Gemini 4 Argon Rehberi: Fiyat, Thinking Level, Long Decode, API ve Claude Karşılaştırması

Google, 13 Ekim 2026'da Gemini 4 ailesinin ilk modelini yayınladı: Gemini 4 Argon. API'de model kimliği gemini-4-argon. Model 1M token'lık birleşik bir bağlam penceresi, 1M token'a kadar çıkabilen "long decode", üç kademeli thinking_level ayarı ve 30 Kasım 2026'ya kadar geçerli bir tanıtım fiyatıyla geliyor. Google, 28 Ekim'de ailenin ikinci modeli Gemini 4 Carbon'u da duyurdu, ancak Carbon henüz geliştiricilere açık değil. Bugün API'de kullanabileceğiniz Gemini 4 modeli yalnızca Argon.

Bu rehberde Türk geliştiricilerin soracağı soruları yanıtlıyoruz. Gemini 4 Argon tam olarak ne sunuyor, ne kadar tutuyor, Gemini 3.x'ten geçerken neler kırılıyor ve Claude Opus 5.5 / Sonnet 5.5 karşısında nerede duruyor? Teknik bilgilerin tamamı Google'ın resmî dokümanlarından (ai.google.dev, blog.google, deepmind.google, cloud.google.com, github.com/google-gemini) ve karşılaştırmalar için Anthropic'in resmî fiyatlandırma sayfasından alındı. Fiyatlar 29 Ekim 2026'da kontrol edildi ve ABD doları cinsinden.

Gemini 4 Argon Nedir?

Google DeepMind'ın model kartına göre Argon, metin, görsel ve ses girdilerini doğal olarak destekleyen büyük ölçekli bir sparse mixture-of-experts (MoE) Transformer. Model kartı modelin "önceki bir modelin modifikasyonu veya fine-tune'u olmadığını" özellikle vurguluyor; yani Gemini 3.x üzerine eklenmiş bir ince ayar değil, yeni bir temel model. Eğitim Google TPU'ları üzerinde JAX ve ML Pathways ile yapılmış. Bilgi kesim tarihi (knowledge cutoff) Mart 2026.

Google'ın duyurusunda (yazar: Google DeepMind SVP'si ve Baş Yapay Zekâ Mimarı Koray Kavukcuoglu) Argon için seçilen hedef alanlar şunlar: karmaşık yazılım mühendisliği, finans, hukuk, siber güvenlik savunması ve bilim. Geliştirici blogu da modeli "karmaşık iş akışları için frontier model" olarak tanımlıyor ve kod migrasyonları ile uzun soluklu araştırma işlerini tipik kullanım örneği olarak veriyor. Duyuruya göre Argon stil talimatlarına önceki Gemini modellerinden daha iyi uyuyor ve daha az çekinceyle, daha doğrudan cevap veriyor.

Google'ın kendi iç kullanımından paylaştığı rakamlar da ilginç (bunlar bağımsız ölçümler değil, Google'ın beyanı):

• Antigravity içinde ajanların gönderdiği kod (agentic code submissions) %35'ten fazla artmış, kod geri almaları (rollback) yaklaşık üçte bir azalmış.
• Chrome ekibi, aylar sürmesi beklenen bir mimari refactor'ü Argon'un yardımıyla haftalar içinde bitirmiş.
• Açık kaynak Google ADK'da, uzun oturumlarda bellek içi oturum hazırlama süresi %40, soğuk import süresi %21 kısalmış.
• Gemma 4 E2B'nin A100 üzerinde vLLM ile çalıştırılmasında uçtan uca 2,85 kat hızlanma elde edilmiş; throughput saniyede yaklaşık 37.900 token'dan 108.000'in üzerine çıkmış.

Argon ile Carbon arasındaki fark ne?

28 Ekim 2026'da duyurulan Gemini 4 Carbon, Google'ın "siber güvenlik ve uzun ufuklu (long horizon) görevlerde en güçlü modelimiz" dediği model. Ancak erişim kademeli: önce bir grup siber savunma uzmanına, ardından Fairwind Programı üzerinden güvenilir partnerlere açılıyor. Google, Carbon'u geliştiricilere, işletmelere ve son kullanıcılara "olabildiğince çabuk" getirmeyi hedeflediğini söylüyor ama tarih vermiyor; tanıtım fiyatının Argon ile aynı olacağı belirtiliyor. Yani bugün bir ürün planlıyorsanız elinizdeki seçenek Argon; Carbon'u bir yol haritası maddesi olarak görmek daha gerçekçi.

