Kan jag köra Gemini 4 Argon lokalt?

Nej. Google har inte släppt öppna vikter för denna modell; den är endast tillgänglig via API.

Vad kostar Gemini 4 Argon och hur stort är dess kontext?

Input kostar 2,00 USD per miljon tokens och output 10,00 USD per miljon tokens, med ett kontextfönster på 1 048 576 tokens – och den kan generera upp till 1 miljon tokens i ett enda svar.

Hur skiljer sig Gemini 4 Argon från andra Gemini-modeller?

Argon är Googles flaggskeppsmodell för resonemang, placerad över lättare Gemini-varianter; den är specifikt tränad för komplex mjukvaruutveckling, djup vetenskaplig och matematisk problemlösning samt långa autonoma agentuppgifter snarare än vardaglig chatt eller snabba uppslag.

Ny den här veckan · se trenden

Gemini 4 Argon

8654°

#llm #google #vision #ljud #video #resonemang

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Google | 1,048,576 token context | $2.00/M input, $10.00/M output. Gemini 4 Argon är Googles flaggskeppsmodell för resonemang, byggd för komplex mjukvaruutveckling, djup matematisk och vetenskaplig problemlösning samt autonoma flerstegsagenter. Google har tränat den för att behålla kontext över långa, flerstegsuppgifter och för att omvandla långa dokument som blandar text, tabeller, diagram och bilder till en enda grundad output. Den leder Vals Index inom finans, juridik, kodning och skattearbete, och stödjer lång avkodning på upp till 1M output-tokens i ett enda svar.

Guider för denna modell

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Gemini 4 Argon är Googles flaggskeppsmodell för resonemang, designad för komplex mjukvaruutveckling, matematik, vetenskap och autonoma flerstegsagenter. Dess utmärkande egenskap är ett kontextfönster på 1 miljon tokens som den även kan skriva i, och producera upp till 1 miljon output-tokens i ett enda svar. Om ditt arbete ligger i den svårare änden av kodning, finans, juridik eller vetenskaplig analys är detta modellen Google byggt för det.

Känd för

Leder Vals Index över finans-, juridik-, kodnings- och skattebenchmarkar
Upp till 1 miljon output-tokens i ett svar – användbart för att generera stora kodbaser eller rapporter
Hantera blandade dokument: text, tabeller, diagram och bilder i en enda grundad output
Bibehåller kontext över långa, flerstegs agentuppgifter
Accepterar text, bilder, ljud och video som input

Se upp för

Endast API; inga öppna vikter, ingen lokal driftsättningsmöjlighet
Output kostar 10 USD per miljon tokens – långa genereringar blir snabbt dyrt
På denna prisklass betalar du för svåra resonemangsuppgifter; rutinmässig chatt är överdrivet

Bäst för

Kodning

Agenter och verktygsanvändning

Resonemang

Forskning

Lång kontext

Promptar att prova

Granska en komplex kodbas

Här är ett Python-repository. Granska arkitekturen för skalbarhetsproblem, identifiera eventuella säkerhetssårbarheter i autentiseringsflödet och föreslå konkreta omstruktureringar med kodexempel. Prioritera fynd efter allvarlighetsgrad och förklara resonemanget bakom varje rekommendation.

Analysera ett blandat finansiellt dokument

Jag bifogar en 200-sidig årsrapport som innehåller narrativ text, balansräkningar, fotnoter och diagram. Extrahera de viktigaste finansiella risker som företaget redovisar, stäm av siffrorna i kassaflödesanalysen mot resultaträkningen och flagga eventuella inkonsekvenser mellan narrativet och siffrorna.

Planera en flerstegs forskningsagent

Designa en autonom agent som dagligen övervakar tre regulatoriska databaser, extraherar nya regler relevanta för ett fintech-betalningsföretag, korsrefererar dem mot ett internt policydokument jag kommer att tillhandahålla och utarbetar en rapport om efterlevnadsgap. Beskriv verktygsanrop, beslutslogik och felhantering i varje steg.

