Google: Gemini 4 Argon
Gemini 4 Argon er Googles multimodale resonneringsmodell for programvareutvikling, matematisk og vitenskapelig arbeid og agenter med flere trinn. Den kombinerer tekst, bilder, lyd, video og dokumenter innenfor en kontekst på 1 048 576 tokener og returnerer tekst, med publisert støtte for verktøykall og strukturerte utdata.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsgoogle/gemini-4-argon - Ailoot Ultra · Anthropic Messages
POST /v1/messagesgoogle/gemini-4-argon
Om modellen
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Gemini 4 Argon er en resonneringsmodell fra Google for arbeid som kombinerer et stort underlag med et mål som krever flere trinn. Det publiserte inndataområdet inkluderer tekst, bilder, lyd, video og filer som PDF-er, mens resultatet er tekst. Dette lar en oppgave samle en spesifikasjon, et diagram, et skjermbilde og støttemateriale fremfor å være avhengig av en skriftlig oppsummering av hver kilde.
Gi modellen et underlag og et resultat som skal leveres
Begynn med et tydelig spørsmål og sluttresultatet du trenger. En programvareoppgave kan be om en endringsplan, berørte komponenter og verifiseringskriterier. En matematisk oppgave kan be om en utledning med oppgitte forutsetninger. En dokumentoppgave kan be om en sammenligning som holder uenigheter mellom tekst, tabeller og figurer synlige.
Det publiserte kontekstvinduet er 1 048 576 tokener. Bruk kapasiteten til å holde relevant materiale samlet, med dokumentnavn og avsnittsgrenser som gjør referansene entydige. Grupper støttematerialet rundt spørsmålet fremfor å sette inn urelaterte filer bare fordi det er plass. Be svaret skille underlaget som er gitt i oppgaven fra antakelser som introduseres under analysen.
Resonnering, verktøy og strukturerte resultater
Modellens publiserte resonneringskonfigurasjon er obligatorisk, med innsatsnivåene low, medium og high og medium som oppgitt standard. Velg et nivå ut fra problemets dybde og definer hva et vellykket svar må fastslå. En kort faktasammenligning trenger andre verifiseringskriterier enn en kodeendring som påvirker flere komponenter.
Argon publiserer funksjoner for verktøykall og skjemastyrte strukturerte utdata. Disse er nyttige når en applikasjon tilbyr verktøy for å hente inn ytterligere underlag eller trenger et maskinlesbart analyseresultat. Hold modellens foreslåtte verktøyaktivitet atskilt fra applikasjonen som utfører den, og bevar de returnerte observasjonene før du ber om neste beslutning. For et strukturert resultat kan du definere de ønskede feltene rundt forretningsbeslutningen: funn, referanser til underlaget, uløste antakelser og anbefalt handling.
Arbeidsflyter for utvikling og dokumenter
For en oppgave i et kodelager kan du oppgi den relevante kildekoden, atferden som skal bevares, og kontrollene som bør bestås. Be om en fokusert implementeringsplan eller en gjennomgang av en konkret endring, og vurder deretter forslaget mot disse kontrollene. For en teknisk rapport kan du presentere de underliggende observasjonene og be om en forklaring som knytter hver konklusjon til støttematerialet.
For blandede dokumenter kan du inkludere tabellene og bildene som bærer betydning, fremfor å erstatte dem med en ufullstendig transkripsjon. Modellens utdata kan samle disse inndataene til en lesbar rapport, et sett med uttrukne funn eller en handlingsliste. Bilde- og lydinndata er underlag for dette tekstresultatet; de gjør ikke denne oppføringen til en modell for bilde- eller talegenerering.
Planlegge utdata
Standardoppføringen for Argon og modellsidens vanlige spørsmål angir en fullføringsgrense på 65 536 tokener. Angi forventet dybde og oppsett for svaret før du ber om et langt resultat. Bevar standardidentifikatoren separat fra den batch-merkede oppføringen, fordi de publiserte fullføringsrammene er forskjellige. Bruk den valgte variantens egne grenser når du fordeler arbeidet på svar.
Funksjoner
- Multimodal tekstresonnering om tekst, bilder, lyd, video og PDF-dokumenter.
- Publisert kontekst på 1 048 576 tokener og standard fullføringsgrense på 65 536 tokener.
- Obligatorisk resonnering med innsatsnivåene low, medium og high.
- Verktøykall for applikasjonskontrollerte arbeidsflyter med flere trinn.
- Skjemastyrte strukturerte tekstutdata.
Bruksområder
- Analyse av endringer i kodelageret — Relevante filer, ønsket atferd og verifiseringskriterier. Resultat: En fokusert endringsplan eller gjennomgang knyttet til den oppgitte koden.
- Syntese av blandede dokumenter — Dokumenter, tabeller, diagrammer og et presist sammenligningsspørsmål. Resultat: En tekstrapport som beholder underlaget bak hver konklusjon.
- Matematisk undersøkelse — En problemstilling, forutsetninger og den påkrevde svarformen. Resultat: En utledning eller analyse med trinn som kan kontrolleres.
- Verktøydrevet agent — Et mål, kontrollerte verktøy og observasjonene som verktøyene returnerer. Resultat: Påfølgende begrunnede beslutninger mot et definert sluttresultat.
Begrensninger
- Kontekst — Publisert kontekstvindu: 1 048 576 tokener.
- Standardsvar — Publisert standard fullføringsgrense: 65 536 tokener.
- Resonnering — Resonnering er obligatorisk; de publiserte innsatsnivåene er low, medium og high, med medium som standard.
