O que você pode fazer hoje com o Google Argon: guia prático do Gemini 4 Argon

18 de outubro de 2026

Um complemento prático da nossa cronologia do Argon. Cada capacidade abaixo está amarrada a uma página de documentação, um post do blog ou uma publicação oficial no X do Google, e cada seção termina com um primeiro passo concreto.

Em 18 de out. de 2026 você pode usar o Gemini 4 Argon pela API paga do Gemini e pelo Google AI Studio, no Antigravity e no aplicativo Gemini e no Modo IA com o plano Google AI adequado, com até 1 M de tokens de saída numa única resposta por execução em segundo plano, mas não para geração de imagem ou áudio, a Live API nem cache de contexto explícito.

Lido em 2026-10-18: a página do modelo e a página «What’s new» da API do Gemini (última atualização 2026-10-16 UTC), o model card da DeepMind, o post do blog do Google de 13 de out. e as publicações oficiais no X de @GeminiApp, @Google, @antigravity e @GoogleDeepMind. Não executamos o Argon por conta própria; os exemplos de código são do Google, adaptados apenas por corte. A elegibilidade dos planos e as cotas mudam com frequência, então confira a sua conta antes de contar com qualquer coisa daqui.

Ponto de partida: o que é o Argon

O Gemini 4 Argon é o modelo de raciocínio de referência do Google, com o id de API gemini-4-argon. O texto da cronologia traz o registro datado de como ele foi lançado. Este texto é sobre uso. O modelo recebe como entrada texto, imagens, vídeo, áudio e PDFs e devolve texto. A página do modelo do Google lista como suportados execução de código, chamada de funções, saídas estruturadas, busca em arquivos, grounding com a Pesquisa, Grounding with Google Maps, contexto de URL e uso do computador (marcado como Preview), e lista como não suportados geração de imagem, geração de áudio e a Live API. O cache de contexto explícito também não é suportado; o implícito é.

Esses limites definem o que significa «fazer algo com o Argon». Ele pode escrever o código, raciocinar sobre os documentos, planejar os passos e conduzir outras ferramentas, mas quando você vê imagens, modelos 3D ou voz nas demonstrações do Google, outros modelos ou ferramentas as produziram. O próprio blog diz isso: o jogo de corrida de mesa usou o Blender via MCP para modelagem, o Nano Banana para texturas e o Gemini Omni Flash para o áudio do motor, com o Argon orquestrando. Trate o Argon como o planejador e programador dessa pilha.

1. Chame-o pela API do Gemini (desenvolvedores)

O acesso à API é do nível pago; a documentação do Google afirma que o Argon não está disponível no nível gratuito. Crie uma chave de API no Google AI Studio e envie uma requisição à Interactions API. O quickstart do Google tem três linhas em Python: criar um cliente, chamar client.interactions.create com model igual a gemini-4-argon e uma string de entrada, e imprimir interaction.output_text. O exemplo que o Google usa é um prompt para escrever um script three.js que renderiza um buraco negro 3D com lente gravitacional, que serve também de teste rápido, já que num navegador dá para ver se renderizou.

O nível de raciocínio padrão documentado é médio, com limite de saída padrão de 65 536 tokens. O Google manda remover temperature, top_p e top_k das suas requisições, porque são ignorados, e elevar qualquer max_output_tokens explícito abaixo de 32 K para pelo menos 32 768, já que o Argon pode gastar mais do limite pensando do que os modelos anteriores. Os timeouts dos clientes HTTP devem ser de pelo menos 15 minutos para prompts difíceis, ou então use a execução em segundo plano.

Pegue uma chave do nível pago no Google AI Studio e exporte-a como GEMINI_API_KEY.
Envie a requisição do quickstart com o modelo gemini-4-argon e uma tarefa cujo resultado você consiga verificar, como uma pequena cena three.js ou um teste unitário que falha.
Rode o mesmo prompt com thinking_level low, medium e high, e anote qualidade, latência e uso de tokens. O Google aconselha escolher o nível mais baixo que atenda ao seu critério.
Mantenha o estado de várias rodadas no servidor com previous_interaction_id, como recomenda a checklist de migração.

2. Use os níveis de raciocínio como botão de custo e qualidade

O Google descreve três níveis. O baixo usa menos tokens e tem a menor latência, adequado a tarefas simples e a trabalho sensível a custo, com qualidade que pode cair em tarefas difíceis. O médio é o padrão e a escolha recomendada para a maioria das tarefas, incluindo código complexo e uso agêntico. O alto usa mais tokens e tem o primeiro token mais lento, e é voltado a raciocínio difícil, matemática, ciência e às tarefas de código ou de agentes mais difíceis. O Google recomenda rodar a sua própria avaliação nos três níveis.

