Gemini 4 Argon (جمینای ۴ آرگون) اولین مدل از نسل چهارم جمینای و قوی‌ترین مدل فعلی گوگل است. گوگل آن را برای برنامه‌نویسی سنگین، کارهای تخصصی مثل حقوق و مالی، تحلیل علمی و دفاع سایبری ساخته است. پنجره‌ی زمینه‌اش ۱٬۰۴۸٬۵۷۶ توکن است و در یک پاسخ تا یک میلیون توکن خروجی می‌دهد. قیمت معرفی آن هم ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی است. در این مقاله ویژگی‌ها، بنچمارک‌ها، قیمت، محدودیت‌ها و راه استفاده از آن در ایران را مرور می‌کنیم.
خلاصه در یک نگاه
| مشخصه | Gemini 4 Argon |
|---|---|
| سازنده | Google DeepMind |
| معرفی اولیه | ۸ مهر ۱۴۰۵ (۳۰ سپتامبر ۲۰۲۶)، فقط برای شرکای امنیتی |
| عرضه برای توسعه‌دهندگان | ۲۱ مهر ۱۴۰۵ (۱۳ اکتبر ۲۰۲۶) |
| شناسه در API | gemini-4-argon |
| معماری | ترنسفورمر Mixture-of-Experts (MoE) تُنُک و چندوجهی |
| ورودی | متن، تصویر، ویدیو، صدا و PDF |
| خروجی | فقط متن |
| پنجره‌ی زمینه | ۱٬۰۴۸٬۵۷۶ توکن (مشترک بین ورودی، تفکر و خروجی) |
| حداکثر خروجی | ۶۵٬۵۳۶ توکن به‌طور پیش‌فرض، تا حدود ۱ میلیون توکن با Long decode |
| سطح تفکر | کم، متوسط و زیاد (low / medium / high) |
| تاریخ قطع دانش | مارس ۲۰۲۶ |
| قیمت معرفی | ۲ دلار ورودی / ۱۰ دلار خروجی برای هر میلیون توکن |
Gemini 4 Argon چیست؟
گوگل نسخه‌ی ۳٫۵ Pro را منتشر نکرد و مستقیم سراغ نسل چهارم رفت. Argon اولین مدل این نسل است و جانشین Gemini 3.1 Pro به حساب می‌آید. طبق کارت مدل DeepMind، معماری آن Mixture-of-Experts تُنُک است. یعنی برای هر توکن فقط بخشی از «متخصص‌های» شبکه فعال می‌شوند. به همین دلیل مدل با وجود اندازه‌ی بزرگ، هزینه‌ی اجرای معقولی دارد.
تمرکز اصلی Argon روی سه حوزه است:
- برنامه‌نویسی و ایجنت‌ها: کارهای چندمرحله‌ای طولانی، مهاجرت کدبیس و رفع باگ در پروژه‌های واقعی.
- کار دانشی تخصصی: تحلیل اسناد حقوقی، مالی و مالیاتی که متن، جدول، نمودار و تصویر را با هم دارند.
- امنیت سایبری دفاعی: پیدا کردن، تأیید و وصله کردن خودکار آسیب‌پذیری‌ها.
به گفته‌ی گوگل، خود این شرکت از Argon در پژوهش‌های رایانش کوانتومی و مهاجرت کدبیس‌ها استفاده کرده است. در بهینه‌سازی حافظه‌ی دیتاسنترهایش هم حدود ۳۰۰ ترابایت حافظه آزاد شده است.
ویژگی‌های کلیدی
۱. خروجی یک میلیون توکنی (Long decode)
بیشتر مدل‌ها در یک پاسخ چند ده هزار توکن خروجی می‌دهند. Argon با قابلیت Long decode می‌تواند تا حدود یک میلیون توکن در یک پاسخ بنویسد. این عدد طبق مقایسه‌ی Engadget هشت برابر سقف ۱۲۸ هزار توکنی GPT-6 Astra است. یعنی می‌توانید یک ماژول کامل، یک گزارش صدها صفحه‌ای یا ترجمه‌ی یک کتاب را در یک درخواست بگیرید. دقت کنید که این یک میلیون توکن بین ورودی، تفکر و خروجی مشترک است.
۲. درک چندوجهی عمیق
Argon ویدیوهای طولانی را تحلیل میکند، نمودارها را دقیق میخواند و از مجموعه‌ای از اسناد یک خروجی منسجم میسازد. امتیاز آن در بنچمارک ویدیوی طولانی LVBench ۹۱٫۷٪ است. قابلیت «درک ویدیوی ایجنتی» هم دارد، یعنی مدل خودش تصمیم می‌گیرد کدام بخش ویدیو را دقیق‌تر ببیند.
