Gemini 4 Argon custa até US$ 10, mas tokens seguem sem prova

Se você usa o Gemini 4 Argon em produção, a primeira decisão não é escolher entre níveis de esforço. É saber qual preço e qual medição realmente estão disponíveis. O modelo custa US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída no OpenRouter. No modo batch, os valores caem para US$ 1 e US$ 5, respectivamente.

A tensão está no anúncio prático do modelo: testes indicam que a quantidade de tokens pode variar conforme o nível de esforço. Isso seria importante para quem calcula custo por tarefa, mas essa variação não aparece nos dados públicos usados para comparar o modelo. O que aparece é o preço por token e a janela de contexto. Não há registro de consumo por nível de esforço.

A pauta ganhou atenção após o vídeo “Testei o NOVO Gemini 4 Argon no Antigravity (Valeu a pena?)”, do canal Vini — AI Coders Academy (YouTube).

O que mudou na conta da API

O Gemini 4 Argon foi lançado em 13 de outubro de 2026 com uma janela de contexto de 1.048.576 tokens. Esse número coloca o modelo na faixa de contexto de 1 milhão de tokens, ao lado do Qwen3.5 Plus 2026-02-15, do Qwen3.5 Plus 2026-04-20 e dos modelos ScaleDown listados no OpenRouter.

O preço padrão, porém, é bem diferente entre entrada e saída. Cada milhão de tokens enviados custa US$ 2. Cada milhão gerado custa US$ 10. O cache aparece a US$ 0,10 por milhão de tokens. Se o seu fluxo aceita processamento em lote, o Gemini 4 Argon batch cobra US$ 1 por milhão de tokens de entrada e US$ 5 por milhão de tokens de saída, com cache a US$ 0,05.

Na prática, o modo batch reduz a tarifa pela metade nos três componentes informados. Isso não prova que uma tarefa em batch usará menos tokens. Apenas muda o preço aplicado a cada milhão processado.

A variação por esforço ainda não está mensurada

O ponto mais importante para a fatura é diferenciar nível de esforço de preço. Um modo de raciocínio mais intenso pode produzir mais tokens, mas os dados disponíveis não registram quantos tokens o Gemini 4 Argon usa em cada configuração. Também não há nota de velocidade, índice de código ou índice agêntico para o modelo no catálogo do Artificial Analysis.

Isso impede uma conclusão simples como “o nível mais alto custa mais”. O preço unitário informado é o mesmo dentro de cada modalidade. O que pode mudar é o volume efetivamente gerado por resposta — justamente a parte que não foi publicada nos números disponíveis.

Para quem acompanha a fatura, essa diferença é decisiva. Uma tarifa de US$ 10 por milhão de tokens de saída só permite estimar o custo quando o consumo de saída é conhecido. Sem a distribuição de tokens por esforço, não dá para transformar um teste isolado em previsão mensal.

O que o Artificial Analysis mostra

No ranking de melhor custo-benefício do Artificial Analysis, o Gemini 4 Argon aparece na configuração High com índice de inteligência de 52,6 e preço de US$ 4 por milhão de tokens. Essa entrada é útil para comparar uma configuração avaliada, mas não substitui o preço do endpoint padrão listado no OpenRouter.

A diferença entre US$ 4 no ranking e US$ 10 na saída da API não é necessariamente um erro. As fontes medem coisas diferentes: o Artificial Analysis associa preço e desempenho a uma configuração de avaliação, enquanto o OpenRouter lista tarifas de uso. Para escolher um modelo, você precisa olhar os dois números sem tratá-los como se fossem a mesma métrica.

O lançamento também veio acompanhado de uma versão batch, com o mesmo contexto de 1.048.576 tokens e tarifas menores. Para cargas assíncronas, isso pode alterar a escolha. Para chat em tempo real, o desconto não resolve a falta de informação sobre o volume de tokens gerado por nível de esforço.

Para quem vale e para quem não muda nada

O Gemini 4 Argon interessa a equipes que precisam de contexto extenso, aceitam pagar US$ 10 por milhão de tokens de saída e conseguem controlar o consumo com limites de saída, seleção de tarefas e monitoramento por configuração. O batch é mais relevante para processamento assíncrono, quando a resposta não precisa chegar imediatamente.

Para quem só precisa de respostas curtas, a janela de 1.048.576 tokens não muda a conta por si só. E, para quem escolhe modelo com base em custo previsível por tarefa, a ausência de dados sobre tokens por esforço continua sendo uma limitação.

O próximo passo prático é registrar tokens de entrada e saída por nível de esforço no próprio ambiente de produção. Sem essa telemetria, o preço publicado continua sendo apenas o valor por milhão — não o custo real de cada tarefa.