Gemini 4 Argon
GeminiFlagship
RaisonnementOutilsVisionSortie structurée
À propos de ce modèle
Gemini 4 Argon is Google's flagship reasoning model, built for complex software engineering, deep mathematical and scientific problem solving, and autonomous multi-step agents. Google trained it to keep context across...
Catégorie de performance
Flagship
Gemini 4 Argon est un modèle flagship de Gemini : le plus performant de leur gamme.
Meilleur modèle de ce fournisseur. Performances maximales sur les benchmarks, idéal pour les tâches exigeantes.
Tarification
Ce modèle est inclus dans les plans ElosiaÉlevé
Tarification élevée. Réservez ce niveau aux tâches qui exigent une qualité maximale.
| Type | par 1M tokens |
|---|---|
| Entrée (prompt) | $2.00 |
| Sortie (complétion) | $10.00 |
| Image | $2.00 |
| Raisonnement interne | $10.00 |
| Lecture cache | $0.100 |
| Écriture cache | $0.188 |
Capacités
Taille du contexte1.0M
Tokens de sortie max66K
TokenizerGemini
Entréeaudio, file, image, text, video
Sortietext
Date de sortie13 octobre 2026
Benchmarks
Intelligence générale
MMLU
Non reporté
GPQA Diamond
Non reporté
Mathématiques
MATH-500
Non reporté
Programmation
HumanEval
Non reporté
SWE-bench Verified
Non reporté
Raisonnement
IFEval
Non reporté
Humanity's Last Exam
57.1%
Agentique
Terminal-Bench 4.0
57.4%
Où se situe Gemini 4 Argon ?
Comparez son indice de performance à tous les autres modèles.
Usages recommandés
ProgrammationRechercheAnalyseMathématiquesExtraction de donnéesRésumé
Points forts
- Modèle de raisonnement flagship de Google, conçu pour l'ingénierie logicielle complexe, les maths et les sciences, et les agents autonomes multi-étapes
- Vals Index 68,9%, devant GPT-6 Astra, Claude Fable 5.1 et Claude Opus 5.5 dans la comparaison publiée par Google
- En tête sur Finance Agent v2 (65,4%), Vibe Code Bench (91,9%) et DeepSWE v1.1 (77,9%) parmi les modèles frontière comparés
- Fenêtre de contexte unifiée de 1M tokens, avec 64K tokens de sortie sur Elosia
- Entrée nativement multimodale couvrant texte, images, vidéo, audio et PDF, avec une solide compréhension des vidéos longues (LVBench 91,7%)
- Taux d'hallucination de 15,1% sur AA-Omniscience, loin sous GPT-6 Astra (51,3%) et Claude Opus 5.5 (58,6%) selon Artificial Analysis
Limites
- Thinking sans réglage off (low, medium ou high seulement), avec de longues sorties de raisonnement, ce qui augmente la latence et le coût de sortie
- Le caching explicite n'est pas supporté, seulement le caching implicite
- Google ne publie aucun score GPQA Diamond, MMLU, AIME ni SWE-bench Verified ; sa suite officielle repose sur des évaluations agentiques et métier
- Chiffres Google auto-déclarés et score Humanity's Last Exam issu d'Artificial Analysis ; Argon est dernier des quatre modèles comparés par Google sur Terminal-Bench 4.0 et sur FrontierSWE v2
- Précision factuelle AA-Omniscience de 50%, sous Gemini 3.1 Pro Preview et GPT-6 Astra
Questions fréquentes
Ressources
Ce modèle peut utiliser vos données pour l'entraînement
