Thanawat Wongchai

Posted on Oct 2 Originally published at apidog.com

Gemini 4 Argon API: ข้อมูลยืนยัน ราคา และวิธีเตรียมโค้ด

#ai #google #gemini #api

ยังไม่มี Gemini 4 Argon API สาธารณะ และ Google ยังไม่ได้เผยแพร่ Model ID ของโมเดลนี้ Google ประกาศเปิดตัว Argon เมื่อวันที่ 30 กันยายน 2026 และปัจจุบันมีให้เฉพาะผู้เข้าร่วมโครงการ Fairwind เท่านั้น โดยกลุ่มพันธมิตร Fairwind ใช้งานเป็นโมเดลที่จัดการบน Gemini Enterprise Artificial Analysis ระบุว่า Google AI Studio เป็นผู้ให้บริการ API เพียงรายเดียวของ Argon แต่ไม่มีข้อมูลความเร็วหรือความหน่วง จึงดูเหมือนเป็นการเข้าถึงล่วงหน้าแบบจำกัด (allowlisted pre-release) มากกว่าปลายทางที่สมัครใช้งานได้ทั่วไป เมื่อเปิดตัวกว้างขึ้น Google ระบุว่าจะเริ่ม “กับลูกค้า API แบบชำระเงินและสมาชิก Google AI Ultra” ดังนั้นคีย์ Gemini API แบบชำระเงินจะทำให้คุณอยู่ในกลุ่มแรก ๆ ที่เข้าถึงได้

ลองใช้ Apidog วันนี้

ช่องว่างระหว่างการประกาศและการเข้าถึงคือเวลาสำหรับเตรียมระบบ บทความนี้แยกสิ่งที่ยืนยันแล้วออกจากสิ่งที่ยังไม่ยืนยัน พร้อมโค้ดที่รันได้วันนี้บน Gemini 3.8 Flash เพื่อให้การย้ายไป Argon เปลี่ยนเพียงตัวแปรเดียว คุณจะได้สร้างคำขอ ตั้งค่าการแจ้งเตือนเมื่อโมเดลพร้อมใช้งาน จำลองการตอบกลับใน Apidog และเพิ่มเพดานค่าใช้จ่ายตามราคาของ Argon เริ่มจาก Gemini 4 Argon คืออะไร และดูขั้นตอนการเปิดตัวในคู่มือ วันที่เปิดตัว Gemini 4 Argon

สิ่งที่ได้รับการยืนยันเกี่ยวกับ Gemini 4 Argon API และสิ่งที่ไม่ได้รับการยืนยัน

โพสต์เปิดตัว ของ Google ระบุราคาและข้อจำกัดเอาต์พุต แต่รายละเอียดส่วนใหญ่ที่จำเป็นต่อการผสานรวมยังไม่เผยแพร่

รายการ	สถานะ	รายละเอียด
ราคาอินพุต	ยืนยันแล้ว	$2 ต่อ 1 ล้านโทเค็นในช่วงแนะนำ, $4 หลังช่วงแนะนำ
ราคาเอาต์พุต	ยืนยันแล้ว	$10 ต่อ 1 ล้านโทเค็นในช่วงแนะนำ, $20 หลังจากนั้น
แคชอินพุต	ยืนยันแล้ว	ลด 95%: $0.10 ในช่วงแนะนำ, $0.20 ราคามาตรฐาน
ข้อจำกัดเอาต์พุต	ยืนยันแล้ว	1 ล้านโทเค็น เพิ่มจาก 64K
API surface	ระบุไว้	เอกสาร Google ระบุว่าโมเดลใหม่ทั้งหมดจะเปิดตัวบน Interactions API
Model ID	ยังไม่เผยแพร่	ไม่มีในหน้าโมเดล หน้าราคา หรือบันทึกการเปลี่ยนแปลง
Input context window	ยังไม่เผยแพร่	การประเมิน long context ใช้พรอมต์สูงสุด 1 ล้านโทเค็น แต่ไม่ใช่ข้อกำหนด
Thinking levels	ยังไม่เผยแพร่	การประเมินรันด้วย “การตั้งค่าการคิดสูงสุด” แต่ไม่ทราบชื่อและค่าเริ่มต้น
Rate limits	ยังไม่เผยแพร่	ไม่มีการประกาศระดับชั้น
การรองรับ Batch	ยังไม่เผยแพร่	ไม่มีราคาแบบ Batch หรือ Flex
Long-prompt tier	ยังไม่เผยแพร่	Gemini 3.1 Pro คิดเพิ่มเมื่อพรอมต์เกิน 200K แต่กฎของ Argon ยังไม่ระบุ
ระยะเวลาช่วงแนะนำ	ยังไม่เผยแพร่	ไม่มีวันสิ้นสุดสำหรับราคา $2/$10

