Vale migrar do Gemini 4 Argon para o Neon? Um plano de migração com rollback
O Gemini 4 Argon não foi descontinuado, mas a partir de 1º de dezembro o Neon fica mais barato e é mais rápido na Artificial Analysis. O que muda, como as taxas de alucinação se comparam de fato por nível de raciocínio e uma migração passo a passo com conjunto de avaliação, tráfego sombra e rollback.
Para a maioria das cargas de trabalho no Gemini 4 Argon, vale começar a planejar agora a mudança para o Gemini 4 Neon, mas não como uma simples troca do ID do modelo. A partir de 1º de dezembro de 2026, a tarifa Standard do Argon dobra para US$ 4/US$ 20 por milhão de tokens, enquanto o Neon continua em US$ 3/US$ 15. Na Artificial Analysis (AA), o Neon no nível padrão high pontua acima do Argon em qualquer um dos dois níveis testados e leva cerca de metade do tempo por tarefa. O Argon não tem data de desligamento anunciada, então não há prazo obrigando a migração. O ponto de atenção é que o Neon usa por padrão um nível de raciocínio mais profundo que o Argon. E a baixa taxa de alucinação que costuma ser citada para o Argon (4,3%) pertence ao Argon high, não ao nível padrão do Argon na API.
Este guia foi conferido em 19 de novembro de 2026 com a documentação da Gemini API do Google (página de descontinuações, guia de escolha de modelo, guias para desenvolvedores e páginas de modelo do Argon e do Neon, preços) e com as páginas de modelo atuais da AA. Não chamamos o Neon. Para mostrar a etapa de linha de base da migração, rodamos via Ofox um pequeno conjunto de avaliação de respostas baseadas em documento contra o Argon; resultados e limites estão no passo 2. As comparações de custo estão identificadas como cálculo nosso.
Este artigo é publicado pela Ofox. O Gemini 4 Argon está disponível na Ofox como google/gemini-4-argon. O Gemini 4 Neon não está disponível na Ofox (verificado na lista autenticada de modelos em 19 de novembro de 2026), então toda chamada ao Neon descrita aqui vai direto para a Gemini API do Google. O que isso significa para uma migração está numa seção própria mais abaixo.
O Gemini 4 Argon vai ser desativado?
Nenhuma desativação foi anunciada. Ainda assim, vários sinais indicam o Neon como modelo preferido do Google, e ajuda separar o que o Google diz do que outros relatam.
| Sinal | O que diz | Fonte e status |
|---|---|---|
| Página de descontinuações | gemini-4-argon: lançado em 13 de outubro de 2026, “No shutdown date announced” (nenhuma data de desligamento anunciada), nenhum substituto recomendado listado | Página de descontinuações do Google (em inglês), oficial, conferida em 19/11 |
| Guia de escolha de modelo | Recomenda Hydrogen, Neon e Carbon (além do 3.5 Flash-Lite). O Argon não aparece em nenhum lugar da página, nem na tabela de caminhos de upgrade | Choosing a model (em inglês), oficial, conferida em 19/11 |
| Guia do Neon para desenvolvedores | Tem uma seção intitulada “Migrate from Gemini 4 Carbon, Argon, or Hydrogen” (migrar do Gemini 4 Carbon, Argon ou Hydrogen) | Guia do Neon (em inglês), oficial |
| Guia do Argon para desenvolvedores | Continua publicado, continua recomendando medium como padrão e descrevendo o Argon como “ideal for most advanced software engineering and knowledge work tasks” (ideal para a maioria das tarefas avançadas de engenharia de software e trabalho intelectual); sem aviso de descontinuação | Guia do Argon (em inglês), oficial, conferido em 19/11 |
| App Gemini | O Google diz que assinantes Pro e Ultra podem escolher o Neon no menu suspenso de modelos | Anúncio do Neon (em inglês), oficial |
| Seletor de modelos do app Gemini | O 9to5Google informa que “Neon also replaces Argon” (o Neon também substitui o Argon) no seletor, que lista Auto, Hydrogen, Neon e Carbon | 9to5Google, 18 de novembro de 2026 (em inglês), reportagem da imprensa, não confirmada pelo Google |
Nossa leitura: na API, o Argon é um modelo GA com suporte e sem data de fim, enquanto as orientações do Google direcionam projetos novos para o Neon. Uma mudança no seletor do app, se a reportagem estiver certa, não afeta o endpoint da API. A página de descontinuações diz que as datas de desligamento são avisadas com antecedência, então uma checagem mensal basta. As diferenças de acesso entre o app, o AI Studio e o Antigravity estão no nosso guia de acesso ao Argon (em inglês).