Gemini 4 Argon'un Teknik Özellikleri

Gemini API'nin model sayfasındaki temel değerler şöyle:

Özellik	Değer
Model kimliği	gemini-4-argon (tek kararlı sürüm)
Girdi	Metin, görsel, video, ses, PDF
Çıktı	Yalnızca metin
Bağlam penceresi	1.048.576 token (girdi + düşünme + çıktı ortak)
Maks. çıktı	Senkron isteklerde 65.536; long decode ile 1.048.576'ya kadar
Thinking seviyeleri	low, medium (varsayılan), high
Önbellekleme	Yalnızca implicit caching; explicit caching desteklenmiyor
Bilgi kesim tarihi	Mart 2026 (model kartı)
Tüketim seçenekleri	Standard, Batch API, Flex, Priority

Desteklenen yetenekler: kod çalıştırma (code execution), function calling, yapılandırılmış çıktı (structured outputs), Google Search ile grounding, Google Maps ile grounding, URL context, file search, computer use (Preview) ve artık genel kullanıma açılan agentic video understanding. Desteklenmeyenler: ses üretimi, görsel üretimi ve Live API. Gerçek zamanlı sesli bir asistan kuruyorsanız Argon bu iş için doğru model değil.

Model kartının sınırlamalar bölümü de dürüst: model halüsinasyon üretebilir, zaman zaman yavaşlık veya zaman aşımı gösterebilir ve bazı alanlardaki bilgisi güncel olmayabilir. Zaman aşımı notu, aşağıda göreceğimiz "istemci timeout'unu en az 15 dakikaya çıkarın" tavsiyesiyle birlikte okunmalı.

Gemini 4 Argon Fiyatı Ne Kadar?

Argon'un fiyatlandırmasında iki önemli nokta var: ücretsiz katmanda (Free tier) kullanılamıyor ve fiyatlar 1 Aralık 2026'da iki katına çıkıyor. Resmî fiyat sayfasındaki (son güncelleme 28 Ekim 2026) milyon token başına değerler:

Katman	Girdi (30 Kasım'a kadar / 1 Aralık'tan itibaren)	Çıktı, düşünme dahil	Önbellekli girdi (implicit)
Standard	2,00 $ / 4,00 $	10,00 $ / 20,00 $	0,10 $ / 0,20 $
Batch	1,00 $ / 2,00 $	5,00 $ / 10,00 $	0,05 $ / 0,10 $
Flex	1,00 $ / 2,00 $	5,00 $ / 10,00 $	0,05 $ / 0,10 $
Priority	3,60 $ / 7,20 $	18,00 $ / 36,00 $	0,18 $ / 0,36 $

Fiyat sayfasındaki diğer ayrıntılar:

• Grounding with Google Search: Gemini 3+ modelleri arasında paylaşılan ayda 5.000 ücretsiz istek, sonrasında 1.000 istek başına 14 $. Günlük 1.500 istek (RPD) sınırı var. Google Maps grounding de aynı şekilde 5.000 ücretsiz sorgu sonrası 1.000 sorgu başına 14 $.
• Uzun bağlam için ayrı fiyat kademesi yok. Gemini 3.1 Pro Preview'da 200K token üstü istemler daha pahalıyken, sayfada Argon için böyle bir kademe listelenmiyor.
• Gizli maliyetler: Düşünme (thinking) token'ları çıktı fiyatından faturalanıyor. Grounding kullanırken araçların dahili sistem talimatları ve function declaration'lar da token olarak sayılıyor.
• Ücretli katmanlarda (Standard, Batch, Flex, Priority) verilerin ürün geliştirmek için kullanılmadığı belirtiliyor. Yalnızca davetle erişilen "Contributor" önizleme katmanı Batch fiyatında ama verileri ürün iyileştirmede kullanılıyor.

Claude ile fiyat karşılaştırması

Argon'un tanıtım fiyatı, Claude Sonnet 5.5 ile birebir aynı; 1 Aralık sonrası standart fiyatı ise Claude Opus 5.5 ile aynı seviyeye geliyor. Anthropic'in resmî fiyat sayfasındaki değerlerle (milyon token başına) yan yana:

Model	Girdi	Çıktı	Önbellek okuma	Batch (girdi / çıktı)
Gemini 4 Argon (30 Kasım'a kadar)	2 $	10 $	0,10 $	1 $ / 5 $
Gemini 4 Argon (1 Aralık'tan itibaren)	4 $	20 $	0,20 $	2 $ / 10 $
Claude Opus 5.5	4 $	20 $	0,20 $	2 $ / 10 $
Claude Sonnet 5.5	2 $	10 $	0,10 $	1 $ / 5 $
Claude Fable 5.1	10 $	50 $	0,25 $	5 $ / 25 $

Birim fiyatlar bu kadar yakınken asıl farkı önbellekleme modeli yaratıyor. Claude'da önbelleğe yazma ayrıca ücretlendiriliyor (Opus 5.5 için 5 dakikalık yazma 5 $, 1 saatlik yazma 8 $) ama siz hangi bloğun önbelleğe alınacağını kontrol ediyorsunuz. Argon'da ise yazma ücreti yok, fakat explicit caching de yok: 4.096 token ve üzeri istemlerde implicit caching otomatik devreye giriyor ve isabet ettiğinde girdiye %95 indirim uygulanıyor. İsabet oranını doğrudan yönetemediğiniz için, aynı uzun ön eki (sistem talimatı, döküman, kod tabanı özeti) istemin başında sabit tutmak Argon'da daha da önemli hâle geliyor.

