Bisakah saya menjalankan Gemini 4 Argon secara lokal?

Tidak. Google belum merilis bobot terbuka untuk model ini; hanya tersedia melalui API.

Berapa biaya Gemini 4 Argon dan seberapa besar konteksnya?

Input dikenai biaya $2,00 per juta token dan keluaran $10,00 per juta token, dengan jendela konteks 1.048.576 token — dan dapat menghasilkan hingga 1 juta token dalam satu respons.

Baru minggu ini · lihat tren

Gemini 4 Argon

8654°

#llm #google #visi #audio #video #penalaran

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Google | konteks 1.048.576 token | $2,00/M input, $10,00/M output. Gemini 4 Argon adalah model penalaran unggulan Google, dibangun untuk rekayasa perangkat lunak kompleks, pemecahan masalah matematika dan ilmiah mendalam, serta agen multi-langkah otonom. Google melatihnya untuk mempertahankan konteks di seluruh tugas multi-langkah yang panjang dan mengubah dokumen panjang yang mencampur teks, tabel, grafik, dan gambar menjadi output tunggal yang terperinci. Model ini memimpin Indeks Vals di bidang keuangan, hukum, pengkodean, dan pajak, serta mendukung dekode panjang hingga 1 juta token output dalam satu respons.

Panduan untuk model ini

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Gemini 4 Argon adalah model penalaran unggulan dari Google, dirancang untuk rekayasa perangkat lunak yang kompleks, matematika, sains, dan agen otonom multi-langkah. Fitur unggulannya adalah jendela konteks 1 juta token yang juga dapat ditulis olehnya, menghasilkan hingga 1 juta token keluaran dalam satu respons. Jika pekerjaan Anda berada di ujung yang lebih sulit dari pengkodean, keuangan, hukum, atau analisis ilmiah, ini adalah model yang dibuat Google untuk itu.

Dikenal untuk

Memimpin Indeks Vals di bidang keuangan, hukum, pengkodean, dan pajak
Hingga 1 juta token keluaran dalam satu respons — berguna untuk menghasilkan basis kode besar atau laporan
Menangani dokumen campuran: teks, tabel, grafik, dan gambar dalam satu keluaran yang terhubung
Mempertahankan konteks dalam tugas agen multi-langkah yang panjang
Menerima teks, gambar, audio, dan video sebagai input

Waspadai

Hanya tersedia melalui API; tidak ada bobot terbuka, tidak ada opsi penyebaran lokal
Biaya keluaran $10 per juta token — generasi panjang cepat menambah biaya
Pada tingkat harga ini, Anda membayar untuk tugas penalaran yang sulit; obrolan rutin terlalu berlebihan

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Riset

Konteks panjang

Prompt untuk dicoba

Audit basis kode kompleks

Berikut adalah repositori Python. Tinjau arsitektur untuk masalah skalabilitas, identifikasi kerentanan keamanan dalam alur autentikasi, dan sarankan refaktor konkret dengan contoh kode. Prioritaskan temuan berdasarkan tingkat keparahan dan jelaskan alasan di balik setiap rekomendasi.

Analisis dokumen keuangan campuran

Saya melampirkan laporan tahunan 200 halaman yang berisi teks naratif, neraca, catatan kaki, dan grafik. Ekstrak risiko keuangan utama yang diungkapkan perusahaan, rekonsiliasi angka dalam laporan arus kas dengan laporan laba rugi, dan tandai ketidaksesuaian antara narasi dan angka.

Rencanakan agen riset multi-langkah

Rancang agen otonom yang memantau tiga basis data regulasi setiap hari, mengekstrak aturan baru yang relevan untuk perusahaan pembayaran fintech, mencocokkannya dengan dokumen kebijakan internal yang akan saya berikan, dan menyusun laporan kesenjangan kepatuhan. Jelaskan panggilan alat, logika keputusan, dan penanganan kegagalan di setiap langkah.

Bandingkan dengan

Gemma 4 31B
Model dengan bobot terbuka
konteks 262,144 token · $0.20/M input, $0.40/M output
Gemma 4 26B A4B
Model dengan bobot terbuka
konteks 262,144 token · $0.09/M input, $0.30/M output
gemma 4 31B it turbo
Model dengan bobot terbuka
konteks 262,144 token · $0.09/M input, $0.34/M output
Gemini 3.8 Flash
Model hanya API
konteks 1,048,576 token · $0.83/M input, $4.12/M output

Model teks lain dari google

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Gemini 4 Argon secara lokal?: Tidak. Google belum merilis bobot terbuka untuk model ini; hanya tersedia melalui API.
Berapa biaya Gemini 4 Argon dan seberapa besar konteksnya?: Input dikenai biaya $2,00 per juta token dan keluaran $10,00 per juta token, dengan jendela konteks 1.048.576 token — dan dapat menghasilkan hingga 1 juta token dalam satu respons.
Apa perbedaan Gemini 4 Argon dengan model Gemini lainnya?: Argon adalah model penalaran unggulan Google, diposisikan di atas varian Gemini yang lebih ringan; secara khusus dilatih untuk rekayasa perangkat lunak kompleks, pemecahan masalah ilmiah dan matematika mendalam, serta tugas agen otonom panjang, bukan untuk obrolan sehari-hari atau pencarian cepat.