O que muda entre o Argon e o Neon
O esquema da requisição é o mesmo. O guia do Neon do Google afirma que trocar de outro modelo Gemini 4 “requires no request schema changes” (não exige mudanças no esquema da requisição). As diferenças estão nos padrões, no preço e no comportamento.
| Gemini 4 Argon | Gemini 4 Neon | |
|---|---|---|
| ID do modelo | gemini-4-argon | gemini-4-neon |
| Data de GA | 13 de outubro de 2026 | 18 de novembro de 2026 |
| Níveis de raciocínio | low, medium (padrão), high | low, medium, high (padrão), xhigh |
| Janela de contexto | 1.048.576 tokens, compartilhados por entrada, raciocínio e saída | Igual |
| Saída por resposta (padrão) | 65.536 tokens; long decode de até 1M com execução em segundo plano | Igual |
| Etapa (hop) de continuação em primeiro plano | 64K com streaming, mas 32.768 por hop sem streaming | 64K com e sem streaming |
| Cache | Apenas implícito (cachedContents explícito não é suportado) | Igual |
| Ferramentas integradas (página do modelo) | Execução de código, computer use, busca em arquivos, chamada de funções, grounding com Search e Maps, saídas estruturadas, URL context | Mesma lista |
| Batch, Flex, Priority | Suportados | Suportados |
| Nível gratuito | Não | Não |
| Preço Standard por 1M (entrada / cache / saída) | US$ 2 / US$ 0,10 / US$ 10 até 30/11; US$ 4 / US$ 0,20 / US$ 20 a partir de 1º/12 | US$ 3 / US$ 0,15 / US$ 15, sem mudança com data marcada |
| Na Ofox (19/11) | Sim, google/gemini-4-argon | Não |
Fontes: páginas de modelo do Argon e do Neon, os dois guias para desenvolvedores, o guia de long decode (tamanhos de hop) e a página de preços, todos em inglês, conferidos em 19 de novembro de 2026.
Duas pequenas diferenças na documentação importam na hora de limpar os parâmetros. Os dois guias mandam remover temperature, top_p e top_k. O guia do Argon diz que eles são ignorados se enviados; o do Neon diz que valores dentro da faixa são ignorados e valores fora da faixa retornam um erro de validação 400. Sobre limites de saída, o guia do Argon pede pelo menos 32.768 se você definir max_output_tokens, enquanto o do Neon diz para remover limites baixos ou elevá-los a 65.536 e, se quiser menos tokens, baixar o nível de raciocínio.
Preço: quando o Neon sai mais barato
As tarifas por token do Neon são 1,5× as do Argon até 30 de novembro e 0,75× as do Argon a partir de 1º de dezembro. Isso dá um ponto de equilíbrio simples, calculado por nós com base nas tarifas Standard do Google:
- Até 30 de novembro: o Neon só custa menos se usar menos de 0,67× os tokens do Argon para o mesmo trabalho.
- A partir de 1º de dezembro: o Neon custa menos, a não ser que use mais de 1,33× os tokens do Argon.
O problema é o nível de raciocínio padrão. Uma requisição sem alterações roda o Argon em medium e o Neon em high, então o Neon pode produzir mais tokens de saída por chamada. A Artificial Analysis mediu os dois modelos em vários níveis no mesmo harness, o que dá uma ideia aproximada do efeito líquido:
| Configuração (AA, 19/11) | Custo por tarefa do índice segundo a AA | Nossa estimativa para dezembro | Tempo por tarefa do índice |
|---|---|---|---|
Argon medium (padrão da API) | US$ 4,31 | ~US$ 8,63 | 29,1 min |
Argon high | US$ 4,97 | ~US$ 9,95 | 29,8 min |
Neon medium | US$ 1,90 | US$ 1,90 | 8,3 min |
Neon high (padrão da API) | US$ 3,74 | US$ 3,74 | 14,8 min |
Neon xhigh | US$ 6,44 | US$ 6,44 | 21,5 min |
A AA calcula o Argon com a tarifa atual de US$ 2/US$ 10. A coluna de dezembro dobra o número da AA para o Argon, supondo que todo o custo seja de tokens; é uma estimativa nossa, não um número da AA. O Neon não tem mudança de preço com data marcada. No conjunto de tarefas da AA, o Neon high já era cerca de 13% mais barato por tarefa que o Argon medium em novembro, e a diferença sobe para cerca de 57% depois de 1º de dezembro. O tempo por tarefa da AA é o número de tokens de saída dividido pela velocidade de saída medida (a AA lista o Argon com 57 a 65 tokens/s e o Neon com cerca de 101 tokens/s), então mede tempo de geração, não uma execução completa de agente com execução de ferramentas.
Custos agregados de benchmark indicam uma direção, não uma previsão para o seu tráfego. Para a mudança de dezembro completa e uma fórmula de fatura mensal, veja o que muda para o Carbon e o Argon em 1º de dezembro. Para orçar o Neon por nível, veja nosso guia de preços do Neon, e para a contabilidade por requisição do Argon, o detalhamento de preços do Argon (em inglês).