Bir diğer nokta: Anthropic'in fiyat sayfasına göre Claude 4.6 ve sonrası modeller (Haiku 5.5 hariç) 1M token bağlamı standart fiyattan sunuyor; Argon da uzun bağlam için ek kademe uygulamıyor. Yani "1M bağlamı kim daha ucuza veriyor?" sorusunun cevabı bu iki aile arasında ilk kez neredeyse yalnızca birim fiyata ve önbellek isabetine bağlı.

Örnek hesap: büyük bir kod tabanı analizi

200.000 token girdi (kod + talimat) ve düşünme dahil 20.000 token çıktı üreten tek bir istek düşünelim, önbellek isabeti yok:

• Argon, 30 Kasım'a kadar: 200.000 × 2 $ / 1M = 0,40 $ + 20.000 × 10 $ / 1M = 0,20 $ → 0,60 $
• Argon, 1 Aralık'tan itibaren: 0,80 $ + 0,40 $ → 1,20 $
• Claude Sonnet 5.5: 0,40 $ + 0,20 $ → 0,60 $
• Claude Opus 5.5: 0,80 $ + 0,40 $ → 1,20 $

Aynı 200.000 token'lık ön ek ikinci istekte implicit cache'ten gelirse, Argon'un tanıtım fiyatında girdi maliyeti 200.000 × 0,10 $ / 1M = 0,02 $'a iner. Ancak gerçek maliyetin asıl belirleyicisi düşünme token'ları: high seviyesinde model çok daha fazla token harcayabilir. Bu yüzden maliyet tahminini her zaman kendi istemlerinizle, usage alanını okuyarak yapın.

Benchmark Sonuçları: Argon Claude'un Neresinde?

Google DeepMind'ın model kartı Argon'u GPT-6 Astra, Claude Fable 5.1 ve Claude Opus 5.5 ile karşılaştırıyor. Kritik uyarı: bunlar Google'ın kendi raporladığı sonuçlar, bağımsız bir leaderboard değil. Model kartında SWE-bench veya LiveCodeBench satırı yok; kodlama tarafında DeepSWE, FrontierSWE, Vibe Code Bench ve Terminal-bench kullanılmış. Seçilmiş satırlar (her satırda en yüksek skor kalın):

Benchmark	Argon	GPT-6 Astra	Claude Fable 5.1	Claude Opus 5.5
Vals Index	68,9%	63,1%	65,8%	67,0%
AutomationBench	51,3%	41,4%	31,4%	42,5%
DeepSWE v1.1	77,9%	74,1%	67,4%	74,2%
FrontierSWE v2	55,0%	65,5%	56,3%	62,3%
Vibe Code Bench	91,9%	89,6%	90,3%	90,3%
Terminal-bench 4.0	57,4%	58,2%	57,9%	66,4%
PostTrainBench (ML mühendisliği)	45,3%	44,3%	40,2%	49,3%
GraphWalks BFS, 256K–1M bağlam	84,2%	71,8%	65,0%	66,8%
LVBench (video)	91,7%	87,5%	79,7%	83,7%
CWE-bench v1 (güvenlik)	68,0%	68,0%	58,0%	67,0%

Bu tablodan bir geliştirici için çıkan pratik okuma şu:

• Uzun bağlam Argon'un en net üstünlüğü. 256K–1M aralığındaki GraphWalks testinde Argon %84,2 alırken Opus 5.5 %66,8'de kalıyor. Yüzlerce bin token'lık log, sözleşme veya kod tabanını tek seferde "okutup" içinde ilişki kurdurmak istiyorsanız Argon'u mutlaka deneyin.
• Terminal tabanlı ajan işlerinde Claude Opus 5.5 önde. Terminal-bench 4.0'da Opus 5.5 %66,4 ile tablonun açık ara lideri; Argon %57,4. Claude Code gibi terminalde komut çalıştırarak ilerleyen ajan iş akışları için bu satır, Google'ın kendi tablosunda bile Claude lehine.
• Kodlama karışık. DeepSWE ve Vibe Code Bench'te Argon, FrontierSWE'de GPT-6 Astra önde. Tek bir "en iyi kodlama modeli" yok; sonuç görev tipine çok bağlı.
• Multimodal ve doküman analizi Argon lehine. Video (LVBench) ve grafik (Chartography) satırlarında Argon ilk sırada.

Güvenlik tarafında Google, Gray Swan dolaylı prompt injection testinde 15 uyarlanabilir denemede saldırı başarısının %0,7'ye indiğini ve kodlama benchmark'larında "kestirme yol" (shortcut) denemelerinin %2'ye düştüğünü raporluyor. Model ayrıca geri döndürülemez adımlardan önce insandan onay isteyecek şekilde eğitilmiş. Ajan kurgularında bu davranış faydalı ama yine de kendi izin katmanınızın yerini tutmaz.