۳. ابزارهای ایجنتی کامل
طبق مستندات Gemini API این قابلیت‌ها پشتیبانی می‌شوند:
- فراخوانی تابع (Function calling) و خروجی ساختاریافته (Structured output)
- اجرای کد (Code execution)
- اتصال به جستجوی گوگل و Google Maps (Grounding)
- خواندن محتوای لینک (URL context) و جستجو در فایل‌ها (File search)
- کنترل کامپیوتر (Computer use) در حالت پیش‌نمایش
- کش ضمنی ورودی با ۹۵٪ تخفیف روی توکن‌های کش‌شده
۴. مقاومت در برابر Prompt injection
گوگل می‌گوید Argon در بنچمارک Gray Swan IPI بهترین عملکرد را در مقاومت برابر تزریق دستور داشته است. برای ایجنت‌هایی که صفحه‌ی وب و ایمیل می‌خوانند این ویژگی مهم است. در این کارها متن ورودی ممکن است دستورهای مخرب داشته باشد.
بنچمارک‌ها: Argon در برابر رقبا
جدول زیر از کارت رسمی مدل در Google DeepMind (اکتبر ۲۰۲۶) آمده است. اعداد را خود گوگل منتشر کرده و هنوز به‌طور مستقل تأیید نشده‌اند.
| حوزه | بنچمارک | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 |
|---|---|---|---|---|
| کار دانشی تخصصی | Vals Index | ۶۸٫۹٪ | ۶۳٫۱٪ | ۶۵٫۸٪ |
| برنامه‌نویسی ایجنتی | DeepSWE v1.1 | ۷۷٫۹٪ | ۷۴٫۱٪ | ۶۷٫۴٪ |
| علوم و ریاضی | LABBench 2 | ۸۸٫۸٪ | ۸۵٫۴٪ | ۶۸٫۶٪ |
| زمینه‌ی طولانی (۱M) | GraphWalks | ۸۴٫۲٪ | ۷۱٫۸٪ | ۶۵٫۰٪ |
| امنیت سایبری | CWE-bench v1 | ۶۸٫۰٪ | ۶۸٫۰٪ | ۵۸٫۰٪ |
علاوه بر این جدول، گوگل امتیاز ۵۱٫۳٪ را در AutomationBench گزارش کرده که رتبه‌ی اول است. Engadget هم گزارش داده که نرخ توهم (Hallucination) Argon حدود ۱۵٪ بوده است. این عدد برای GPT-6 Astra حدود ۵۴٪ گزارش شده است.
بنچمارک‌ها فقط بخشی از ماجرا هستند. بهترین راه انتخاب مدل این است که آن را روی کار واقعی خودتان امتحان کنید و با یکی دو مدل دیگر مقایسه کنید.
قیمت Gemini 4 Argon
| دوره | ورودی (هر میلیون توکن) | خروجی (هر میلیون توکن) |
|---|---|---|
| قیمت معرفی (تا ۹ آذر ۱۴۰۵ / ۳۰ نوامبر ۲۰۲۶) | ۲ دلار | ۱۰ دلار |
| قیمت استاندارد (بعد از دوره‌ی معرفی) | ۴ دلار | ۲۰ دلار |
توکن‌های ورودی کش‌شده ۹۵٪ ارزان‌ترند. نسخه‌ی Batch هم برای کارهای غیرفوری حدود نصف قیمت است. برای مقایسه، Engadget قیمت GPT-6 Astra را ۱۰ دلار ورودی و ۵۰ دلار خروجی اعلام کرده است. پس Argon حتی با قیمت استاندارد ارزان‌تر است. فقط یادتان باشد توکن‌های «تفکر» هم جزو خروجی حساب می‌شوند. سطح تفکر بالا دقت را بیشتر میکند ولی هزینه را هم بالا می‌برد.
کجا و از چه زمانی در دسترس است؟
- ۸ مهر ۱۴۰۵: معرفی و عرضه‌ی محدود برای مدافعان سایبری مورد اعتماد در برنامه‌ی Fairwind گوگل.
- ۲۱ مهر ۱۴۰۵: عرضه برای توسعه‌دهندگان و سازمان‌ها در Gemini API، Google AI Studio و پلتفرم سازمانی گوگل کلاد. هم‌زمان در اپلیکیشن Gemini برای مشترکان Google AI Pro و Ultra و در Antigravity برای مشترکان Ultra.
- OpenRouter: با شناسه‌ی
google/gemini-4-argonو همان قیمت معرفی.
Argon برای چه کارهایی مناسب است؟
- توسعه‌ی نرم‌افزار: بازنویسی و مهاجرت پروژه‌های بزرگ، رفع باگ‌های چندفایلی، نوشتن تست و بررسی کد. زمینه‌ی یک میلیون توکنی جای کل کدبیس‌های متوسط را دارد.
- تحلیل اسناد: خواندن قراردادها، صورت‌های مالی و گزارش‌های صدها صفحه‌ای همراه جدول و نمودار، و نوشتن جمع‌بندی دقیق.
- پژوهش علمی: حل مسائل ریاضی و علمی چندمرحله‌ای و بررسی مقاله‌ها.
- ایجنت‌های خودکار: کارهای طولانی که نیاز به برنامه‌ریزی، ابزار و حفظ زمینه در طول ده‌ها مرحله دارند.
