Gemini 4 Argon เปิดให้ใช้ทั่วไปบน Gemini API แล้ว — 2 สัปดาห์หลังเปิดเฉพาะนักป้องกันไซเบอร์ ราคาช่วงแนะนำ $2/$10 ถึง 30 พ.ย. แต่เลิก explicit caching และตัด temperature ทิ้ง

หลังจาก ประกาศเมื่อ 30 ก.ย. โดยให้ใช้เฉพาะกลุ่มนักป้องกันไซเบอร์ในโครงการ Fairwind ตอนนี้ Gemini 4 Argon เปิดให้นักพัฒนาทั่วไปใช้แล้ว release notes ของ Gemini API ลงวันที่ 13 ตุลาคม 2026 ว่า gemini-4-argon เป็น generally available (GA) และหน้า model page ระบุเวอร์ชันนี้เป็น Stable ไม่ได้เป็น preview

ข้อจำกัดหลักคือต้องจ่ายเงิน Argon ไม่มีใน Free tier และไม่มีในแพ็กเกจ Google AI Pro ใช้ได้ผ่าน paid tier ของ Gemini API ส่วนใน Google AI Studio และ Google Antigravity เปิดให้สมาชิก Google AI Ultra เท่านั้น จุดที่นักพัฒนาต้องระวังที่สุดไม่ได้อยู่ที่ตัวโมเดล แต่อยู่ที่ API เปลี่ยนหลายจุด ซึ่งอาจทำให้โค้ดเดิมได้ผลไม่ตรงกับที่คาดถ้าแค่เปลี่ยนชื่อโมเดล

ราคาและช่องทางเรียกใช้

ตามหน้าราคา ราคาต่อล้านโทเคน (paid tier):

โหมด	Input	Output (รวม thinking)	Cached input
Standard (ถึง 30 พ.ย.)	$2.00	$10.00	$0.10
Standard (ตั้งแต่ 1 ธ.ค.)	$4.00	$20.00	$0.20
Batch / Flex (ถึง 30 พ.ย.)	$1.00	$5.00	$0.05
Priority (ถึง 30 พ.ย.)	$3.60	$18.00	$0.18

ช่วงราคาแนะนำจึงเหลือราว 7 สัปดาห์ ถ้าจะรัน eval หรือ batch งานหนักด้วย Argon ช่วงนี้คุ้มกว่า เพราะหลัง 1 ธ.ค. ทุกโหมดจะแพงขึ้นเท่าตัว

สิ่งที่ต้องแก้ในโค้ด

หน้า What’s new in Gemini 4 Argon มี migration checklist ที่ควรอ่านก่อนเปลี่ยน:

• ตัวอย่างโค้ดใช้ Interactions API (client.interactions.create) เป็นหลัก และแนะนำให้เก็บ state บน server ด้วย previous_interaction_id สำหรับบทสนทนาหลายรอบและ function calling
• explicit caching ใช้ไม่ได้ ต้องลบโค้ดที่เรียก cachedContents / caches.create ออก เหลือแค่ implicit caching ที่เปิดอัตโนมัติเมื่อ prompt ยาวอย่างน้อย 4,096 โทเคน และลดราคา input ที่ cache hit 95%
• temperature, top_p, top_k ถูกเพิกเฉย ส่งไปก็ไม่มีผล ใครที่พึ่งค่า temperature ต่ำเพื่อให้ผลลัพธ์คงที่ต้องหาวิธีอื่น
• thinking level มี 3 ระดับ (low, medium, high) ค่าเริ่มต้นคือ medium Google แนะนำให้ตั้ง max_output_tokens อย่างน้อย 32,768 เพราะ Argon ใช้โทเคนไปกับการคิดมากกว่ารุ่นก่อน และ thinking กับ output นับรวมกันในเพดานเดียว
• timeout ของ HTTP client ควรตั้งอย่างน้อย 15 นาที เพราะ prompt ยากอาจใช้เวลาหลายนาที

Long decode: output ถึง 1M โทเคน

context window ของ Argon เป็นแบบ รวม input และ output ใน 1,048,576 โทเคน การเรียกแบบ synchronous ปกติให้ output สูงสุด 65,536 โทเคน ถ้าต้องการยาวกว่านั้นต้องตั้ง background: true คู่กับ max_output_tokens ที่มากกว่า 65,536 โมเดลจะสร้างคำตอบเป็นช่วงละไม่เกิน 64K โทเคนต่อกันไปบน server แต่ละช่วงกลายเป็น model_output step แยกกัน ฝั่ง client ต้องต่อข้อความจากทุก step เอง ข้อควรระวังคือถ้าตั้ง background: true แต่ไม่กำหนด max_output_tokens server จะหยุดที่ 64K

