Gemini 4 Argon через API из России: доступ, цены и подключение

Gemini 4 Argon — флагманская модель Google DeepMind, открывшая глобальный доступ 13 октября 2026 года. Она принимает текст, изображения, видео, аудио и PDF-документы в окне до 1 миллиона токенов. Модель создана для сложных инженерных задач, автономных агентов и многошагового рассуждения над большими объёмами разнородных данных. Через Hubris вы подключаетесь к ней с оплатой в рублях: 252,48 ₽ за 1 млн входных токенов и 1 262,37 ₽ за 1 млн выходных. Оплата — с российской карты или через СБП, без зарубежных карт.

Что умеет Gemini 4 Argon

Модель обучена длительному агентному рассуждению — она держит контекст на протяжении многошаговых задач и способна автономно планировать действия. Ключевые сценарии:

• Автономное обнаружение и устранение уязвимостей в коде. Модель находит пробелы безопасности и самостоятельно предлагает исправления — это делает её инструментом для аудита безопасности и автоматизации DevSecOps.
• Крупномасштабные миграции кодовых баз. Gemini 4 Argon переписывает и реорганизует большие объёмы кода, сохраняя логику и интерфейсы.
• Корпоративная аналитика. Модель анализирует сложные документы — финансовую отчётность, юридические тексты, налоговые декларации — смеси текста, таблиц, графиков и изображений. Точность анализа выросла на 14 % по сравнению с Gemini 3.1 Pro.
• Физическое понимание сцен в робототехнике. Модель интерпретирует визуальные данные с камер для задач навигации и манипуляции.

На вход Gemini 4 Argon принимает текст, изображения, видео, аудио и PDF-документы. На выходе — только текст: модель не генерирует изображения и видео. Для генерации изображений доступны модели Gemini 3 Pro Image и GPT Image 2.

Контекстное окно — 1 048 576 токенов: в один запрос помещается целая кодовая база или сотни страниц документов. Google заявляет ответ длиной до 1 миллиона токенов, через Hubris сейчас доступен ответ до 65 536 токенов.

Цены и тарификация

Стоимость работы Gemini 4 Argon через Hubris:

Списание идёт в рублях по факту расхода токенов. Юрлица могут оплатить по счёту с закрывающими документами.

При типовом запросе на 10 000 входных токенов и 2 000 выходных вы потратите около 5 ₽. При интенсивной работе с большим контекстом (100 000 входных, 20 000 выходных) — примерно 50 ₽.

Как подключиться через API из России

Для работы с Gemini 4 Argon нужен API-ключ Hubris. Если у вас его ещё нет:

1. Зарегистрируйтесь на hubris.pw — нужна только почта.
2. Получите API-ключ в личном кабинете — он создаётся в один клик, виден полностью один раз при создании.
3. Пополните баланс через СБП, карту или по счёту.

API Hubris полностью совместим с OpenAI — если вы уже работали с ChatGPT API, вам не придётся менять код. Пример запроса:

curl https://api.hubris.pw/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $HUBRIS_API_KEY" \
  -d '{
    "model": "google/gemini-4-argon",
    "messages": [{"role": "user", "content": "Напиши автоматические тесты для модуля"}]
  }'

Для Python-проектов используйте библиотеку openai — достаточно указать base_url:

from openai import OpenAI

client = OpenAI(
    api_key="sk-gw-...",
    base_url="https://api.hubris.pw/v1"
)

response = client.chat.completions.create(
    model="google/gemini-4-argon",
    messages=[{"role": "user", "content": "Объясни архитектуру микросервисов"}]
)

Модель поддерживает reasoning_effort (параметр, управляющий глубиной рассуждений), temperature, stop, response_format, seed, tools и structured_outputs. Подробнее — на странице моделей Gemini.

Чем Gemini 4 Argon отличается от других моделей Gemini

Модельный ряд Google эволюционировал заметно, и важно понимать, чем Argon выделяется:

• От Gemini 3.1 Pro — точность анализа корпоративных документов выше на 14 %, а лимит ответа у Google вырос до 1 миллиона токенов против 64 000 у семейства Gemini 3.
• От Gemini 2.5 Pro — принципиально другой класс: Argon — флагманская рассуждающая модель с упором на автономное решение задач, тогда как 2.5 Pro — более ранняя модель с акцентом на универсальные задачи.
• От Gemini 2.5 Flash — разница в масштабе и назначении: Flash оптимизирована под скорость и низкую стоимость, Argon — под максимум качества для самых сложных задач.

Если вы решаете прикладные задачи (чат-боты, суммаризация, простые запросы), вам, вероятно, хватит Gemini 2.5 Flash или Gemini 2.5 Pro. Если же вы строите автономных агентов, анализируете крупные кодовые базы или работаете с многостраничными документами — Gemini 4 Argon даёт принципиально иной уровень возможностей.

Частые вопросы

Генерирует ли Gemini 4 Argon изображения?

Нет. Модель принимает изображения на вход (может анализировать их содержание), но не создаёт их на выходе. Для генерации изображений используйте Gemini 3 Pro Image или GPT Image 2.

Какой размер контекста поддерживает?

До 1 048 576 токенов на входе, ответ через Hubris — до 65 536 токенов. В один запрос можно загрузить целую кодовую базу или сотни страниц документации.

Подходит ли модель для написания кода?

Да, это один из основных сценариев. Gemini 4 Argon специально обучена поиску и исправлению уязвимостей, миграции кодовых баз и автономному решению инженерных задач. Подробнее о выборе моделей для кода — в статье «Нейросеть для кода».

Может ли оплатить юридическое лицо?

Да. Выставляется счёт, предоставляются закрывающие документы и УПД — подробнее в разделе «Как юрлицу оплатить нейросети».

Сколько стоит один запрос?

При среднем запросе из 5 000 входных и 1 000 выходных токенов — около 2,5 ₽. При полном контексте (1 млн входных и 65 536 выходных) — около 335 ₽.

Какие есть ограничения?

Модель не генерирует изображения и видео. Для автономного исполнения кода, создаваемого моделью, рекомендуются изолированные среды (песочницы) — это мера безопасности, рекомендованная Google. Также доступ к модели расширяется поэтапно из соображений кибербезопасности.

Gemini 4 Argon — это шаг вперёд в автономных агентах и глубоком анализе кода и документов. Если ваша задача выходит за рамки простых запросов и требует автономной работы — это та модель, с которой стоит начать.

Узнать больше о возможностях Gemini API · Как выбрать нейросеть под задачу · Все модели в каталоге