- تحلیل ویدیو: خلاصه‌سازی جلسه‌ها و کلاس‌های طولانی و پیدا کردن لحظه‌های مشخص در ویدیو.
برای چت روزمره، ترجمه‌ی کوتاه یا سؤال‌های ساده، Argon زیادی قوی و گران است. مدل سبک‌تری مثل Gemini 3.8 Flash سریع‌تر و بسیار ارزان‌تر جواب می‌دهد.
محدودیت‌ها
- خروجی فقط متنی است. Argon تصویر یا صدا تولید نمی‌کند و Live API ندارد. برای ساخت تصویر سراغ مدل‌هایی مثل Nano Banana Pro بروید.
- دانشش تا مارس ۲۰۲۶ است. برای اطلاعات جدیدتر باید جستجوی وب یا لینک منبع به آن بدهید.
- توهم هنوز وجود دارد. کارت مدل صریحاً می‌گوید مثل هر مدل پایه‌ای ممکن است اطلاعات نادرست بسازد. خروجی‌های حساس را بررسی کنید.
- کندی در کارهای سنگین. با تفکر زیاد و خروجی طولانی، پاسخ ممکن است کند شود یا به محدودیت زمانی بخورد.
- کش صریح ندارد. فقط کش ضمنی پشتیبانی می‌شود.
مقایسه با مدلهای دیگر
اگر بین مدلهای پرچم‌دار مردد هستید، این‌ها رقبای اصلی Argon هستند:
- GPT-6.1 Sol از OpenAI
- Claude Opus 5.5 از Anthropic، قوی در نوشتن و برنامه‌نویسی
- Grok 4.7 از xAI
- DeepSeek V4 Pro، گزینه‌ی اقتصادی‌تر برای استدلال
فهرست کامل مدل‌ها با قیمت به‌روز در صفحه‌ی مدلهای هوش مصنوعی دیمو آمده است.
استفاده از Gemini 4 Argon در ایران
استفاده‌ی مستقیم از Gemini API یا اپلیکیشن Gemini برای کاربران ایرانی معمولاً دو مشکل دارد: تحریم و نیاز به VPN، و پرداخت دلاری با کارت بین‌المللی. در دیمو مدلهای OpenRouter، از جمله مدلهای جمینای، بدون VPN و با پرداخت ریالی در دسترس‌اند:
- در دیمو ثبتنام کنید. حساب‌های جدید اعتبار هدیه برای امتحان مدل‌ها می‌گیرند.
- در چت یا ایجنت خودتان، از انتخابگر مدل گزینه‌ی Gemini 4 Argon را انتخاب کنید.
- هر وقت اعتبار تمام شد، از بسته‌های اعتبار با کارت بانکی ایرانی شارژ کنید.
یک ترفند ساده: برای کارهای روزمره از مدل سبک‌تر استفاده کنید و Argon را برای کارهای واقعاً سنگین نگه دارید. اعتبارتان خیلی بیشتر دوام می‌آورد.
سؤالات متداول
Gemini 4 Argon کی منتشر شد؟
گوگل آن را ۸ مهر ۱۴۰۵ (۳۰ سپتامبر ۲۰۲۶) برای شرکای امنیتی معرفی کرد. در ۲۱ مهر ۱۴۰۵ (۱۳ اکتبر ۲۰۲۶) هم برای توسعه‌دهندگان و مشترکان Google AI Pro و Ultra عرضه شد.
قیمت Gemini 4 Argon چقدر است؟
تا ۳۰ نوامبر ۲۰۲۶ قیمت آن ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی است. بعد از آن ۴ و ۲۰ دلار می‌شود. توکن‌های کش‌شده ۹۵٪ تخفیف دارند.
پنجره‌ی زمینه‌ی Gemini 4 Argon چقدر است؟
۱٬۰۴۸٬۵۷۶ توکن که بین ورودی، تفکر و خروجی مشترک است. خروجی پیش‌فرض ۶۵٬۵۳۶ توکن است و با Long decode تا حدود یک میلیون توکن می‌رسد.
آیا Gemini 4 Argon تصویر میسازد؟
نه. Argon متن، تصویر، ویدیو، صدا و PDF را میخواند ولی فقط متن تولید میکند. برای ساخت تصویر باید از مدلهای تصویری استفاده کنید.
Gemini 4 Argon بهتر است یا GPT-6 Astra؟
طبق اعداد گوگل، Argon در Vals Index، DeepSWE، LABBench 2 و GraphWalks جلوتر است و در CWE-bench با GPT-6 Astra برابر است. ارزان‌تر هم هست. ولی این اعداد را خود سازنده منتشر کرده و بهتر است روی کار خودتان مقایسه کنید.
چطور در ایران از Gemini 4 Argon استفاده کنم؟
از طریق دیمو بدون VPN و با پرداخت ریالی. ثبتنام کنید، از انتخابگر مدل Gemini 4 Argon را انتخاب کنید و با اعتبار هدیه شروع کنید.