Gemini 4 Argon es un modelo de razonamiento de Google para trabajo que combina un conjunto amplio de pruebas con un objetivo de varios pasos. Su rango publicado de entradas incluye texto, imágenes, audio, video y archivos como PDF, mientras que el resultado es texto. Esto permite reunir en una tarea una especificación, un gráfico, una captura de pantalla y material de apoyo, en lugar de depender de un resumen escrito de cada fuente.
Empiece con una pregunta clara y el artefacto que necesita al final. Una tarea de software puede solicitar un plan de cambios, los componentes afectados y criterios de verificación. Una tarea matemática puede pedir una derivación con suposiciones indicadas. Una tarea documental puede pedir una comparación que mantenga visibles las discrepancias entre texto, tablas y figuras.
La ventana de contexto publicada es de 1,048,576 tokens. Utilice esa capacidad para mantener junto el material pertinente, con nombres de documentos y límites de secciones que hagan inequívocas las referencias. Agrupe el material de apoyo en torno a la pregunta, en lugar de insertar archivos no relacionados solo porque hay espacio. Solicite que la respuesta distinga las pruebas proporcionadas en la tarea de las suposiciones introducidas durante el análisis.
La configuración publicada de razonamiento del modelo es obligatoria, con niveles de esfuerzo low, medium y high y medium como valor predeterminado enumerado. Elija un nivel según la profundidad del problema y defina qué debe establecer una respuesta satisfactoria. Una comparación factual breve necesita criterios de verificación distintos de un cambio de código que afecte a varios componentes.
Argon publica capacidades de llamadas a herramientas y salida estructurada guiada por esquemas. Son útiles cuando una aplicación proporciona herramientas para recuperar pruebas adicionales o necesita un resultado de análisis legible por máquinas. Mantenga diferenciada la actividad de herramientas propuesta por el modelo de la aplicación que la ejecuta y conserve las observaciones devueltas antes de solicitar la siguiente decisión. Para un resultado estructurado, defina los campos previstos en torno a la decisión empresarial: hallazgos, referencias de pruebas, suposiciones sin resolver y la acción recomendada.
Para una tarea de repositorio, proporcione el código fuente pertinente, el comportamiento que debe conservarse y las comprobaciones que deberían superarse. Solicite un plan de implementación enfocado o una revisión de un cambio concreto y después evalúe la propuesta resultante con esas comprobaciones. Para un informe técnico, presente las observaciones de base y pida una explicación que conecte cada conclusión con su material de apoyo.
Para documentos de medios combinados, incluya las tablas e imágenes que transmiten significado, en lugar de sustituirlas por una transcripción incompleta. La salida del modelo puede consolidar esas entradas en un informe legible, un conjunto de hallazgos extraídos o una lista de acciones. Las entradas de imagen y audio son pruebas para ese resultado textual; no convierten este registro en un modelo de generación de imágenes o voz.
El registro estándar Argon y las preguntas frecuentes de su página enumeran un límite de generación de 65,536 tokens. Especifique la profundidad y la organización esperadas de la respuesta antes de solicitar un resultado largo. Conserve el identificador estándar por separado del registro etiquetado como batch, porque sus asignaciones publicadas de generación difieren. Utilice los límites propios de la variante seleccionada al dividir el trabajo en respuestas.
google/gemini-4-argonGemini 4 Argon es el modelo de razonamiento multimodal de Google para ingeniería de software, trabajo matemático y científico y agentes de varios pasos. Combina texto, imágenes, audio, video y documentos en un contexto de 1,048,576 tokens y devuelve texto, con compatibilidad publicada con llamadas a herramientas y salida estructurada.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 4 Argon es un modelo de razonamiento de Google para trabajo que combina un conjunto amplio de pruebas con un objetivo de varios pasos. Su rango publicado de entradas incluye texto, imágenes, audio, video y archivos como PDF, mientras que el resultado es texto. Esto permite reunir en una tarea una especificación, un gráfico, una captura de pantalla y material de apoyo, en lugar de depender de un resumen escrito de cada fuente.
Empiece con una pregunta clara y el artefacto que necesita al final. Una tarea de software puede solicitar un plan de cambios, los componentes afectados y criterios de verificación. Una tarea matemática puede pedir una derivación con suposiciones indicadas. Una tarea documental puede pedir una comparación que mantenga visibles las discrepancias entre texto, tablas y figuras.
La ventana de contexto publicada es de 1,048,576 tokens. Utilice esa capacidad para mantener junto el material pertinente, con nombres de documentos y límites de secciones que hagan inequívocas las referencias. Agrupe el material de apoyo en torno a la pregunta, en lugar de insertar archivos no relacionados solo porque hay espacio. Solicite que la respuesta distinga las pruebas proporcionadas en la tarea de las suposiciones introducidas durante el análisis.
La configuración publicada de razonamiento del modelo es obligatoria, con niveles de esfuerzo low, medium y high y medium como valor predeterminado enumerado. Elija un nivel según la profundidad del problema y defina qué debe establecer una respuesta satisfactoria. Una comparación factual breve necesita criterios de verificación distintos de un cambio de código que afecte a varios componentes.
Argon publica capacidades de llamadas a herramientas y salida estructurada guiada por esquemas. Son útiles cuando una aplicación proporciona herramientas para recuperar pruebas adicionales o necesita un resultado de análisis legible por máquinas. Mantenga diferenciada la actividad de herramientas propuesta por el modelo de la aplicación que la ejecuta y conserve las observaciones devueltas antes de solicitar la siguiente decisión. Para un resultado estructurado, defina los campos previstos en torno a la decisión empresarial: hallazgos, referencias de pruebas, suposiciones sin resolver y la acción recomendada.
