Gemini 4 Argon | Google LLM API Pricing & Performance

Name: Gemini 4 Argon API
Brand: google
Price: 4 USD
Availability: InStock

ราคา

จ่ายตามการใช้งาน

ไม่มีค่าใช้จ่ายล่วงหน้า จ่ายเฉพาะสิ่งที่คุณใช้

อินพุต$4.00 / M Tokens

เอาต์พุต$20.00 / M Tokens

Cache Read$0.20 / M Tokens

Cache Write$0.38 / M Tokens

ลองใช้โมเดล

google/gemini-4-argon

ออนไลน์

สวัสดี! ฉันคือผู้ช่วย AI พร้อมช่วยคุณ ต้องการให้ช่วยอะไรไหม?

พร้อมใช้โมเดลนี้ใน coding agent บนเครื่องหรือยัง?ตั้งค่า agent

การใช้งาน API

ใช้ตัวอย่างโค้ดต่อไปนี้เพื่อผสานรวมกับ API ของเรา:

import OpenAI from 'openai';

if (!process.env.WAVESPEED_API_KEY) throw new Error('Set WAVESPEED_API_KEY');
const client = new OpenAI({
  apiKey: process.env.WAVESPEED_API_KEY,
  baseURL: 'https://llm.wavespeed.ai/v1',
  timeout: 120_000,
  maxRetries: 0,
});

try {
  const response = await client.chat.completions.create({
    model: 'google/gemini-4-argon',
    messages: [{ role: 'user', content: 'Hello!' }],
  });
  const body = response as typeof response & { error?: { message?: string } };
  if (body.error) throw new Error(body.error.message || 'LLM generation failed');
  console.log(response.choices[0]?.message?.content ?? '');
} catch (error) {
  console.error('LLM request failed:', error);
  process.exitCode = 1;
}

import OpenAI from 'openai';

if (!process.env.WAVESPEED_API_KEY) throw new Error('Set WAVESPEED_API_KEY');
const client = new OpenAI({
  apiKey: process.env.WAVESPEED_API_KEY,
  baseURL: 'https://llm.wavespeed.ai/v1',
  timeout: 120_000,
  maxRetries: 0,
});

try {
  const response = await client.chat.completions.create({
    model: 'google/gemini-4-argon',
    messages: [{ role: 'user', content: 'Hello!' }],
  });
  const body = response as typeof response & { error?: { message?: string } };
  if (body.error) throw new Error(body.error.message || 'LLM generation failed');
  console.log(response.choices[0]?.message?.content ?? '');
} catch (error) {
  console.error('LLM request failed:', error);
  process.exitCode = 1;
}

แนะนำโมเดล

Google: Gemini 4 Argon

Gemini 4 Argon is Google's flagship reasoning model, built for complex software engineering, deep mathematical and scientific problem solving, and autonomous multi-step agents. Google trained it to keep context across...

This model is available through the WaveSpeed AI OpenAI-compatible API for chat completions and compatible application workflows.

Why It Looks Great

text+image+file+audio+video->text architecture for Audio, file, Image, Text, Video to Text workloads
1048576 context window for long prompts, document analysis, and multi-turn workflows
Vision input support for image understanding and multimodal tasks
Function calling and tool-use support for agentic application workflows
Structured output support for JSON responses and schema-constrained generation
Reasoning controls available through supported parameters

Key Features

Context Window: 1048576 tokens
Max Input: 104858 tokens
Max Output: 943718 tokens
Vision: Supported
Function Calling: Supported
Structured Outputs: Supported
Image Generation: Not listed
Audio Input: Supported
Supported Parameters: include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_p

Specifications

Specification	Value
Provider	google
Model Type	Chat Completions model
Architecture	text+image+file+audio+video->text
Context Window	1048576 tokens
Max Input	104858 tokens
Max Output	943718 tokens
Input	Audio, file, Image, Text, Video
Output	Text
Vision	Supported
Function Calling	Supported
Structured Outputs	Supported
Release Date	October 14, 2026

How to Use

Write your prompt - describe the task, provide context, and specify the desired output format.
Submit - the model processes your request and returns the response.

API Integration

Base URL: https://llm.wavespeed.ai/v1 API Endpoint: chat/completions Model ID: google/gemini-4-argon

API Usage

Python SDK

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://llm.wavespeed.ai/v1"
)

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

print(response.choices[0].message.content)

cURL

curl https://llm.wavespeed.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "google/gemini-4-argon",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Notes

Model: google/gemini-4-argon
Provider: google

คำถามที่พบบ่อยเกี่ยวกับ Gemini 4 Argon

Gemini 4 Argon API ราคาเท่าไหร่?+

ราคาบน WaveSpeedAI: $4.00 ต่อล้านโทเคนอินพุต และ $20.00 ต่อล้านโทเคนเอาต์พุต Prompt caching และ batch processing คิดค่าบริการแยกและช่วยลดต้นทุนที่แท้จริงสำหรับภาระงานที่ยาวและทำซ้ำ

Gemini 4 Argon มี context window เท่าใด?+

Gemini 4 Argon รองรับสูงสุด 1049K โทเคนคอนเท็กซ์ และสูงสุด 33K โทเคนเอาต์พุตต่อคำขอ

Gemini 4 Argon เข้ากันได้กับ OpenAI หรือไม่?+

WaveSpeedAI ให้บริการ Gemini 4 Argon ที่ https://llm.wavespeed.ai/v1 ผ่านอินเทอร์เฟซ Chat Completions ที่เข้ากันได้กับ OpenAI ไคลเอนต์ OpenAI SDK ส่วนใหญ่ใช้งานได้โดยเปลี่ยน base URL และ API key ส่วนฟิลด์เสริมขึ้นอยู่กับโมเดล

จะเริ่มใช้ Gemini 4 Argon ได้อย่างไร?+

ลงชื่อเข้าใช้ WaveSpeedAI สร้าง API key ใน Access Keys แล้วส่งคำขอไปยัง https://llm.wavespeed.ai/v1/chat/completions โดยใช้ model id ที่แสดงด้านบน ตรวจสอบความพร้อมใช้งาน ความสามารถ และราคาจากแคตตาล็อกโมเดลปัจจุบัน