สองจุดที่ต้องจับตาเป็นพิเศษ:

API surface — เอกสาร Interactions API ระบุว่าโมเดลใหม่จะ “เปิดตัวบน Interactions API” ดังนั้น Argon น่าจะเปิดตัวผ่าน API นี้ก่อน Google ยังไม่ได้ยืนยันว่าจะรองรับ generateContent หรือไม่
ข้อจำกัดเอาต์พุต — Google ระบุขีดจำกัด 1 ล้านโทเค็น แต่ Vals AI ระบุเอาต์พุตสูงสุด 262K สำหรับการกำหนดค่าที่ทดสอบ อย่าสรุปว่าทุกปลายทางจะให้บริการเต็ม 1 ล้านโทเค็นตั้งแต่วันแรก ดูผลกระทบต่อ streaming, timeout และการจัดเก็บข้อมูลได้ใน คู่มือ 1M เอาต์พุตโทเค็น

ตัวอย่างต้นทุน: คำขอที่มีอินพุต 20,000 โทเค็นและเอาต์พุต 5,000 โทเค็น มีค่าใช้จ่ายดังนี้

ช่วงแนะนำ:
20,000 × $2 / 1,000,000  = $0.04
 5,000 × $10 / 1,000,000 = $0.05
รวม                         $0.09

ราคามาตรฐาน:
รวม                         $0.18

ราคาเอาต์พุตช่วงแนะนำของ Argon ($10) ต่ำกว่า Gemini 3.1 Pro Preview ที่ $12 ขณะที่ราคามาตรฐาน $20 ตรงกับ Claude Opus 5.5 ดูสถานการณ์เพิ่มเติม รวมถึง input cache และเอาต์พุต 1 ล้านโทเค็น ได้ใน การวิเคราะห์ราคา Gemini 4 Argon

อย่าฮาร์ดโค้ด Model ID ที่คุณพบทางออนไลน์

หากค้นหา Model ID ของ Argon คุณอาจพบสตริงบนเว็บเปรียบเทียบ ตัวรวบรวมข้อมูล หรือ open-source pull request แต่สิ่งเหล่านี้เป็นเพียง placeholder เท่านั้น Vals AI ใช้ slug ของตัวเอง, GitHub บาง PR ใช้ ID “ชั่วคราว” และพาธสไตล์ OpenRouter บางรายการนำไปยังหน้า not found

ID ที่เดาเองจะล้มเหลวใน production ในวัน deploy หรือแย่กว่านั้นคือเกิด fallback แบบเงียบ หาก wrapper ดักจับข้อผิดพลาดกว้างเกินไป

ให้เก็บชื่อโมเดลไว้ใน environment variable:

export GEMINI_MODEL="gemini-3.8-flash"

ตัวอย่างทั้งหมดด้านล่างอ่านค่าจาก GEMINI_MODEL และใช้ gemini-3.8-flash เป็นค่าเริ่มต้น เมื่อ Google เผยแพร่ ID ของ Argon คุณเพียงเปลี่ยนตัวแปรนี้โดยไม่ต้องแก้โค้ด

เตรียมโค้ดของคุณให้พร้อมบน Gemini 3.8 Flash

Gemini 3.8 Flash (gemini-3.8-flash) ใช้งานบน endpoint, header และ response shape เดียวกับที่คาดว่า Argon จะใช้ ราคาอยู่ที่ $0.75/$3.75 ต่อ 1 ล้านโทเค็นจนถึงวันที่ 31 ธันวาคม 2026

เก็บคีย์ไว้ใน GEMINI_API_KEY และอย่าใส่ลงใน source code ดูขั้นตอนตั้งค่าฉบับเต็มได้ใน คู่มือ Gemini 3.8 Flash API

ขั้นตอนที่ 1: ส่งคำขอ Interactions API

Interactions API เป็น API หลักของ Google และเปิดให้ใช้งานทั่วไปตั้งแต่เดือนมิถุนายน 2026 เก็บทั้งชื่อโมเดลและระดับการคิดไว้ในตัวแปร เพราะชื่อ thinking level ของ Argon ยังไม่เผยแพร่