Gemini 4 Argon Nasıl Kullanılır? İlk API Çağrısı

Gemini API dokümanı, Haziran 2026 itibarıyla genel kullanıma açılan Interactions API'yi tüm yeni projeler için önerilen arayüz olarak tanımlıyor. Klasik generateContent API'si "legacy" kabul ediliyor ama tam olarak desteklenmeye devam ediyor. Argon örneklerinin tamamı da Interactions API ile yazılmış. Ücretli katmana bağlı bir proje ve GEMINI_API_KEY ortam değişkeni hazırsa, Python ile ilk istek:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Write a three.js script that renders a realistic 3D black hole with gravitational lensing."
)

print(interaction.output_text)

Aynı istek JavaScript (@google/genai) ile:

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-4-argon",
  input: "Write a three.js script that renders a realistic 3D black hole with gravitational lensing.",
});

console.log(interaction.output_text);

SDK kullanmadan doğrudan REST ile:

curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "model": "gemini-4-argon",
    "input": "Write a three.js script that renders a realistic 3D black hole with gravitational lensing."
  }'

Çok turlu konuşma: previous_interaction_id

Interactions API konuşma durumunu isteğe bağlı olarak sunucuda tutabiliyor. Her yeni turda önceki etkileşimin id'sini previous_interaction_id olarak vermeniz yeterli; dokümana göre bu, çok turlu konuşmalarda önbellek isabet oranını da artırıyor. Dikkat edilmesi gereken nokta: bu parametre yalnızca konuşma geçmişini (girdiler ve çıktılar) taşıyor. tools, system_instruction ve generation_config (içindeki thinking_level dahil) etkileşim kapsamlı; her yeni istekte yeniden belirtmezseniz uygulanmıyor. Argon geçiş kontrol listesi de çok turlu ve function calling konuşmalarında previous_interaction_id kullanılmasını öneriyor.

KVKK açısından önemli bir ayrıntı: Interactions API varsayılan olarak tüm etkileşimleri saklıyor (store=true). Ücretli katmanda saklama süresi 55 gün; AI Studio'dan bu süreyi 7, 14, 28 veya 55 gün olarak ayarlayabiliyorsunuz. store=false ile saklamayı kapatabilirsiniz, ancak bu durumda background execution ve previous_interaction_id kullanılamıyor. Bu da aşağıda anlatacağımız long decode'u saklamasız kullanamayacağınız anlamına geliyor.

thinking_level: Kalite, Gecikme ve Maliyet Ayarı

Argon'da temperature, top_p ve top_k parametreleri artık işe yaramıyor; gönderirseniz yok sayılıyor. Kalite–gecikme–maliyet dengesini kurmanın ana aracı generation_config içindeki thinking_level:

Seviye	Token kullanımı	Ne zaman kullanılmalı?
low	En az token, en düşük gecikme	Basit görevler, maliyet hassasiyeti olan işler, hafif düşünme gerektiren analiz ve yazma. Zor görevlerde kalite düşebilir.
medium (varsayılan)	Dengeli	Karmaşık kod ve ajan senaryoları dahil çoğu görev.
high	En çok token, en yavaş ilk token	Karmaşık akıl yürütme, zor matematik ve bilim, en zor kod ve ajan görevleri. Long decode ile iyi eşleşiyor.

Google'ın tavsiyesi net: değerlendirmelerinizi (eval) üç seviyede de çalıştırın ve kalite çıtanızı karşılayan en düşük seviyeyi seçin. Örnek kullanım:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
    generation_config={
        "thinking_level": "medium"  # Balanced reasoning effort for complex tasks
    }
)

print(interaction.output_text)

Önemli bir ayrıntı: Argon'da minimal seviyesi yok; desteklenen seviyeler yalnızca low, medium ve high. Gemini 3.6 Flash ve 3.5 Flash-Lite minimal destekliyor, Argon ve 3.8 Flash desteklemiyor. Düşünme özetlerini görmek isterseniz thinking rehberindeki thinking_summaries: "auto" ayarı Interactions API'de thought tipindeki adımları döndürüyor.

max_output_tokens ve Long Decode: 64K Sınırını Aşmak

Argon'un en yeni yeteneklerinden biri tek bir yanıtın 64K token'ı aşabilmesi. Önce temel kuralı anlamak gerekiyor: max_output_tokens düşünme ve çıktı token'larının toplamı için katı bir sınır. Model düşünürken bu sınıra ulaşırsa üretim incomplete durumuyla kesiliyor; yanıt kısalmış veya boş dönüyor ama üretilen düşünme token'ları yine faturalanıyor. Bu yüzden maliyeti düşürmek için küçük bir max_output_tokens koymak yerine thinking_level'ı düşürmek öneriliyor.

Dokümandaki başlangıç değerleri:

• Standart görevler: Varsayılan 65.536'yı koruyun ya da hiç ayarlamayın.
• Limiti 32K'nın altında olan mevcut uygulamalar: En az 32.768'e çıkarın. Argon, limitin daha büyük bir kısmını düşünmeye harcayabiliyor.
• Karmaşık akıl yürütme ve kodlama: background: true ile birlikte 131.072 veya 262.144 kullanın; üst sınır 1.048.576 eksi girdi token'larınız.

