Gemini 4 Argon est un modèle de raisonnement de Google pour les travaux associant un vaste ensemble d’éléments probants à un objectif à plusieurs étapes. Ses types d’entrée publiés comprennent le texte, les images, l’audio, la vidéo et des fichiers comme les PDF, tandis que le résultat est du texte. Une tâche peut ainsi réunir une spécification, un graphique, une capture d’écran et des documents justificatifs plutôt que de dépendre d’un résumé écrit de chaque source.
Commencez par une question claire et le livrable nécessaire à la fin. Une tâche logicielle peut demander un plan de modification, les composants concernés et les critères de vérification. Une tâche mathématique peut demander une dérivation avec des hypothèses explicites. Une tâche documentaire peut demander une comparaison qui garde visibles les désaccords entre texte, tableaux et figures.
La fenêtre de contexte publiée est de 1 048 576 tokens. Utilisez cette capacité pour garder les éléments pertinents ensemble, avec des noms de documents et des limites de sections rendant les références non ambiguës. Regroupez les documents justificatifs autour de la question plutôt que d’insérer des fichiers sans rapport simplement parce qu’il reste de la place. Demandez à la réponse de distinguer les éléments fournis dans la tâche des hypothèses introduites pendant l’analyse.
La configuration publiée du raisonnement du modèle est obligatoire, avec les niveaux d’effort low, medium et high, et medium comme valeur par défaut indiquée. Choisissez un niveau selon la profondeur du problème et définissez ce qu’une réponse réussie doit établir. Une courte comparaison factuelle demande des critères de vérification différents de ceux d’une modification de code touchant plusieurs composants.
Argon publie des capacités d’appels d’outils et de sortie structurée guidée par schéma. Elles sont utiles lorsqu’une application fournit des outils pour récupérer des éléments supplémentaires ou a besoin d’un résultat d’analyse lisible par machine. Distinguez l’activité d’outil proposée par le modèle de l’application qui l’exécute et conservez les observations renvoyées avant de demander la décision suivante. Pour un résultat structuré, définissez les champs autour de la décision métier : constats, références justificatives, hypothèses non résolues et action recommandée.
Pour une tâche sur un dépôt, fournissez les sources pertinentes, le comportement à préserver et les vérifications qui devraient réussir. Demandez un plan d’implémentation ciblé ou l’examen d’une modification concrète, puis évaluez la proposition obtenue selon ces vérifications. Pour un rapport technique, présentez les observations sous-jacentes et demandez une explication reliant chaque conclusion à ses documents justificatifs.
Pour des documents mixtes, incluez les tableaux et images porteurs de sens plutôt que de les remplacer par une transcription incomplète. La sortie du modèle peut regrouper ces entrées en un rapport lisible, un ensemble de constats extraits ou une liste d’actions. Les images et l’audio en entrée constituent des éléments pour ce résultat textuel ; ils ne transforment pas cette entrée de catalogue en modèle de génération d’images ou de parole.
L’entrée standard Argon et la FAQ de sa page de modèle indiquent une limite de complétion de 65 536 tokens. Précisez la profondeur et la présentation attendues de la réponse avant de demander un résultat long. Conservez l’identifiant standard séparément de l’entrée étiquetée batch, car leurs capacités publiées de complétion diffèrent. Utilisez les limites propres à la variante sélectionnée lorsque vous répartissez le travail en réponses.
google/gemini-4-argonGemini 4 Argon est le modèle multimodal de raisonnement de Google pour le génie logiciel, les mathématiques, les sciences et les agents à plusieurs étapes. Il associe texte, images, audio, vidéo et documents dans un contexte de 1 048 576 tokens et renvoie du texte, avec prise en charge publiée des appels d’outils et de la sortie structurée.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 4 Argon est un modèle de raisonnement de Google pour les travaux associant un vaste ensemble d’éléments probants à un objectif à plusieurs étapes. Ses types d’entrée publiés comprennent le texte, les images, l’audio, la vidéo et des fichiers comme les PDF, tandis que le résultat est du texte. Une tâche peut ainsi réunir une spécification, un graphique, une capture d’écran et des documents justificatifs plutôt que de dépendre d’un résumé écrit de chaque source.
Commencez par une question claire et le livrable nécessaire à la fin. Une tâche logicielle peut demander un plan de modification, les composants concernés et les critères de vérification. Une tâche mathématique peut demander une dérivation avec des hypothèses explicites. Une tâche documentaire peut demander une comparaison qui garde visibles les désaccords entre texte, tableaux et figures.
La fenêtre de contexte publiée est de 1 048 576 tokens. Utilisez cette capacité pour garder les éléments pertinents ensemble, avec des noms de documents et des limites de sections rendant les références non ambiguës. Regroupez les documents justificatifs autour de la question plutôt que d’insérer des fichiers sans rapport simplement parce qu’il reste de la place. Demandez à la réponse de distinguer les éléments fournis dans la tâche des hypothèses introduites pendant l’analyse.
La configuration publiée du raisonnement du modèle est obligatoire, avec les niveaux d’effort low, medium et high, et medium comme valeur par défaut indiquée. Choisissez un niveau selon la profondeur du problème et définissez ce qu’une réponse réussie doit établir. Une courte comparaison factuelle demande des critères de vérification différents de ceux d’une modification de code touchant plusieurs composants.