Jämför med

Gemma 4 31B
Öppen vikt-modell
262,144 tokens kontext · $0.20/M indata, $0.40/M utdata
Gemma 4 26B A4B
Öppen vikt-modell
262,144 tokens kontext · $0.09/M indata, $0.30/M utdata
gemma 4 31B it turbo
Öppen vikt-modell
262,144 tokens kontext · $0.09/M indata, $0.34/M utdata
Gemini 3.8 Flash
Endast API-modell
1,048,576 tokens kontext · $0.83/M indata, $4.12/M utdata

Fler textmodeller från google

Vanliga frågor

Kan jag köra Gemini 4 Argon lokalt?: Nej. Google har inte släppt öppna vikter för denna modell; den är endast tillgänglig via API.
Vad kostar Gemini 4 Argon och hur stort är dess kontext?: Input kostar 2,00 USD per miljon tokens och output 10,00 USD per miljon tokens, med ett kontextfönster på 1 048 576 tokens – och den kan generera upp till 1 miljon tokens i ett enda svar.
Hur skiljer sig Gemini 4 Argon från andra Gemini-modeller?: Argon är Googles flaggskeppsmodell för resonemang, placerad över lättare Gemini-varianter; den är specifikt tränad för komplex mjukvaruutveckling, djup vetenskaplig och matematisk problemlösning samt långa autonoma agentuppgifter snarare än vardaglig chatt eller snabba uppslag.

Kaptens omdöme
Takgränsen på 1 miljon output-tokens och ledningen i Vals Index gör detta till det seriösa valet för agentbaserad kodning och dokumenttunga professionella uppgifter – om inte kostnaden för output skrämmer dig.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Popularitetstrend för Gemini 4 Argon

Värmenpoäng sedan 13 Oct 2026

Värmescore

8,654°

Den här veckan

n/a

Inte släppt/spårad än

Den här månaden

n/a

Inte släppt/spårad än

Senaste året

n/a

Inte släppt/spårad än

7,000°

Golvet

Skalan går från 0° till 9 999°. Allt under 7,000° är reserverat för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta. 7,000° är där mätta data börjar: en modell med riktiga data men nästan inga nedladdningar ligger på golvet, och mätningarna fyller graderna ovanför. Golvet säger inget om modellen; det gör bara graderna ovanför, och det är de som skiljer en modell från en annan.

+1,342°

OpenRouter-token

296,861,137,133 token som denna modell bearbetat via OpenRouter de senaste 30 dagarna, både prompts och svar. Varje 10,000,000 token räknas som en nedladdning i nedladdningsterm, totalt 29,686; token från senaste dagen räknas in i användningstakten. Källa: OpenRouter (openrouter.ai/rankings).

+312°

Adoptionshastighet

Ungefär 14,559 nedladdningar per dag, mätt mellan två avläsningar av källorna, aldrig uppskattat från ett livstidsgenomsnitt. Hastigheten väger en fjärdedel av nedladdningstermen, så en ny våg syns utan att en dags toppar slår ut år av användning.

Visa detaljerad uppdelning

Varje siffra på den här sidan kan kontrolleras. Den här modellens heat-poäng är 8,654°, och här byggs den upp en ingrediens i taget, med löpande total efter varje: golvet, graderna varje källa lägger till, bonusen för modelltypen och vad vikternas ålder drar bort. Färgerna är banden i diagrammet ovan. Ordlistan i slutet förklarar varje term.

1
Börja vid golvet.
Varför 7,000° och inte noll: skalan går från 0° till 9 999°, och delen under 7,000° är reserverad för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta och aldrig rankas högre än en modell med data. 7,000° är där mätta data börjar. En modell med riktiga data men nästan inga nedladdningar ligger här; allt som följer är mätning, och utrymmet ovanför golvet rymmer tio tiofaldiga steg i nedladdningar på 300° vardera. Golvet är detsamma för varje modell, så det avgör inget; det gör graderna ovanför.
7,000°
löpande total
2
Lägg till nedladdningarna.
29,686 nedladdnings-ekvivalenter totalt, från OpenRouter-token. Tio gånger nedladdningarna ger samma 300°, så storlek spelar roll men tar aldrig över poängen.
+1,342°
8,342°
löpande total
3
Lägg till adoptionshastigheten.
Ungefär 14,559 nedladdningar per dag just nu, mätt mellan två mätningar, med en fjärdedels vikt.
+312°
8,654°
löpande total
=
Heat-poängen.
Var den här modellen står på varje lista på den här sidan. Ingenting annat ändrar den.
8,654°

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Hur den här modellens popularitet har rört sig jämfört med resten av katalogen: dess tillväxt i nedladdningar, gillningar och användning under varje period, mätt mot en typisk modells tillväxt under samma period, med dess heat-poäng vid den tiden. Över den typiska tillväxten ses som en uppgång, under som en nedgång. Det förflutna rekonstrueras från dagens totalsummor, modellens första dag och dess uppmätta nedladdningshastighet där två mätningar finns; en modell som inte fanns i början av en period visar n/a.

Liknande modeller

AI-modeller för bild-, video- och textgenerering

Gemini 4 Argon är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm google vision ljud video resonemang kodning agenter

Bläddra efter modellfamilj