Senkron isteklerde (background=False, streaming olsun olmasın) max_output_tokens için hem varsayılan hem de maksimum değer 65.536. Senkron istekte 65.536'nın üzerinde bir değer verirseniz API 400 hatası döndürüyor. Girdi artı max_output_tokens 1.048.576'yı aşarsa API çıktı limitini otomatik olarak kalan alana düşürüyor.

Background execution ile long decode

Long decode, sunucu tarafında arka planda çalışıyor. Model uzun yanıtı en fazla 64K token'lık "hop"lar hâlinde üretiyor ve her hop bir öncekinin kaldığı yerden devam ediyor. Her hop interaction.steps içine bir model_output adımı eklediği için, etkileşim tamamlandığında tüm model_output adımlarının metnini birleştirmeniz gerekiyor:

import time
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-argon",
    input="Write a complete, rigorous proof of the prime number theorem.",
    background=True,
    generation_config={
        "max_output_tokens": 262144,
        "thinking_level": "high",
    },
)

while interaction.status in ("in_progress", "queued"):
    time.sleep(5)
    interaction = client.interactions.get(id=interaction.id)

# Each hop adds a model_output step, so join the text of all of them.
text = "".join(
    content.text
    for step in interaction.steps
    if step.type == "model_output"
    for content in step.content
    if content.type == "text"
)
print(text)
print("Status:", interaction.status)
print("Usage:", interaction.usage)

Shell script'lerde veya CI işlerinde aynı akışı curl ve jq ile kurabilirsiniz:

ID=$(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": "gemini-4-argon",
    "input": "Write a complete, rigorous proof of the prime number theorem.",
    "background": true,
    "generation_config": {
      "max_output_tokens": 262144,
      "thinking_level": "high"
    }
  }' | jq -r '.id')

while true; do
  RESP=$(curl -s "https://generativelanguage.googleapis.com/v1beta/interactions/$ID" \
    -H "x-goog-api-key: $GEMINI_API_KEY")
  STATUS=$(echo "$RESP" | jq -r '.status')
  if [[ "$STATUS" != "in_progress" && "$STATUS" != "queued" ]]; then
    echo "$RESP" | jq -r '[.steps[]? | select(.type == "model_output") | .content[]? | select(.type == "text") | .text] | join("")'
    break
  fi
  sleep 5
done

İki tuzak var. Birincisi, background: true verip max_output_tokens'ı tanımlamazsanız sunucu 64K token'da duruyor; long decode için limiti 65.536'nın üzerine açıkça çıkarmalısınız. İkincisi, yeniden deneme, backoff ve hata yönetimi üzerinde daha ince kontrol istiyorsanız (veya etkileşimlerinizin saklanmasını istemiyorsanız) dokümana göre istemci tarafı devam ettirme (client-side continuation) şu an generateContent API'sinde mevcut; Interactions API için "yakında" olarak işaretlenmiş.

Gemini 3.x'ten Argon'a Geçiş Kontrol Listesi

Google'ın resmî geçiş listesini, her maddenin pratikte ne anlama geldiğiyle birlikte özetleyelim:

1. Model kimliğini güncelleyin: Hedef model dizesini gemini-4-argon yapın.
2. max_output_tokens'ı gözden geçirin: Açıkça ayarlıyorsanız en az 32.768 önerilir. 4–8K gibi küçük limitlerle yazılmış eski kod, Argon'da düşünme yüzünden boş yanıt alabilir.
3. Thinking seviyesini seçin ve test edin: İş yükünüzü low, medium, high seviyelerinin üçünde de deneyin.
4. Explicit context caching'i kaldırın: cachedContents / caches.create Argon'da desteklenmiyor; cached_content oluşturan veya referans veren çağrıları silin. 4.096 token ve üzeri istemlerde implicit caching varsayılan olarak açık.
5. Örnekleme parametrelerini kaldırın: temperature, top_p, top_k yok sayılıyor. "Temperature 0 ile deterministik çıktı alıyorum" varsayımına dayanan testleriniz varsa yeniden düşünün.
6. Uzun çıktılar için background execution kullanın: 64K'dan uzun çıktılarda background: true ve 65.536'dan büyük max_output_tokens.
7. İstemci timeout'larını artırın: Zor istemler birkaç dakika sürebiliyor. Background execution kullanın veya HTTP timeout'unu en az 15 dakika yapın. İsteğin geçtiği proxy ve load balancer katmanlarındaki timeout'ları da kontrol etmeyi unutmayın.
8. Konuşma durumunu sunucuda tutun: Çok turlu ve function calling konuşmalarında previous_interaction_id.
9. Maliyet tahminlerinizi güncelleyin: Düşünme token'ları ve grounding sırasında eklenen dahili araç talimatları dahil her token faturalanıyor.

Google bu geçişin bir kodlama ajanıyla otomatikleştirilmesini de öneriyor: skill destekleyen bir ajanda (dokümanda örnek olarak Antigravity veriliyor) gemini-api-dev skill'ini kurup /gemini-api-dev migrate my app to Gemini 4 Argon komutunu çalıştırmak. Skill kavramına aşina değilseniz Claude Code'da Agent Skills rehberimiz mantığı anlatıyor.

