Gemini 4 Argon: o que muda no app Gemini e para desenvolvedores

O Gemini 4 Argon é o novo modelo de fronteira do Google, pensado para tarefas longas que exigem raciocínio profundo: migração de código, pesquisa, análise de documentos jurídicos e financeiros e segurança defensiva. Foi anunciado em 30 de setembro de 2026 com acesso restrito a especialistas em cibersegurança e liberado de forma ampla em 13 de outubro de 2026. Hoje ele está no app Gemini para assinantes Google AI Pro e Ultra e na API para desenvolvedores do nível pago, com preço introdutório de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída até 30 de novembro de 2026.

Para quem só usa o app, a mudança é um modelo mais direto, que trabalha em tarefas demoradas e mostra o progresso com mais frequência. Para quem desenvolve, a mudança é maior: janela unificada de 1 milhão de tokens para entrada e saída, saídas longas com continuação automática, fim do cache explícito e dos parâmetros de amostragem como temperature. Abaixo você vê o que foi confirmado nas páginas oficiais, o que muda na migração e quando vale pagar por ele.

Resumo rápido

• Gemini 4 Argon foi anunciado em 30/09/2026 e liberado globalmente em 13/10/2026, segundo o Google.
• No app Gemini, só assinantes Google AI Pro e Ultra têm acesso. O Google não citou usuários gratuitos.
• Na API, o modelo gemini-4-argon é estável, não tem nível gratuito e custa US$ 2/US$ 10 por milhão de tokens até 30/11/2026, subindo para US$ 4/US$ 20 a partir de 01/12/2026.
• Contexto unificado de 1.048.576 tokens e saída de até 1 milhão de tokens com long decode.
• Migração exige ajustes: thinking_level no lugar de thinking_budget, sem cache explícito e sem temperature, top_p e top_k.

O que o Google anunciou e em que ordem

O lançamento aconteceu em duas etapas. Em 30 de setembro de 2026, o Blog do Google Brasil publicou o anúncio do Gemini 4 Argon assinado por Koray Kavukcuoglu, vice-presidente sênior do Google DeepMind. Naquele momento, o acesso estava limitado a um grupo de profissionais de cibersegurança pelo Programa Fairwind, e o Google dizia que a liberação começaria por clientes pagos da API e assinantes Google AI Ultra.

Em 13 de outubro de 2026, o Google publicou a disponibilidade ampla. Segundo o post oficial, o Argon passou a estar disponível globalmente para desenvolvedores e empresas via API, no Google AI Studio e na plataforma Gemini do Google Cloud. Assinantes Google AI Ultra ganharam acesso no Google Antigravity, no AI Studio e no Android Studio. No app Gemini e no Modo IA da Pesquisa, o modelo chegou para assinantes Google AI Ultra e Pro. O Google diz que o restante da família Gemini 4 virá depois.

O Brasil não é citado separadamente. O post em português fala em disponibilidade “global”, e a página sobre o app não traz lista de países nem de idiomas. Se a opção não aparecer na sua conta, a explicação mais provável é a liberação gradual, mas o Google não detalhou cronograma por país.

Há ainda duas trilhas especiais: defensores cibernéticos aprovados no Programa Fairwind usam o Argon sem as restrições de cibersegurança do modelo público, e 10 mil cientistas podem se candidatar ao maior nível de uso do Antigravity, grátis por 6 meses, sujeito a seleção.

O que muda no app Gemini

A página oficial sobre o app, de 13 de outubro, descreve mudanças de comportamento e de recursos para assinantes Google AI Pro e Ultra:

• Respostas mais diretas: o Google afirma que o Argon responde com menos rodeios, evita clichês e não se repete além do necessário.
• Tarefas longas: o modelo compartilha o progresso com mais frequência durante trabalhos extensos.
• Modo de tarefas: um seletor alterna entre chat e tarefas, e o Gemini pode continuar trabalhando enquanto você está longe do computador.
• Programação no Mac: a interface de programação com agentes do Google Antigravity passou a estar no app Gemini para macOS, com troca mais fácil entre chat e código.
• Apps conectados: o Gemini se conecta a mais de 40 apps, entre eles Instacart, OpenTable, Adobe e Shopify.