- Utdatafamilie — Det publiserte resultatet er tekst; multimodale inndata støtter analyse av oppgitt underlag.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions google/gemini-4-argon
google/gemini-4-argonStart
Gemini 4 Argon er Googles multimodale resonneringsmodell for programvareutvikling, matematisk og vitenskapelig arbeid og agenter med flere trinn. Den kombinerer tekst, bilder, lyd, video og dokumenter innenfor en kontekst på 1 048 576 tokener og returnerer tekst, med publisert støtte for verktøykall og strukturerte utdata.
- Godkjente inndata
- Tekst
- Resultater
- Tekst
Tilgjengelig i Ailoot · inndata & metoder
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- Inndatatyper
text- Utdatatyper
text- Utdataformat
- json eller SSE
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-4-argon | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Kombinasjoner av inngående materialer
Tekst · UTF8-tekst
messages[].content
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream |
Parametercontrol_scope | AvtaleTekstsamtale; stream er en boolsk verdi med false som standard. |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Metodealiaser: /chat/completions
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Priser
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
- Hurtigmodus
- Ikke angitt Når hurtigmodus er valgt
- Flex-modus
- Ikke angitt Når flex-modus er valgt
- Maksimal resonneringsinnsats
- Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats
- Priser for eksplisitt mellomlagring
- Ikke aktivert Når eksplisitt mellomlagring forespørres
Ailoot-satser
Priser etter konfigurasjon
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Eksempelforespørsler
Ailoot Ultra · OpenAI Chat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"google/gemini-4-argon","messages":[{"role":"user","content":"hello"}],"stream":false}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os
if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="google/gemini-4-argon", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path
def save_result(data, stem="result"):
# Keep every field, including usage, IDs, reasoning and tool requests.
Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
print(json.dumps(data, ensure_ascii=False, indent=2))
def save_blob(encoded, suffix, label):
raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
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
file = Path(stem + "-" + label + "." + ext)
file.write_bytes(raw)
print("Saved", file)
for index, block in enumerate(data.get("content") or []):
print("Content", index, json.dumps(block, ensure_ascii=False))
for choice in data.get("choices") or []:
print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
for index, item in enumerate(data.get("output") or []):
print("Output", index, json.dumps(item, ensure_ascii=False))
if item.get("type") == "image_generation_call" and item.get("result"):
save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
for ci, candidate in enumerate(data.get("candidates") or []):
for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
blob = part.get("inlineData") or part.get("inline_data")
if blob and blob.get("data"):
mime = blob.get("mimeType") or blob.get("mime_type")
suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))
save_result(result.to_dict(mode="json"))
Motta og lagre resultater
Ailoot Ultra · OpenAI Chat
json eller SSE
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Hvis det opprinnelige svaret må kontrolleres
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
Svarfelter
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
Feil og neste trinn
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Aliaser
Modellaliaser
Ailoot Ultra google/gemini-4-argon
Aliaser for metodestier
/chat/completions
Tilknyttede anroper-ID-er
Ailoot Ultra · Anthropic Messages POST /v1/messages google/gemini-4-argon
google/gemini-4-argonStart
Gemini 4 Argon er Googles multimodale resonneringsmodell for programvareutvikling, matematisk og vitenskapelig arbeid og agenter med flere trinn. Den kombinerer tekst, bilder, lyd, video og dokumenter innenfor en kontekst på 1 048 576 tokener og returnerer tekst, med publisert støtte for verktøykall og strukturerte utdata.
- Godkjente inndata
- Tekst
- Resultater
- json · sse
Tilgjengelig i Ailoot · inndata & metoder
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Inndatatyper
text- Utdatatyper
json,sse- Utdataformat
- JSON eller SSE
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-4-argon | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Kombinasjoner av inngående materialer
Tekst · UTF-8-tekst
messages[].content-streng
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Priser
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
- Hurtigmodus
- Ikke angitt Når hurtigmodus er valgt
- Flex-modus
- Ikke angitt Når flex-modus er valgt
- Maksimal resonneringsinnsats
- Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats
- Priser for eksplisitt mellomlagring
- Ikke aktivert Når eksplisitt mellomlagring forespørres
Ailoot-satser
Priser etter konfigurasjon
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Eksempelforespørsler
Ailoot Ultra · Anthropic Messages
{
"model": "google/gemini-4-argon",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'google/gemini-4-argon', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
-H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'google/gemini-4-argon', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError
api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
with urlopen(request, timeout=120) as response:
raw = response.read()
Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
Path('result.json').write_bytes(error.read())
Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
Motta og lagre resultater
Ailoot Ultra · Anthropic Messages
JSON eller SSE
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Hvis det opprinnelige svaret må kontrolleres
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
Svarfelter
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
Feil og neste trinn
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Aliaser
Modellaliaser
Ailoot Ultra google/gemini-4-argon
Aliaser for metodestier
/chat/completions
Tilknyttede anroper-ID-er
FAQ · Google: Gemini 4 Argon
- Hvilke inndata og resultater er tilgjengelige?
POST /v1/chat/completions·google/gemini-4-argon:text→textPOST /v1/messages·google/gemini-4-argon:text→json,sse- Hvilke felt bruker forespørselen?
POST /v1/chat/completions·google/gemini-4-argon:model,messages,streamPOST /v1/messages·google/gemini-4-argon:model,messages,max_tokens,stream- Hvilke grenser gjelder?
POST /v1/chat/completions·google/gemini-4-argon:messages.min_items:1