OpenAI SDK ile Gemini 4 Argon Kullanmak

Kod tabanınız OpenAI SDK'sına bağlıysa, Gemini API'nin OpenAI uyumluluk katmanı üzerinden Argon'u üç satır değiştirerek deneyebilirsiniz: API anahtarı, base_url ve model adı. Uyumluluk dokümanındaki reasoning_effort eşleme tablosunda Argon ayrı bir sütun olarak yer alıyor:

reasoning_effort (OpenAI)	thinking_level (Gemini 4 Argon)
minimal	low
low	low
medium	medium
high	high

Dokümandaki örnek gemini-3.8-flash ile yazılmış; aşağıda yalnızca model adını Argon olarak değiştirdik:

from openai import OpenAI

client = OpenAI(
    api_key="GEMINI_API_KEY",
    base_url="https://generativelanguage.googleapis.com/v1beta/openai/"
)

response = client.chat.completions.create(
    model="gemini-4-argon",
    reasoning_effort="low",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Explain to me how AI works"}
    ]
)

print(response.choices[0].message)

Dokümanın uyarısı: reasoning_effort ile thinking_level/thinking_budget aynı işlevi gördüğü için aynı istekte birlikte kullanılamıyor. reasoning_effort belirtmezseniz modelin varsayılan seviyesi (Argon için medium) uygulanıyor. Bu katman hızlı bir A/B denemesi için ideal; ancak long decode, background execution ve sunucu taraflı durum gibi Argon'a özgü yetenekler Interactions API ile geliyor.

Managed Agents ve Antigravity

Argon yalnızca bir model olarak değil, Google'ın yönetilen ajanları içinde de kullanılabiliyor. Gemini Managed Agents'taki Antigravity ajanı Argon'u destekliyor; modeli agent_config içinde seçiyorsunuz:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-09-2026",
    input=(
        "Audit https://web.dev for performance, Core Web Vitals, and SEO. "
        "Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. "
        "Check search indexing with Google Search for site:web.dev. "
        "Format the output as a side-by-side scorecard table with prioritized fixes."
    ),
    environment="remote",
    agent_config={
        "type": "antigravity",
        "model": "gemini-4-argon",
    },
)

print(interaction.output_text)

Burada model yerine agent parametresi kullanılıyor ve environment="remote" ile ajan Google'ın uzak ortamında çalışıyor. Yani ajan döngüsünü ve çalışma ortamını sağlayıcıya bırakıp yalnızca görevi tanımlıyorsunuz.

Erişim kanalları da geniş: Argon, geliştiriciler için Google AI Studio'da ve Android Studio'da Gemini API ücretli katmanıyla; işletmeler için Google Cloud'daki Gemini Enterprise Agent Platform'da (Cloud blogunda bölge olarak global geçiyor) ve Gemini for business'ta; Google AI Ultra aboneleri için ise agent-first geliştirme platformu Google Antigravity'de kullanılabiliyor.

Gemini CLI, Gemini 4 Argon'u Destekliyor mu?

Bu, Gemini CLI rehberimizi okuyanların ilk soracağı soru ve cevap şaşırtıcı olabilir. google-gemini/gemini-cli deposunun README'sine göre Gemini CLI, Gemini 4 serisi (örneğin Gemini 4 Argon) ve sonraki nesiller için ayarlanmamış (not tuned). README, CLI'nin harness'inin Gemini 4+ için ayarlanmadığını ve temsil edici olmayan skorlar ürettiğini belirterek model benchmark'ları için kullanılmamasını da söylüyor.

README'deki diğer önemli bilgiler:

• Gemini CLI artık Gemini Code Assist Standard / Enterprise lisansları ve Google Cloud üzerindeki Code Assist for GitHub için tasarlanmış.
• Ücretsiz bireysel erişim ve Google AI Pro / Ultra (Google One) kullanıcıları 18 Haziran 2026'da Antigravity CLI'ye taşınmış.
• Antigravity CLI (agy), "etkileşimli çoklu ajan kodlama terminali" olarak tanımlanıyor ve Gemini 4 Argon+, ücretsiz / Google AI Pro & Ultra hesapları veya Google Cloud için öneriliyor.

Depoda Argon desteği ekleyen topluluk PR'ları açılmış olsa da, resmî tavsiye net: Argon'la terminalde ajan çalıştırmak istiyorsanız Google'ın yönlendirdiği araç Antigravity CLI. Terminal ajanı seçimi yapan bir ekipseniz bu, Argon'un Claude Code'a doğrudan rakibi olan terminal deneyiminin Gemini CLI değil Antigravity CLI olduğu anlamına geliyor.

