Google Gemini 4 Argon: AI مدل‌ها

Google Gemini 4 Argon را از طریق API اجرا کنید: استدلال پیشرو با زمینه ۱M برای کدنویسی و تحلیل. رایگان امتحان کنید — پرداخت به‌ازای هر تولید، بدون اشتراک.

کنترل‌های تعاملی مدل

Google Gemini 4 Argon را از طریق API اجرا کنید: استدلال پیشرو با زمینه ۱M برای کدنویسی و تحلیل. رایگان امتحان کنید — پرداخت به‌ازای هر تولید، بدون اشتراک.

📝

نمای کلی

مدل‌ها

Gemini 4 Argon مدل استدلالی پیشروی Google DeepMind است که برای کدنویسی بلندمدت، کار دانشی و تحلیل امنیت سایبری ساخته شده است. این مدل پنجره یکپارچه زمینه و خروجی ۱M توکنی دارد، بنابراین می‌توانید کل پایگاه‌های کد، قراردادهای بلند یا مجموعه‌های پژوهشی را وارد کنید و در یک فراخوانی پاسخ‌های بلند و ساختارمند بگیرید. متن، یک تصویر اختیاری و پرامپت سیستمی را می‌پذیرد. برای گفتگوی روزمره سریع‌تر و ارزان‌تر، Gemini 3.8 Flash را ببینید؛ برای سطح Pro قبلی، Gemini 3.1 Pro را ببینید.

1کدنویسی بلندمدت: با استفاده از زمینه ۱M توکنی در مخزن‌های بزرگ برنامه‌ریزی کنید، کد بنویسید و بازآرایی کنید.
2کار دانشی: گزارش‌های بلند، قراردادها و مقالات پژوهشی را تحلیل کنید و خلاصه‌های ساختارمند تولید کنید.
3امنیت سایبری: کد و پیکربندی‌ها را از نظر آسیب‌پذیری بررسی کنید و مراحل رفع را پیش‌نویس کنید.
4استدلال عامل‌ها: به‌عنوان مدل برنامه‌ریز در عامل‌های چندمرحله‌ای و [گردش‌کارها](/workflows) استفاده کنید.
5پرسش و پاسخ تصویری: برای پرسش درباره اسکرین‌شات‌ها، نمودارها یا اسناد، یک image_url ارسال کنید.
💰

قیمت‌گذاری و ارزش

تحلیل هزینه

muapiapp$2.00/M input, $10.00/M output

صورت‌حساب مبتنی بر توکن حداقل 0.0002 دلار در هر تماس.

Fal.aiدر دسترس نیست

No dedicated Gemini 4 Argon endpoint at this time.

Replicateدر دسترس نیست

No dedicated Gemini 4 Argon endpoint at this time.

** مدل‌ها。

⚙️

مشخصات فنی

طرح پیکربندی

پرامپت (دستور متنی)string

تنظیم پارامتر The user message or instruction for the model. جهت هدایت دقیق فرآیند تولید مدل.

مقدار پیش‌فرضReview this design doc and list the three biggest risks with suggested mitigations.
آدرس اینترنتی تصویرstring

تنظیم پارامتر Optional image URL to include as multimodal input. جهت هدایت دقیق فرآیند تولید مدل.

مقدار پیش‌فرضundefined
پرامپت سیستمیstring

تنظیم پارامتر Optional system-level instruction to guide model behavior. جهت هدایت دقیق فرآیند تولید مدل.

مقدار پیش‌فرضYou are a helpful assistant that responds concisely.
📖

راهنمای پیاده‌سازی

مستندات توسعه‌دهندگان

نحوه استفاده از Gemini 4 Argon

  1. پرامپت خود را بنویسید: وظیفه را در prompt قرار دهید. در صورت تمایل system_prompt را برای تعیین نقش، لحن یا قالب خروجی اضافه کنید.

  2. تصویر اضافه کنید (اختیاری): برای گنجاندن یک تصویر در درخواست، image_url را ارائه دهید.

  3. ارسال و دریافت نتیجه: POST یک request_id برمی‌گرداند؛ /api/v1/predictions/{request_id}/result را بررسی کنید یا یک URL برای webhook بدهید.

نمونه cURL

curl -X POST "https://api.muapi.ai/api/v1/gemini-4-argon" \
  -H "x-api-key: $MUAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Review this design doc and list the three biggest risks.",
    "system_prompt": "You are a staff engineer. Be concise and specific."
  }'
❓

پرسش‌های متداول

سوالات پرتکرار

Gemini 4 Argon چیست؟

Gemini 4 Argon مدل استدلالی پیشروی Google DeepMind با پنجره یکپارچه زمینه و خروجی ۱M توکنی است که کدنویسی بلندمدت، کار دانشی و امنیت سایبری را هدف گرفته است.

قیمت Gemini 4 Argon چقدر است؟

قیمت‌گذاری مبتنی بر توکن است: $2.00 برای هر یک میلیون توکن ورودی و $10.00 برای هر یک میلیون توکن خروجی، با حداقل هزینه $0.0002 در هر فراخوانی. توکن‌های استدلال جزو خروجی محاسبه می‌شوند.

آیا Gemini 4 Argon تصویر می‌پذیرد؟

بله. برای پرسش درباره یک اسکرین‌شات، نمودار یا سند عکاسی‌شده، یک image_url را همراه پرامپت ارسال کنید.

آیا می‌توانم پرامپت سیستمی تعیین کنم؟

بله. از فیلد system_prompt برای کنترل شخصیت، لحن و قالب پاسخ استفاده کنید.

چگونه نتیجه را دریافت کنم؟

این نقطه پایانی ناهمزمان است: بلافاصله یک request_id دریافت می‌کنید، سپس نقطه پایانی نتیجه predictions را بررسی می‌کنید یا یک URL وب‌هوک می‌دهید تا هنگام آماده شدن متن مطلع شوید.

Gemini 4 Argon چه تفاوتی با Gemini 3.8 Flash دارد؟

Argon سطح استدلال پیشرو با پنجره زمینه بسیار بزرگ‌تر و مناسب کارهای عمیق چندمرحله‌ای است؛ Flash برای گفتگوی کم‌تأخیر و کم‌هزینه بهینه شده است. هر دو از فیلدهای یکسان prompt، image_url و system_prompt استفاده می‌کنند.