A página não informa limites de uso por plano. Antes de assinar só por causa do Argon, confira a central de ajuda do Gemini para ver os limites vigentes no seu plano.

O que muda para desenvolvedores

Na API, o modelo se chama gemini-4-argon e aparece como estável na documentação do Gemini API. A página do modelo lista o seguinte:

Em function calling e conversas com vários turnos, preserve o histórico completo, incluindo as assinaturas de raciocínio (thought signatures), como pede o guia de migração. O nosso artigo sobre function calling e structured outputs explica a base desse padrão.

Saídas longas e continuação

O ponto mais novo é o long decode. Pelo guia oficial do modelo mais recente, uma requisição com streaming devolve até 65.536 tokens e uma sem streaming devolve até 32.768 tokens, menos que os 65.536 do Gemini 3.x. Acima disso, o modelo pode continuar gerando até 1 milhão de tokens menos a sua entrada. Nos SDKs atuais (Python google-genai 2.30.1 ou superior e JavaScript @google/genai 2.29.1 ou superior), a continuação automática vem ligada por padrão.

Se a resposta usar todo o max_output_tokens, a API devolve finish_reason: "MAX_TOKENS" com um continuation_token. Para retomar, reenvie a requisição original com o token mais recente e um limite maior. Chamadas REST diretas e SDKs antigos param no limite por requisição. O Google recomenda timeouts de pelo menos 20 minutos por chamada.

Mudanças que quebram código

• thinking_budget vira thinking_level. O parâmetro antigo ainda funciona, mapeado para o nível mais próximo, mas gera aviso.
• Cache explícito sai. Chamadas com cachedContents, caches.create ou cached_content retornam erro. O cache implícito é automático para prompts a partir de 4.096 tokens, com 95% de desconto nos acertos.
• Parâmetros de amostragem são ignorados. temperature, top_p, top_k e candidate_count devem ser removidos.
• Defina max_output_tokens explicitamente. O guia sugere 32.768 para apps que usavam menos que isso e 131.072 ou 262.144 para raciocínio e código complexos.

O Google recomenda testar os três níveis de raciocínio com um limite de saída alto e escolher o menor nível que atinja a qualidade desejada. Se quiser entender por que mais tokens de raciocínio custam mais e demoram mais, veja o guia sobre como funcionam os modelos de raciocínio.

Preços na API

A página de preços do Gemini API traz duas tabelas: valores até 30 de novembro de 2026 e valores a partir de 1º de dezembro de 2026. Todos em dólar, por milhão de tokens. A saída inclui os tokens de raciocínio.

O grounding com Google Search e com Google Maps tem 5.000 requisições gratuitas por mês, compartilhadas entre o Gemini 3 e modelos mais novos, e depois custa US$ 14 por mil requisições. Não há preço separado para prompts acima de 200 mil tokens.

Lembre que o Argon pode gastar muitos tokens de raciocínio antes de responder. Para tarefas que não precisam de resposta imediata, como revisão de código noturna ou análise de lotes de contratos, o Batch e o Flex cortam o preço pela metade.

Benchmarks que o Google publicou

Os números abaixo estão nas páginas oficiais do Google. São resultados divulgados pela própria empresa ou por parceiros citados por ela, não testes independentes do IA Mágica.

• DeepSWE v1.1 (engenharia de software de longo prazo): 77,9%.
• AutomationBench, da Zapier (funções de negócio de ponta a ponta): primeiro lugar, com 51,3%.
• LVBench (compreensão de vídeos longos): 91,7%.
• CWE-bench v1 (correção de vulnerabilidades): empatado em primeiro, com 68%.
• ERQA (raciocínio corporificado, usado em robótica): 87%.
• Gray Swan Indirect Prompt Injection: taxa de sucesso de ataque de 0,7% em 15 tentativas adaptativas.
• Vals Index (finanças, programação, direito e tributação): primeiro lugar, sem pontuação divulgada no post.

A resistência a prompt injection merece atenção para quem monta agentes. Um agente que lê e-mails, páginas ou documentos de terceiros pode receber instruções escondidas. Um índice baixo de sucesso desses ataques não elimina o risco, mas ajuda. Continue limitando permissões e pedindo confirmação humana para ações sensíveis, como explicamos no guia de agentes autônomos de IA.