Gemini 4 Argon mu, Claude mu? Türk Geliştirici İçin Karar Rehberi

Elimizdeki resmî veriye göre "hangisi daha iyi" sorusunun tek bir cevabı yok, ama iş tipine göre makul bir başlangıç noktası çıkarılabilir:

Senaryo	Başlangıç önerisi	Gerekçe (resmî kaynaklardan)
Terminalde çalışan kodlama ajanı (Claude Code tarzı)	Claude Opus 5.5	Terminal-bench 4.0'da Google'ın kendi tablosunda %66,4 ile lider; Gemini CLI Argon için ayarlanmamış.
Yüzbinlerce token'lık doküman/log/kod analizi	Gemini 4 Argon'u test edin	GraphWalks 256K–1M'de %84,2; uzun bağlam ek ücret kademesi yok.
Video ve grafik içeren doküman işleme	Gemini 4 Argon	Video, ses ve PDF girdisi; LVBench ve Chartography'de ilk sıra.
Çok uzun tek çıktı (rapor, büyük kod üretimi)	Gemini 4 Argon	Background execution ile 1M token'a kadar long decode.
Bütçe odaklı, yüksek hacimli genel işler	Claude Sonnet 5.5 veya Argon (30 Kasım'a kadar)	Aynı birim fiyat (2 $ / 10 $); Aralık'tan sonra Argon iki katına çıkıyor.
Ücretsiz deneme / hobi projesi	Argon değil	Argon Free tier'da yok; ücretsiz katmanda Gemini 3.8 Flash gibi modeller var.

Fiyat açısından dikkat edilmesi gereken en önemli şey takvim. Bugün Argon üzerinde bir maliyet modeli kuruyorsanız, 1 Aralık 2026'dan itibaren tüm kalemlerin iki katına çıkacağını hesaba katın. Tanıtım fiyatıyla yapılan bir prototip, üretimde Opus 5.5 ile aynı birim maliyete gelecek. Claude modellerinin ayrıntıları için Claude Opus 5.5 ve Claude Sonnet 5.5 rehberlerimize bakabilirsiniz.

Gerçek Bir İş Akışı: Argon'u Kendi Projenizde Değerlendirmek

Benchmark tablosu sizin kodunuzu ve sizin dokümanlarınızı ölçmez. Bir Türk geliştirme ekibinin Argon'u, mevcut Claude veya Gemini 3.x kurulumuna karşı bir haftada adil şekilde değerlendirmesi için önerdiğimiz akış:

1. Gerçek görevlerden bir eval seti hazırlayın. Son birkaç ayın kapanmış issue'larından, kod inceleme yorumlarından veya müşteri dokümanlarından 20–50 örnek seçin ve her biri için "kabul edilebilir çıktı" kriterini yazın.
2. Argon'u üç seviyede çalıştırın. Aynı seti low, medium, high ile koşturun; Google'ın tavsiyesine uyarak kalite çıtanızı geçen en düşük seviyeyi not edin.
3. Gerçek maliyeti usage alanından ölçün. Her etkileşimin interaction.usage çıktısını kaydedin; düşünme token'ları çıktı fiyatından faturalandığı için tahmin değil ölçüm şart. Hesabı hem tanıtım hem de 1 Aralık fiyatıyla yapın.
4. Önbellek davranışını test edin. Sabit ön eki (sistem talimatı + referans doküman) en başa koyup aynı ön ekle ardışık istekler gönderin; implicit cache isabetini usage verisinden takip edin.
5. Uzun bağlam ve uzun çıktıyı ayrıca deneyin. Argon'un güçlü olduğu iddia edilen alan bu; büyük bir log arşivi veya monorepo özetiyle GraphWalks benzeri "ilişki bulma" soruları sorun, gerekiyorsa background execution ile uzun rapor üretin.
6. Altyapıyı hazırlayın. HTTP timeout'larını 15 dakikaya çıkarın veya background + polling kullanın; store ve saklama süresi ayarlarını KVKK gereksinimlerinize göre belirleyin.
7. Kararı görev bazında verin. Tek bir sağlayıcıya "her şeyi" taşımak yerine, örneğin terminal ajanında Claude Code ile kalıp doküman analizi pipeline'ında Argon kullanmak tamamen makul bir sonuç.

Python tarafında eval döngüsünün iskeleti, dokümandaki parametrelerle şöyle kurulabilir:

from google import genai

client = genai.Client()

for level in ["low", "medium", "high"]:
    interaction = client.interactions.create(
        model="gemini-4-argon",
        input="Bu PR diff'ini incele ve olası race condition'ları listele: ...",
        generation_config={"thinking_level": level},
    )
    print(level, interaction.status, interaction.usage)