Argon publie des capacités d’appels d’outils et de sortie structurée guidée par schéma. Elles sont utiles lorsqu’une application fournit des outils pour récupérer des éléments supplémentaires ou a besoin d’un résultat d’analyse lisible par machine. Distinguez l’activité d’outil proposée par le modèle de l’application qui l’exécute et conservez les observations renvoyées avant de demander la décision suivante. Pour un résultat structuré, définissez les champs autour de la décision métier : constats, références justificatives, hypothèses non résolues et action recommandée.
Pour une tâche sur un dépôt, fournissez les sources pertinentes, le comportement à préserver et les vérifications qui devraient réussir. Demandez un plan d’implémentation ciblé ou l’examen d’une modification concrète, puis évaluez la proposition obtenue selon ces vérifications. Pour un rapport technique, présentez les observations sous-jacentes et demandez une explication reliant chaque conclusion à ses documents justificatifs.
Pour des documents mixtes, incluez les tableaux et images porteurs de sens plutôt que de les remplacer par une transcription incomplète. La sortie du modèle peut regrouper ces entrées en un rapport lisible, un ensemble de constats extraits ou une liste d’actions. Les images et l’audio en entrée constituent des éléments pour ce résultat textuel ; ils ne transforment pas cette entrée de catalogue en modèle de génération d’images ou de parole.
L’entrée standard Argon et la FAQ de sa page de modèle indiquent une limite de complétion de 65 536 tokens. Précisez la profondeur et la présentation attendues de la réponse avant de demander un résultat long. Conservez l’identifiant standard séparément de l’entrée étiquetée batch, car leurs capacités publiées de complétion diffèrent. Utilisez les limites propres à la variante sélectionnée lorsque vous répartissez le travail en réponses.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-4-argon | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.008 / 1K tokens Sortie · Tokens en sortie $0.04 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra google/gemini-4-argon
/chat/completions
google/gemini-4-argonGemini 4 Argon est le modèle multimodal de raisonnement de Google pour le génie logiciel, les mathématiques, les sciences et les agents à plusieurs étapes. Il associe texte, images, audio, vidéo et documents dans un contexte de 1 048 576 tokens et renvoie du texte, avec prise en charge publiée des appels d’outils et de la sortie structurée.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 4 Argon est un modèle de raisonnement de Google pour les travaux associant un vaste ensemble d’éléments probants à un objectif à plusieurs étapes. Ses types d’entrée publiés comprennent le texte, les images, l’audio, la vidéo et des fichiers comme les PDF, tandis que le résultat est du texte. Une tâche peut ainsi réunir une spécification, un graphique, une capture d’écran et des documents justificatifs plutôt que de dépendre d’un résumé écrit de chaque source.
Commencez par une question claire et le livrable nécessaire à la fin. Une tâche logicielle peut demander un plan de modification, les composants concernés et les critères de vérification. Une tâche mathématique peut demander une dérivation avec des hypothèses explicites. Une tâche documentaire peut demander une comparaison qui garde visibles les désaccords entre texte, tableaux et figures.
La fenêtre de contexte publiée est de 1 048 576 tokens. Utilisez cette capacité pour garder les éléments pertinents ensemble, avec des noms de documents et des limites de sections rendant les références non ambiguës. Regroupez les documents justificatifs autour de la question plutôt que d’insérer des fichiers sans rapport simplement parce qu’il reste de la place. Demandez à la réponse de distinguer les éléments fournis dans la tâche des hypothèses introduites pendant l’analyse.
La configuration publiée du raisonnement du modèle est obligatoire, avec les niveaux d’effort low, medium et high, et medium comme valeur par défaut indiquée. Choisissez un niveau selon la profondeur du problème et définissez ce qu’une réponse réussie doit établir. Une courte comparaison factuelle demande des critères de vérification différents de ceux d’une modification de code touchant plusieurs composants.
Argon publie des capacités d’appels d’outils et de sortie structurée guidée par schéma. Elles sont utiles lorsqu’une application fournit des outils pour récupérer des éléments supplémentaires ou a besoin d’un résultat d’analyse lisible par machine. Distinguez l’activité d’outil proposée par le modèle de l’application qui l’exécute et conservez les observations renvoyées avant de demander la décision suivante. Pour un résultat structuré, définissez les champs autour de la décision métier : constats, références justificatives, hypothèses non résolues et action recommandée.
Pour une tâche sur un dépôt, fournissez les sources pertinentes, le comportement à préserver et les vérifications qui devraient réussir. Demandez un plan d’implémentation ciblé ou l’examen d’une modification concrète, puis évaluez la proposition obtenue selon ces vérifications. Pour un rapport technique, présentez les observations sous-jacentes et demandez une explication reliant chaque conclusion à ses documents justificatifs.
Pour des documents mixtes, incluez les tableaux et images porteurs de sens plutôt que de les remplacer par une transcription incomplète. La sortie du modèle peut regrouper ces entrées en un rapport lisible, un ensemble de constats extraits ou une liste d’actions. Les images et l’audio en entrée constituent des éléments pour ce résultat textuel ; ils ne transforment pas cette entrée de catalogue en modèle de génération d’images ou de parole.
L’entrée standard Argon et la FAQ de sa page de modèle indiquent une limite de complétion de 65 536 tokens. Précisez la profondeur et la présentation attendues de la réponse avant de demander un résultat long. Conservez l’identifiant standard séparément de l’entrée étiquetée batch, car leurs capacités publiées de complétion diffèrent. Utilisez les limites propres à la variante sélectionnée lorsque vous répartissez le travail en réponses.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-4-argon | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.008 / 1K tokens Sortie · Tokens en sortie $0.04 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "google/gemini-4-argon",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra google/gemini-4-argon
/chat/completions