Como os tokens de raciocínio são cobrados como tokens de saída, a US$ 10 por milhão até 30 de novembro de 2026 e a US$ 20 por milhão depois, o nível também é o seu controle de preço. O cache implícito vem ativado por padrão para prompts de pelo menos 4096 tokens e dá 95 % de desconto na entrada em cache quando há acerto, então deixe as instruções longas e estáveis no início do prompt e varie só o final.

3. Gere saídas muito longas com a decodificação longa

A capacidade de destaque é uma única resposta de mais de 64K tokens, até 1 M de tokens menos a sua entrada, dentro de uma janela compartilhada de 1 048 576 tokens para entrada, raciocínio e saída. O método é a execução em segundo plano: defina background como true e max_output_tokens acima de 65 536 em generation_config. O exemplo do Google pede uma prova completa e rigorosa do teorema dos números primos com max_output_tokens de 262 144 e thinking_level high. O modelo gera em saltos de até 64K tokens, cada um continuando o anterior, e os servidores do Google executam os saltos por você.

Há duas armadilhas práticas documentadas na página. Primeira: se você define background como true sem max_output_tokens, o servidor para depois de 64K tokens. Segunda: cada salto acrescenta uma etapa model_output, então você precisa juntar o texto de todas elas quando o status da interação deixar de ser in_progress ou queued. Consulte com interactions.get a cada poucos segundos, como o exemplo faz. A decodificação longa serve para tarefas em que o tamanho é o ponto, como um plano de refatoração de vários arquivos, um rascunho longo de prova ou a reescrita de um documento grande; para perguntas comuns, o padrão é mais barato.

Copie o exemplo de decodificação longa do Google para a sua linguagem.
Defina max_output_tokens em 131 072 ou 262 144, que é a faixa que o Google sugere para raciocínio e programação complexos.
Consulte até o status sair de in_progress e queued e depois junte o texto de todas as etapas model_output.
Confira o uso na resposta para ver quanto a execução custou antes de escalar.

4. Rode-o como agente no Antigravity ou no Managed Agents

O Google diz que o Argon no Antigravity ajudou equipes a aumentar em mais de 35 % os envios de código agêntico e a reduzir em quase um terço as reversões; é uma alegação interna do Google que não testamos. O que dá para fazer hoje é mais modesto. Se você é assinante do Google AI Ultra, o blog diz que pode experimentar o Argon no Antigravity e no AI Studio. Em 15 de outubro a conta oficial @antigravity disse que o Argon também foi liberado para assinantes pagos do Google AI Pro, com uma cota semanal de Argon à parte, ao lado da cota de Flash existente.

Para uso guiado por código, há o caminho do Gemini Managed Agents na página «What’s new»: chame a Interactions API com agent igual a antigravity-preview-09-2026, environment igual a remote e agent_config com type antigravity e model gemini-4-argon. O exemplo do Google pede ao agente que audite o desempenho e o SEO de um site com a PageSpeed Insights API e a Pesquisa Google e devolva uma tabela de pontuações. O Google também mostra comandos de barra, como /goal, e loops multiagente com skills personalizadas no Antigravity para protótipos 3D e de jogos. Uma primeira tarefa razoável é uma tarefa delimitada, cujo resultado você consiga conferir.

Confirme o seu plano no aplicativo Antigravity e confira a cota exibida para o Argon.
Escolha uma tarefa com um teste de passa ou falha, como uma suíte de testes quebrada ou um orçamento de desempenho.
Dê a ele um arquivo de skills ou de regras, se o seu projeto tiver um; o exemplo de ADK do blog do Google usava um livro de regras e um objetivo de um parágrafo.
Revise os diffs você mesmo. O Google diz que o Argon foi treinado para parar antes de passos irreversíveis, mas quem revisa continua sendo você.

5. Transforme documentos em algo explorável no app Gemini

No aplicativo Gemini e no Modo IA, o Argon está disponível para assinantes do Google AI Ultra e Pro, segundo o post do blog de 13 de outubro. A conta oficial @GeminiApp mostra dois usos concretos. Em 16 de outubro ela publicou que você pode usar o Canvas para transformar PDFs densos em aplicativos web interativos e animados para explorar no seu ritmo. Em 15 de outubro mostrou o envio de uma foto de um móvel com medidas aproximadas e o uso do Canvas para montar um estúdio CAD 3D interativo, com controles deslizantes ao vivo e arquivos STL exportáveis e imprimíveis.