Sorun Giderme: Sık Karşılaşılan Hatalar

• 400 hatası, max_output_tokens ile ilgili: Senkron istekte (background kapalı) 65.536'nın üzerinde bir değer verdiniz. Ya limiti 65.536'ya indirin ya da background: true kullanın.
• Yanıt boş veya yarım, durum incomplete: Model düşünürken max_output_tokens sınırına ulaştı. Limiti en az 32.768'e çıkarın veya thinking_level'ı düşürün. Bu durumda bile düşünme token'ları faturalanıyor.
• Long decode 64K'da duruyor: background: true verip max_output_tokens'ı ayarlamadınız; limiti açıkça 65.536'nın üzerine çıkarın.
• Uzun yanıtın yalnızca bir kısmı geliyor: Long decode'da yalnızca ilk model_output adımını okuyorsunuz. Tüm model_output adımlarının metnini birleştirin.
• Önbellekleme kodu çalışmıyor: Argon'da explicit caching (caches.create, cached_content) desteklenmiyor; bu çağrıları kaldırın, implicit caching'e güvenin.
• temperature değiştirmek çıktıyı etkilemiyor: Beklenen davranış; Argon örnekleme parametrelerini yok sayıyor.
• İstek zaman aşımına uğruyor: İstemci ve ara katman timeout'larını en az 15 dakikaya çıkarın veya background execution ile polling yapın.
• Ücretsiz API anahtarıyla Argon çağrılamıyor: Argon Free tier'da yok; projenizi ücretli katmana bağlamanız gerekiyor.
• Çok turlu konuşmada thinking ayarı "kayboluyor": generation_config, tools ve system_instruction etkileşim kapsamlı; previous_interaction_id kullansanız da her istekte yeniden göndermelisiniz.

Sıkça Sorulan Sorular

Gemini 4 Argon'un API model adı nedir?

Model kimliği gemini-4-argon. Tek bir kararlı sürüm var. Gemini API'de Interactions API (https://generativelanguage.googleapis.com/v1beta/interactions), legacy generateContent API ve OpenAI uyumluluk katmanı üzerinden çağrılabiliyor; Google Cloud'da Gemini Enterprise Agent Platform üzerinden de erişilebiliyor.

Gemini 4 Argon'un fiyatı ne kadar?

30 Kasım 2026'ya kadar tanıtım fiyatı milyon token başına 2 $ girdi ve 10 $ çıktı (düşünme dahil); implicit cache isabetinde girdi 0,10 $. 1 Aralık 2026'dan itibaren 4 $ girdi, 20 $ çıktı, 0,20 $ önbellekli girdi. Batch ve Flex katmanları yarı fiyat, Priority 1,8 kat. Argon ücretsiz katmanda yok.

Gemini 4 Argon ile Gemini 4 Carbon arasındaki fark nedir?

Argon 13 Ekim 2026'da yayınlanan ve bugün API'de kullanılabilen ilk Gemini 4 modeli. Carbon 28 Ekim'de duyuruldu; Google onu siber güvenlik ve uzun ufuklu görevlerde en güçlü modeli olarak tanımlıyor ama şimdilik yalnızca seçilmiş siber savunma uzmanlarına ve Fairwind Programı partnerlerine açık. Geliştirici erişimi için tarih verilmedi.

Gemini 4 Argon'da temperature kullanabilir miyim?

Hayır. Google'ın geçiş kılavuzuna göre temperature, top_p ve top_k Argon'da yok sayılıyor ve isteklerden kaldırılması öneriliyor. Kalite ve maliyet kontrolü için thinking_level (low, medium, high) kullanılıyor.

Gemini 4 Argon, Claude Opus 5.5'ten daha mı iyi?

Göreve bağlı. Google'ın model kartında Argon uzun bağlam, Vals Index, DeepSWE ve multimodal testlerde önde; Claude Opus 5.5 ise Terminal-bench 4.0 (%66,4'e karşı %57,4) ve PostTrainBench'te önde. Bunlar Google'ın raporladığı sonuçlar; kendi görevlerinizle eval yapmadan karar vermeyin.

Gemini 4 Argon'u Gemini CLI ile kullanabilir miyim?

Gemini CLI README'sine göre CLI, Gemini 4 serisi için ayarlanmamış ve Gemini Code Assist Standard/Enterprise lisanslarına yönelik. Google'ın Argon için önerdiği terminal aracı Antigravity CLI (agy).

Özet

Gemini 4 Argon, Google'ın yeni temel model ailesinin ilk üyesi ve geliştiriciler için gerçekten yeni şeyler getiriyor: girdi, düşünme ve çıktının paylaştığı 1M token'lık pencere, background execution ile 1M token'a kadar uzun çıktı, üç kademeli thinking_level ve Interactions API üzerinde sunucu taraflı konuşma durumu. Buna karşılık geçişte kırılan şeyler de var: explicit caching yok, temperature yok sayılıyor, senkron isteklerde 65.536 üstü limit 400 döndürüyor ve ücretsiz katman yok.

Fiyat tarafında 30 Kasım'a kadar Claude Sonnet 5.5 ile aynı, Aralık'tan itibaren Claude Opus 5.5 ile aynı birim fiyat geçerli. Google'ın kendi benchmark tablosu Argon'u uzun bağlam ve multimodal işlerde öne çıkarırken, terminal ajanı işlerinde Claude Opus 5.5'in önde olduğunu gösteriyor. En sağlıklı yol, kendi görevlerinizle küçük bir eval seti kurup Argon'u üç thinking seviyesinde ölçmek ve kararı görev bazında vermek.

Devamını okuyun: Google'ın terminal ajanı tarafını merak ediyorsanız Gemini CLI rehberimize, Claude tarafındaki en güncel modeller için Claude Opus 5.5 rehberimize, farklı sağlayıcıların maliyetlerini karşılaştırmak için DeepSeek V4.1 Flash rehberimize göz atın.