นอกจากนี้ agentic video understanding เป็น GA แล้ว และ Antigravity agent ใน Gemini Managed Agents เลือก Argon เป็นโมเดลได้ผ่าน agent_config

วันเดียวกัน: Argon สำหรับหุ่นยนต์

Google Developers Blog ลงบทความ Gemini 4 Argon for Robotics ในวันเดียวกัน อ้างว่า Argon ได้ 87% บน ERQA (benchmark ด้านการให้เหตุผลเชิงพื้นที่ 3 มิติ) สูงกว่าโมเดล frontier ตัวอื่นทั้งหมด โดยเป็นตัวเลขที่ Google วัดเอง บทความแสดงตัวอย่าง prompt เช่น ให้ Argon สร้าง digital twin ใน MuJoCo จากภาพถ่ายโต๊ะใบเดียว แล้วสร้างข้อมูลจำลอง 4,500+ episode ไปเทรนโมเดล VLA ทำให้อัตราสำเร็จของหุ่นยนต์จริงขึ้นจาก 56% เป็น 75% สิ่งที่ควรสังเกตคือ Argon ในงานนี้ ไม่ได้ควบคุมมอเตอร์โดยตรงแบบ VLA แต่เขียนโค้ด เรียก action primitive ผ่าน HTTP และตรวจผลจากภาพกล้องในแต่ละรอบ

มุมมอง AI Curator

ช่วงห่าง 13 วันระหว่างประกาศกับ GA ดูเหมือนเป็นรูปแบบการเปิดตัวใหม่ของ Google คือให้ฝ่ายป้องกันไซเบอร์ได้ใช้ความสามารถของโมเดลก่อน แล้วจึงเปิดให้คนทั่วไป (Google ไม่ได้อธิบายว่าช่วง 13 วันนี้ปรับอะไรไปบ้าง) สำหรับนักพัฒนาไทย ประเด็นที่สำคัญกว่าตัวเลข benchmark คือ API เริ่มบังคับรูปแบบการใช้งาน ไม่มี explicit cache ไม่มี temperature มีเพดานโทเคนรวม และเน้นไปที่ Interactions API ที่เก็บ state บน server ใครที่ทำระบบ RAG ซึ่งพึ่ง explicit cache กับเอกสารยาว หรือระบบที่ต้องการผลลัพธ์คงที่ด้วย temperature 0 จะเปลี่ยนมาใช้ Argon ด้วยการแก้แค่ชื่อโมเดลไม่ได้

เรื่องต้นทุนก็ต้องคำนวณให้ดี The Decoder อ้างข้อมูลของ Artificial Analysis ว่า Argon ใช้ output เฉลี่ยราว 62,000 โทเคนต่องาน มากกว่า GPT-6 Astra (27,000) กว่าเท่าตัว ราคา $2/$10 ช่วงนี้จึงดูถูกกว่าที่เป็นจริง ทีมที่จ่ายเป็นเงินบาทควรวัดต้นทุนต่องานจริงด้วย thinking level low และ medium ก่อน 1 ธ.ค. แล้วคิดเผื่อราคาที่จะขึ้นเท่าตัว ฝั่งหุ่นยนต์ แนวทาง “โมเดลเขียนโค้ดคุมหุ่นยนต์ผ่าน simulator” น่าสนใจสำหรับมหาวิทยาลัยและสตาร์ทอัพหุ่นยนต์ในไทย เพราะใช้ MuJoCo ฟรีกับแขนกลราคาไม่แพงอย่าง SO-101 ได้ ไม่ต้องมีชุดข้อมูล teleoperation ขนาดใหญ่ก่อนเริ่ม แต่ตัวเลข 87% บน ERQA ยังต้องรอผลวัดอิสระ

---

แหล่งข่าว

• Gemini API — Release notes (13 ต.ค. 2026: Gemini 4 Argon GA)
• Gemini API — What’s new in Gemini 4 Argon (migration guide)
• Gemini API — Pricing
• Google Developers Blog — Gemini 4 Argon for Robotics