Quando usar o Argon e quando não usar

Se você ainda está decidindo entre fornecedores, o comparativo Claude, GPT ou Gemini? ajuda a pensar por tipo de tarefa. As novidades das integrações do Google ficam reunidas na página Google Gemini em Integrações de IA.

Exemplo: software house em Recife migrando um sistema legado

Uma software house de Recife mantém um sistema de gestão para clínicas escrito há anos, com módulos antigos e pouca cobertura de testes. A equipe quer modernizar o módulo de faturamento sem parar o atendimento aos clientes. Um fluxo possível com o Argon:

1. O time cria uma chave no Google AI Studio com faturamento ativo, já que o modelo não está no nível gratuito.
2. Atualiza o SDK Python para a versão 2.30.1 ou superior, remove temperature e thinking_budget do código existente e define thinking_level="medium" e max_output_tokens alto.
3. Envia o módulo inteiro e a documentação interna em uma única requisição, aproveitando a janela de 1 milhão de tokens, e pede primeiro um plano de migração com riscos, antes de qualquer código.
4. Com o plano revisado por um desenvolvedor sênior, pede a escrita de testes para o comportamento atual e só depois a migração, arquivo por arquivo.
5. As revisões que podem esperar rodam pela Batch API durante a noite, pela metade do preço.
6. Nenhum dado real de pacientes entra nos prompts. A equipe usa dados de exemplo e segue o que já fazia para a LGPD.

O risco continua sendo o de qualquer IA: código que parece certo e não é. Por isso os testes vêm antes da migração, e cada mudança passa por revisão humana.

Erros comuns

• Trocar o nome do modelo e esquecer o resto. Chamadas com cache explícito passam a falhar, e parâmetros de amostragem são ignorados sem que você perceba.
• Usar REST direto esperando 1 milhão de tokens de saída. Sem SDK atualizado ou sem tratar o continuation_token, a resposta para no limite por requisição.
• Timeout curto. O Google recomenda pelo menos 20 minutos por chamada. Com 60 segundos, tarefas longas morrem no meio.
• Calcular custo com o preço introdutório. A partir de 1º de dezembro de 2026, entrada e saída dobram de preço.
• Usar o nível high em tudo. Mais raciocínio significa mais tokens cobrados e mais latência. Comece pelo medium.

Perguntas frequentes

O Gemini 4 Argon está disponível no Brasil?

O Google diz que o lançamento é global e o post do Blog do Google Brasil repete isso, mas não cita o Brasil nominalmente nem lista países. Na API, o acesso depende de conta com faturamento ativo. No app, depende de assinatura Google AI Pro ou Ultra.

Usuários gratuitos do app Gemini podem usar o Argon?

A página oficial sobre o app fala apenas em assinantes Google AI Pro e Ultra. O Google não anunciou acesso para o plano gratuito.

Quanto custa usar o Gemini 4 Argon na API?

Até 30 de novembro de 2026, US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída no nível Standard. A partir de 1º de dezembro de 2026, US$ 4 e US$ 20. Batch e Flex custam metade, e Priority custa mais.

O Argon gera imagens ou áudio?

Não. A documentação lista saída apenas em texto, sem geração de imagem, sem geração de áudio e sem Live API. Ele aceita imagem, vídeo, áudio e PDF como entrada.

Preciso mudar meu código para migrar do Gemini 3?

Sim. Troque thinking_budget por thinking_level, remova o cache explícito e os parâmetros de amostragem, defina max_output_tokens, aumente os timeouts e atualize os SDKs para ter continuação automática.

Fontes e leitura recomendada

• Blog do Google Brasil: anúncio do Gemini 4 Argon (30/09/2026)
• Blog do Google Brasil: Gemini 4 Argon disponível
• Google: Introducing Gemini 4 Argon (13/10/2026)
• Google: Gemini 4 Argon no app Gemini
• Google: Build with Gemini 4 Argon
• Gemini API: página do modelo Gemini 4 Argon
• Gemini API: guia do modelo mais recente e migração
• Gemini API: preços