Para una tarea de repositorio, proporcione el código fuente pertinente, el comportamiento que debe conservarse y las comprobaciones que deberían superarse. Solicite un plan de implementación enfocado o una revisión de un cambio concreto y después evalúe la propuesta resultante con esas comprobaciones. Para un informe técnico, presente las observaciones de base y pida una explicación que conecte cada conclusión con su material de apoyo.
Para documentos de medios combinados, incluya las tablas e imágenes que transmiten significado, en lugar de sustituirlas por una transcripción incompleta. La salida del modelo puede consolidar esas entradas en un informe legible, un conjunto de hallazgos extraídos o una lista de acciones. Las entradas de imagen y audio son pruebas para ese resultado textual; no convierten este registro en un modelo de generación de imágenes o voz.
El registro estándar Argon y las preguntas frecuentes de su página enumeran un límite de generación de 65,536 tokens. Especifique la profundidad y la organización esperadas de la respuesta antes de solicitar un resultado largo. Conserve el identificador estándar por separado del registro etiquetado como batch, porque sus asignaciones publicadas de generación difieren. Utilice los límites propios de la variante seleccionada al dividir el trabajo en respuestas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-4-argon | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.008 / 1K tokens Salida · Tokens de salida $0.04 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"google/gemini-4-argon","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="google/gemini-4-argon", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra google/gemini-4-argon
/chat/completions
google/gemini-4-argonGemini 4 Argon es el modelo de razonamiento multimodal de Google para ingeniería de software, trabajo matemático y científico y agentes de varios pasos. Combina texto, imágenes, audio, video y documentos en un contexto de 1,048,576 tokens y devuelve texto, con compatibilidad publicada con llamadas a herramientas y salida estructurada.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 4 Argon es un modelo de razonamiento de Google para trabajo que combina un conjunto amplio de pruebas con un objetivo de varios pasos. Su rango publicado de entradas incluye texto, imágenes, audio, video y archivos como PDF, mientras que el resultado es texto. Esto permite reunir en una tarea una especificación, un gráfico, una captura de pantalla y material de apoyo, en lugar de depender de un resumen escrito de cada fuente.
Empiece con una pregunta clara y el artefacto que necesita al final. Una tarea de software puede solicitar un plan de cambios, los componentes afectados y criterios de verificación. Una tarea matemática puede pedir una derivación con suposiciones indicadas. Una tarea documental puede pedir una comparación que mantenga visibles las discrepancias entre texto, tablas y figuras.
La ventana de contexto publicada es de 1,048,576 tokens. Utilice esa capacidad para mantener junto el material pertinente, con nombres de documentos y límites de secciones que hagan inequívocas las referencias. Agrupe el material de apoyo en torno a la pregunta, en lugar de insertar archivos no relacionados solo porque hay espacio. Solicite que la respuesta distinga las pruebas proporcionadas en la tarea de las suposiciones introducidas durante el análisis.
La configuración publicada de razonamiento del modelo es obligatoria, con niveles de esfuerzo low, medium y high y medium como valor predeterminado enumerado. Elija un nivel según la profundidad del problema y defina qué debe establecer una respuesta satisfactoria. Una comparación factual breve necesita criterios de verificación distintos de un cambio de código que afecte a varios componentes.
Argon publica capacidades de llamadas a herramientas y salida estructurada guiada por esquemas. Son útiles cuando una aplicación proporciona herramientas para recuperar pruebas adicionales o necesita un resultado de análisis legible por máquinas. Mantenga diferenciada la actividad de herramientas propuesta por el modelo de la aplicación que la ejecuta y conserve las observaciones devueltas antes de solicitar la siguiente decisión. Para un resultado estructurado, defina los campos previstos en torno a la decisión empresarial: hallazgos, referencias de pruebas, suposiciones sin resolver y la acción recomendada.
Para una tarea de repositorio, proporcione el código fuente pertinente, el comportamiento que debe conservarse y las comprobaciones que deberían superarse. Solicite un plan de implementación enfocado o una revisión de un cambio concreto y después evalúe la propuesta resultante con esas comprobaciones. Para un informe técnico, presente las observaciones de base y pida una explicación que conecte cada conclusión con su material de apoyo.
Para documentos de medios combinados, incluya las tablas e imágenes que transmiten significado, en lugar de sustituirlas por una transcripción incompleta. La salida del modelo puede consolidar esas entradas en un informe legible, un conjunto de hallazgos extraídos o una lista de acciones. Las entradas de imagen y audio son pruebas para ese resultado textual; no convierten este registro en un modelo de generación de imágenes o voz.
El registro estándar Argon y las preguntas frecuentes de su página enumeran un límite de generación de 65,536 tokens. Especifique la profundidad y la organización esperadas de la respuesta antes de solicitar un resultado largo. Conserve el identificador estándar por separado del registro etiquetado como batch, porque sus asignaciones publicadas de generación difieren. Utilice los límites propios de la variante seleccionada al dividir el trabajo en respuestas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-4-argon | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.008 / 1K tokens Salida · Tokens de salida $0.04 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "google/gemini-4-argon",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-4-argon', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-4-argon', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra google/gemini-4-argon
/chat/completions