A conta do Google também mostrou um livro de histórias feito a partir de um PDF acadêmico com Nano Banana, Veo e Argon no aplicativo Gemini, e uma apresentação feita a partir de 80 000 arquivos do acervo da NASA no Google Slides. São demonstrações; o Google não publica taxa de sucesso. Um primeiro teste sensato é um PDF que você conhece bem, como o seu próprio artigo ou o manual de um produto, para poder conferir cada afirmação da saída.

Confirme que o seu plano do app Gemini é Google AI Pro ou Ultra e que o Argon pode ser selecionado.
Envie um PDF que você conhece e peça ao Canvas uma explicação interativa.
Percorra o resultado e compare os números com a fonte antes de compartilhar.

6. Candidate-se aos programas, se couber a você

Duas inscrições estão abertas, segundo o post do Google de 13 de outubro. Cientistas e pesquisadores podem se candidatar ao nível de uso mais alto do Google Antigravity de graça por seis meses; o Google diz que 10 000 cientistas serão integrados de forma contínua, sujeitos a elegibilidade, capacidade e seleção. Defensores de segurança cibernética podem se candidatar ao Fairwind Program para obter o Argon sem barreiras de segurança cibernética, também de forma contínua. O modelo público é a versão protegida; não espere o mesmo comportamento em prompts relacionados a exploits.

O que ele não fará por você hoje

Geração de imagem, geração de áudio e a Live API não são suportadas.
Conteúdo em cache explícito não é aceito; use o cache implícito.
As configurações temperature, top_p e top_k são ignoradas.
O nível gratuito da API não o inclui.
A saída ainda precisa ser conferida: o model card do Google diz que o Argon pode alucinar e sofrer timeout, e que o corte de conhecimento dele é março de 2026.
Os resultados de vários dias e vários agentes dos posts do Google, como os quatro agentes que zeraram o Minecraft em 27 horas, são demonstrações de pesquisa. O Google não os publicou como um produto que se possa ligar.

Leituras relacionadas na Front

As demonstrações 3D do Argon passam pelo Blender, então se você quiser experimentar o mesmo padrão, comece por Como escolher uma alternativa ao Blender e pela comparação Blender ou Spline para 3D no navegador. Para o registro datado do lançamento, leia a cronologia do Google Argon. Se você quer um modelo que possa rodar na sua própria máquina, compare com a cronologia do Reflection Beam 501B. Para a linha atual da xAI, veja a cronologia do Grok. Tudo está no índice do blog.

Continue lendo

Todos os artigos, do mais recente ao mais antigo, estão no índice do blog da Front.

Cronologia do Google Argon: O lançamento do Gemini 4 Argon pelo Google, registrado por datas.
Como escolher uma alternativa ao Blender: O guia geral para escolher uma ferramenta 3D.
Blender ou Spline: Comparação direta para 3D no navegador.
Grok 4.8: o que a xAI de fato disse: As publicações da xAI do Grok 4.5 ao 4.7 e as declarações sobre o 4.8.
A IA e os matemáticos, ao longo do tempo: A crônica mais ampla da IA e da matemática de pesquisa em outubro de 2026.

Perguntas frequentes

Qual é o id de modelo do Gemini 4 Argon?

gemini-4-argon, segundo a página do modelo da API do Gemini. A string de versão estável é a mesma.

Posso experimentar o Argon de graça?

Não pela API: a documentação do Google diz que ele não está disponível no nível gratuito. O acesso de consumo no aplicativo Gemini e no Modo IA exige Google AI Pro ou Ultra, segundo o blog do Google.

Como obtenho saídas com mais de 64K tokens?

Defina background como true e max_output_tokens acima de 65 536, depois consulte a interação e junte todas as etapas de texto model_output, como no exemplo de decodificação longa do Google.

O Argon gera imagens?

Não. A página do modelo lista a geração de imagem como não suportada; as imagens e o áudio das demonstrações do Google vêm de outros modelos, como o Nano Banana.

Quando o preço sobe?

Em 1º de dezembro de 2026: de US$ 2 para US$ 4 por milhão de tokens de entrada e de US$ 10 para US$ 20 por milhão de tokens de saída, depois que o período introdutório terminar em 30 de novembro de 2026.