Putusan Kapten
Batas keluaran 1 juta token dan kepemimpinan Indeks Vals menjadikannya pilihan serius untuk pengkodean agen dan pekerjaan profesional berbasis dokumen berat — jika tagihan keluaran tidak membuat Anda takut.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #49 Hottest Text / LLM model · #49 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tren popularitas Gemini 4 Argon

Skor panas sejak 13 Oct 2026

Skor panas

8,654°

Minggu ini

n/a

Belum dirilis/dilacak

Bulan ini

n/a

Belum dirilis/dilacak

Tahun lalu

n/a

Belum dirilis/dilacak

7,000°

Floor

Skala berjalan dari 0° sampai 9.999°. Semua yang di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh sumber mana pun, yang memakai angka pengganti di sana supaya daftar tetap lengkap. 7,000° adalah titik awal data yang diukur: model dengan data nyata tapi hampir tidak ada unduhan berada di floor, dan pengukuran mengisi derajat di atasnya. Floor tidak mengatakan apa-apa tentang model; hanya derajat di atasnya yang berbicara, dan itu yang membedakan satu model dengan yang lain.

+1,342°

Token OpenRouter

296,861,137,133 token diproses model ini melalui OpenRouter dalam 30 hari terakhir, termasuk prompt dan jawaban. Setiap 10,000,000 token dihitung sebagai satu unduhan dalam istilah unduhan, total 29,686; token hari terakhir masuk ke tingkat adopsi. Sumber: OpenRouter (openrouter.ai/rankings).

+312°

Tingkat adopsi

Sekitar 14,559 unduhan per hari, diukur antara dua pembacaan sumber, tidak pernah ditebak dari rata-rata seumur hidup. Kecepatan dihitung seperempat dari istilah unduhan, jadi lonjakan baru terlihat tanpa membiarkan lonjakan satu hari mengalahkan penggunaan bertahun-tahun.

Tampilkan rincian

Setiap angka di situs ini bisa dicek. Skor heat model ini adalah 8,654°, dan ini dibangun satu bahan pada satu waktu, dengan total berjalan setelah setiap langkah: floor, derajat yang ditambahkan setiap sumber, bonus untuk jenis model dan pengurangan karena usia bobotnya. Warna-warna itu adalah rentang pada grafik di atas. Glosarium di akhir menjelaskan setiap istilah.

1
Mulai dari floor.
Kenapa 7,000° dan bukan nol: skala dari 0° sampai 9.999°, dan bagian di bawah 7,000° disediakan untuk model yang belum dilaporkan sumber mana pun, yang memakai angka pengganti supaya daftar tetap lengkap dan tidak pernah mengalahkan model dengan data. 7,000° adalah titik awal data yang diukur. Model dengan data nyata tapi hampir tidak ada unduhan berada di sini; semua yang berikutnya adalah pengukuran, dan ruang di atas floor memuat sepuluh langkah sepuluh kali lipat unduhan dengan 300° masing-masing. Floor sama untuk semua model, jadi tidak menentukan apa-apa; yang menentukan adalah derajat di atasnya.
7,000°
total berjalan
2
Tambahkan unduhan.
29,686 setara unduhan secara total, dari Token OpenRouter. Sepuluh kali unduhan menambah 300° yang sama, jadi ukuran penting tapi tidak pernah mendominasi skor.
+1,342°
8,342°
total berjalan
3
Tambahkan tingkat adopsi.
Sekitar 14,559 unduhan per hari sekarang, diukur antara dua pembacaan, dengan bobot seperempat.
+312°
8,654°
total berjalan
=
Skor heat.
Posisi model ini di setiap daftar di situs ini. Tidak ada yang mengubahnya selain ini.
8,654°

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Bagaimana popularitas model ini bergerak dibandingkan dengan katalog lainnya: pertumbuhan unduhan, suka, dan penggunaan setiap periode, diukur terhadap pertumbuhan model biasa dalam periode yang sama, dengan skor panasnya saat itu. Di atas pertumbuhan biasa berarti naik, di bawahnya berarti turun. Masa lalu direkonstruksi dari total hari ini, hari pertama model, dan kecepatan unduhan yang diukur jika ada dua pembacaan; model yang belum ada di awal periode menunjukkan n/a.

Model Serupa

MiMo V2.6 Pro UltraSpeed

DeepSeek V3.1 Terminus

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

Gemini 4 Argon adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm google visi audio video penalaran pemrograman agen

Jelajahi berdasarkan Keluarga Model