MODEL="${GEMINI_MODEL:-gemini-3.8-flash}"
THINKING="${GEMINI_THINKING:-medium}"

curl -s -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d "{
    \"model\": \"${MODEL}\",
    \"input\": \"List the retry rules a REST client should follow for HTTP 429.\",
    \"generation_config\": {\"thinking_level\": \"${THINKING}\"}
  }"

สำหรับ Python SDK ต้องใช้ google-genai เวอร์ชัน 2.3.0 ขึ้นไป:

# pip install "google-genai>=2.3.0"
import os
from google import genai

MODEL = os.environ.get("GEMINI_MODEL", "gemini-3.8-flash")
THINKING = os.environ.get("GEMINI_THINKING", "medium")

client = genai.Client()  # reads GEMINI_API_KEY from the environment

interaction = client.interactions.create(
    model=MODEL,
    input="List the retry rules a REST client should follow for HTTP 429.",
    generation_config={"thinking_level": THINKING},
)

print(interaction.output_text)

บน Gemini 3.8 Flash ค่าที่ใช้ได้คือ low, medium และ high โดย medium เป็นค่าเริ่มต้น หากใช้ minimal จะได้รับ HTTP 400 ดู trade-off ของแต่ละระดับได้ใน คู่มือระดับการคิด

สำหรับ workflow แบบหลายรอบ ให้ส่ง ID ของคำตอบก่อนหน้าใน previous_interaction_id และส่ง store: false หากต้องการเลือกไม่เก็บข้อมูลฝั่งเซิร์ฟเวอร์

ขั้นตอนที่ 2: ทำให้ `generateContent` path ทำงานต่อไป

โค้ดเดิมจำนวนมากยังเรียก endpoint generateContent ซึ่ง Google ระบุว่ายังรองรับอย่างเต็มที่ ใช้คำขอเทียบเท่ากันได้ดังนี้:

curl -s "https://generativelanguage.googleapis.com/v1beta/models/${MODEL}:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d "{
    \"contents\": [{
      \"parts\": [{
        \"text\": \"List the retry rules a REST client should follow for HTTP 429.\"
      }]
    }],
    \"generationConfig\": {
      \"thinkingConfig\": {
        \"thinkingLevel\": \"${THINKING}\"
      }
    }
  }"

ตำแหน่งของค่า thinking ต่างกัน:

Interactions API: generation_config.thinking_level
generateContent: generationConfig.thinkingConfig.thinkingLevel

หากไคลเอ็นต์รองรับทั้งสอง API ให้กำหนดเส้นทางโมเดลใหม่ผ่าน Interactions เป็นค่าเริ่มต้น การกำหนด tools ต้องระวังในลักษณะเดียวกัน ดูตัวอย่างใน การเรียกใช้ฟังก์ชัน Gemini 3.8 Flash

ขั้นตอนที่ 3: กำหนดเวลาตรวจสอบสถานะพร้อมใช้งานด้วย `models.list`

อย่ารีเฟรช changelog ด้วยตนเอง ให้ตรวจสอบ endpoint models โดยตรง เพราะจะส่งคืนรายการโมเดลพร้อม token limit และ generation method ที่รองรับ

import os
import sys
import requests

resp = requests.get(
    "https://generativelanguage.googleapis.com/v1beta/models",
    params={"pageSize": 1000},
    headers={"x-goog-api-key": os.environ["GEMINI_API_KEY"]},
    timeout=30,
)

resp.raise_for_status()

hits = [
    model
    for model in resp.json().get("models", [])
    if "argon" in model["name"].lower()
]

for model in hits:
    print(
        model["name"],
        "in:", model.get("inputTokenLimit"),
        "out:", model.get("outputTokenLimit"),
        model.get("supportedGenerationMethods"),
    )

sys.exit(1 if hits else 0)  # ใช้ failed run เป็นสัญญาณแจ้งเตือน

รันสคริปต์นี้ทุกชั่วโมงจาก cron หรือ CI schedule โดยใช้คีย์เดียวกับ production

เมื่อเรียก API นี้ในวันที่ 1 ตุลาคม 2026 ด้วยคีย์โปรเจกต์แบบชำระเงิน ผลลัพธ์มี 61 โมเดล ไม่มี nextPageToken และไม่มีชื่อใดที่มีคำว่า argon เมื่อชื่อปรากฏในรายการ คุณจะตรวจสอบได้ทันทีว่า:

Model ID จริงคืออะไร
outputTokenLimit ให้เต็ม 1 ล้านโทเค็นหรือไม่
รองรับ generation method ใดบ้าง

ขั้นตอนที่ 4: จำลองการตอบกลับเพื่อสร้างไคลเอ็นต์ก่อนเข้าถึง Argon

คุณไม่จำเป็นต้องเข้าถึง Argon เพื่อสร้างโค้ดสำหรับ Argon

บันทึกคำขอจากขั้นตอน generateContent ใน Apidog และกำหนด GEMINI_API_KEY กับ GEMINI_MODEL เป็น environment variables จากนั้นทำตามขั้นตอนนี้:

ส่งคำขอไปยัง Gemini 3.8 Flash หนึ่งครั้ง
บันทึก response จริงเป็น response example
ตั้งค่า Smart Mock ของโปรเจกต์เป็น Response example first
ใช้ Mock URL เพื่อทดสอบ frontend, queue worker และ response parser โดยไม่ใช้โทเค็นจริง

Apidog Smart Mock สร้างข้อมูลจาก schema เป็นค่าเริ่มต้น ดังนั้นให้เปลี่ยนวิธีจำลองที่ Project Settings → Feature Settings → Mock Settings

สิ่งที่จำลองได้คือ response schema ของ Gemini ปัจจุบัน ไม่ใช่ schema ที่ยืนยันแล้วของ Argon แต่ยังเป็นวิธีเตรียมระบบที่เหมาะสม เพราะ Argon คาดว่าจะใช้ API surface เดียวกัน

เพื่อทดสอบกรณีข้อมูลขนาดใหญ่ ให้แก้ไข usageMetadata ใน response example ให้มีจำนวนโทเค็นสูง แล้วตรวจสอบว่า billing code และระบบแจ้งเตือนทำงานถูกต้อง

ขั้นตอนที่ 5: ยืนยัน `usageMetadata` และเพดานค่าใช้จ่าย

ทุก response ของ generateContent มี usageMetadata เพิ่ม post-processor ใน Apidog เพื่อคำนวณราคาของ response แต่ละครั้งด้วยอัตรามาตรฐานของ Argon และทำให้การทดสอบล้มเหลวก่อนคำขอจะเกินงบประมาณ

// Apidog post-processor: คำนวณราคาตามอัตรามาตรฐาน Gemini 4 Argon
const u = pm.response.json().usageMetadata;

const IN = 4 / 1e6;   // USD ต่อ input token หลังช่วงแนะนำ
const OUT = 20 / 1e6; // USD ต่อ output token

// สำหรับ Gemini รุ่นปัจจุบัน thinking token ถูกคิดราคาเป็น output
const out = (u.candidatesTokenCount || 0) + (u.thoughtsTokenCount || 0);

const cost = u.promptTokenCount * IN + out * OUT;

pm.test("usageMetadata is present", () => {
  pm.expect(u).to.be.an("object");
});

pm.test("cost under $0.10 at Argon rates", () => {
  pm.expect(cost).to.be.below(0.10);
});

เลือกเพดานต่อคำขอตาม workload ของคุณ ค่า $0.10 เหมาะกับพรอมต์สั้นในตัวอย่างนี้ Google ยังไม่ได้ระบุว่า Argon จะคิดค่า thinking token อย่างไร ดังนั้นสคริปต์นี้อิงกฎการคิดราคาของ Gemini รุ่นปัจจุบัน

เก็บคำขอเดียวกันไว้ แล้วรันกับ Gemini 3.8 Flash วันนี้และ Argon ในภายหลัง ความต่างของ token count และต้นทุนคือ baseline สำหรับ regression test ของคุณ

คำถามที่พบบ่อย

Gemini 4 Argon API พร้อมใช้งานหรือไม่?

ยังไม่เปิดให้สาธารณะ Argon เปิดตัวสำหรับกลุ่มพันธมิตร Fairwind Program ที่ใช้ผ่าน Gemini Enterprise ก่อน ลูกค้า API แบบชำระเงินและสมาชิก Google AI Ultra เป็นกลุ่มถัดไป แต่ยังไม่มีกำหนดวัน

Model ID ของ Gemini 4 Argon คืออะไร?

