-étapes

Contexte

1.049M

Sortie max.

65.536K

Tokens d'entrée

$1.5 / 1M tokens

Tokens de sortie

$7.5 / 1M tokens

Gemma 4 26B A4B (free)

Googlegemma-4-26b-a4b-it:free

Modèle multimodal open-weight de Google DeepMind, avec une architecture Mixture-of-Experts de 26B paramètres totaux et 4B actifs, un contexte de 256K tokens et plus de 140 langues prises en charge.

assistance au code en IDEworkflows agentiquesrésolution de problèmes mathématiquesanalyse de documents et OCR

Contexte

262.144K

Sortie max.

32.768K

Tokens d'entrée

$0 / 1M tokens

Tokens de sortie

$0 / 1M tokens