Google ยังไม่ได้เผยแพร่ Model ID สตริงจากเว็บไซต์ภายนอกเป็นเพียง placeholder ให้เก็บชื่อโมเดลไว้ใน environment variable และตรวจสอบด้วย models.list

Gemini 4 Argon API มีค่าใช้จ่ายเท่าไร?

ราคาในช่วงแนะนำคือ $2 สำหรับอินพุตและ $10 สำหรับเอาต์พุตต่อ 1 ล้านโทเค็น หลังจากนั้นเป็น $4 และ $20 ตามลำดับ โดย input cache ลดราคา 95% ดูรายละเอียดได้ที่ ราคา Gemini 4 Argon

Argon จะใช้กับ generateContent ได้หรือไม่?

Google ยังไม่ได้ยืนยัน เอกสารระบุว่าโมเดลใหม่ทั้งหมดจะเปิดตัวบน Interactions API ดังนั้นควรสร้างบน Interactions และเก็บ generateContent เป็นทางเลือกสำรอง

Google AI Ultra ให้สิทธิ์เข้าถึง API หรือไม่?

ไม่ใช่โดยตรง AI Ultra เป็นการสมัครสมาชิกสำหรับผู้บริโภค ไม่ใช่ API key Google ระบุว่าการเข้าถึง API จะเริ่มจากลูกค้า API แบบชำระเงิน

ขั้นตอนต่อไปของคุณ

กำหนด GEMINI_MODEL ในทุก environment
ใช้ gemini-3.8-flash เป็นค่าเริ่มต้นที่รันได้ในปัจจุบัน
ตั้ง schedule ตรวจสอบ models.list
บันทึกคำขอทั้ง Interactions และ generateContent
เพิ่ม assertion ตรวจสอบ usageMetadata และเพดานค่าใช้จ่าย
เปลี่ยนค่า GEMINI_MODEL เมื่อ Google เผยแพร่ Model ID ของ Argon

ดาวน์โหลด Apidog เพื่อเก็บคำขอ mock และ test เหล่านี้ไว้ใน workspace เดียว

DEV Community

Gemini 4 Argon API: ข้อมูลยืนยัน ราคา และวิธีเตรียมโค้ด

สิ่งที่ได้รับการยืนยันเกี่ยวกับ Gemini 4 Argon API และสิ่งที่ไม่ได้รับการยืนยัน

อย่าฮาร์ดโค้ด Model ID ที่คุณพบทางออนไลน์

เตรียมโค้ดของคุณให้พร้อมบน Gemini 3.8 Flash

ขั้นตอนที่ 1: ส่งคำขอ Interactions API

ขั้นตอนที่ 2: ทำให้ `generateContent` path ทำงานต่อไป

ขั้นตอนที่ 3: กำหนดเวลาตรวจสอบสถานะพร้อมใช้งานด้วย `models.list`

ขั้นตอนที่ 4: จำลองการตอบกลับเพื่อสร้างไคลเอ็นต์ก่อนเข้าถึง Argon

ขั้นตอนที่ 5: ยืนยัน `usageMetadata` และเพดานค่าใช้จ่าย

คำถามที่พบบ่อย

ขั้นตอนต่อไปของคุณ

Top comments (0)

สิ่งที่ได้รับการยืนยันเกี่ยวกับ Gemini 4 Argon API และสิ่งที่ไม่ได้รับการยืนยัน

อย่าฮาร์ดโค้ด Model ID ที่คุณพบทางออนไลน์

เตรียมโค้ดของคุณให้พร้อมบน Gemini 3.8 Flash

ขั้นตอนที่ 1: ส่งคำขอ Interactions API

ขั้นตอนที่ 2: ทำให้ generateContent path ทำงานต่อไป

ขั้นตอนที่ 3: กำหนดเวลาตรวจสอบสถานะพร้อมใช้งานด้วย models.list

ขั้นตอนที่ 4: จำลองการตอบกลับเพื่อสร้างไคลเอ็นต์ก่อนเข้าถึง Argon

ขั้นตอนที่ 5: ยืนยัน usageMetadata และเพดานค่าใช้จ่าย

คำถามที่พบบ่อย

ขั้นตอนต่อไปของคุณ

ขั้นตอนที่ 2: ทำให้ `generateContent` path ทำงานต่อไป

ขั้นตอนที่ 3: กำหนดเวลาตรวจสอบสถานะพร้อมใช้งานด้วย `models.list`

ขั้นตอนที่ 5: ยืนยัน `usageMetadata` และเพดานค่าใช้จ่าย