Qualidade e velocidade em níveis de raciocínio equivalentes
A AA roda os dois modelos no mesmo harness, pela API própria do Google, e informa cada nível de raciocínio separadamente. Os valores abaixo vêm das páginas da AA para o Argon e o Neon (em inglês), lidas em 19 de novembro de 2026. Para o Argon, a AA lista apenas medium e high.
| Métrica da AA | Argon medium | Argon high | Neon medium | Neon high |
|---|---|---|---|---|
| Intelligence Index (v5.0.1) | 47,6 | 50,4 | 54,9 | 59,6 |
| Terminal-Bench 4.0 | 55,1% | 57,1% | 54,5% | 61,6% |
| FrontierCode-AA 2.0 | 25,0% | 25,7% | 36,9% | 43,3% |
| HLE-Diamond | 42,5% | 56,7% | 63,6% | 68,4% |
| CritPt v2 (subconjunto difícil) | 53,5% | 52,5% | 61,5% | 59,0% |
| Acurácia no AA-Omniscience | 49,0% | 48,3% | 57,9% | 59,4% |
O Neon medium já empata ou supera o Argon high em tudo, exceto no Terminal-Bench 4.0, onde os dois ficam a menos de três pontos de distância. No FrontierCode a diferença é grande em qualquer combinação. São pontuações agregadas nas tarefas da AA; um modelo com nota geral maior ainda pode falhar num prompt seu que o outro passa, e é por isso que o plano de migração abaixo começa com o seu próprio conjunto de avaliação.
Os model cards do Google ajudam pouco aqui. O card do Argon é de outubro de 2026 e o do Neon de novembro de 2026, eles se comparam com conjuntos diferentes de concorrentes, e o Google não publica uma tabela Argon contra Neon. Não misturamos as linhas dos dois.
Como ler corretamente os números de alucinação
A avaliação Omniscience da AA (em inglês) define taxa de alucinação como respostas incorretas divididas por todas as respostas não corretas (incorretas + parciais + não tentadas). Ela responde à pergunta: quando o modelo não sabe, com que frequência chuta errado em vez de recusar? É um teste de conhecimento sem consulta, e não diz nada sobre com que frequência o modelo acerta. Por isso é importante lê-la junto com a acurácia.
| Configuração | Taxa de alucinação | Acurácia | Corretas por 100 | Erradas por 100 | Recusadas ou parciais por 100 |
|---|---|---|---|---|---|
Argon medium (padrão da API) | 15,4% | 49,0% | 49,0 | 7,9 | 43,1 |
Argon high | 4,3% | 48,3% | 48,3 | 2,2 | 49,5 |
Neon medium | 16,2% | 57,9% | 57,9 | 6,8 | 35,3 |
Neon high (padrão da API) | 13,9% | 59,4% | 59,4 | 5,6 | 35,0 |
Neon xhigh | 14,4% | 60,5% | 60,5 | 5,7 | 33,8 |
Taxas e acurácia: dados das páginas da AA, 19 de novembro de 2026. As colunas por 100 são cálculo nosso: erradas = (100 − acurácia) × taxa de alucinação.
Isso muda a leitura habitual. Os 4,3% muito citados são a entrada principal do Argon na AA, que a própria AA identifica como Argon (High). No padrão da API do Argon, medium, a AA mediu 15,4%, um pouco pior que o padrão do Neon. Portanto:
- Padrão do Argon → padrão do Neon (o caso comum): neste benchmark, cerca de 10 respostas corretas a mais e cerca de 2 erradas a menos a cada 100 perguntas. Nada a perder nesta medida.
- Argon
high→ Neonhigh: cerca de 11 respostas corretas a mais, mas também cerca de 3,4 erradas a mais a cada 100. O Argonhighrecusa com muito mais frequência em vez de chutar. Se você roda o Argon emhighde propósito porque respostas erradas custam caro, este é o único ponto em que a migração pode piorar os resultados, e você precisa das proteções do passo 5.
A taxa do Neon varia bem menos entre os níveis: 18,8% em low, 13,9% em high, 14,4% em xhigh. A grande oscilação do Argon entre medium e high vem de um único snapshot da AA, então teste os seus próprios casos em que o modelo deveria recusar, em vez de tratar qualquer um dos números como fixo. O anúncio do Neon do Google cita uma “lowest fabrication rate yet” (a menor taxa de invenção até agora) com base em testes internos no Antigravity; é outra medida e não pode ser comparada com a da AA. Nossa comparação das taxas de alucinação do Gemini 4 cobre a família inteira e modelos concorrentes.
Vale migrar? Uma tabela de decisão
| Sua situação | Recomendação |
|---|---|
Argon no medium padrão para código, agentes ou trabalho com documentos, chamando o Google diretamente | Migre para o Neon. Avalie em medium e high; a maior parte do ganho de custo vem de não fazer o modelo pensar demais |
Argon em high para respostas sem consulta, em que uma resposta errada é pior que nenhuma | Fique, ou migre só depois que as proteções do passo 5 passarem no seu conjunto de perguntas sem resposta |
| Recursos interativos sensíveis a latência | Teste primeiro o Neon medium; na AA ele terminou em menos de um terço do tempo do Argon |
Argon em low para etapas baratas e de alto volume | Compare o Neon low e o Hydrogen em vez do Neon high; a AA não tem dados do Argon low para comparar |
| Tráfego roteado pela Ofox e sem projeto na API do Google | Fique no Argon por enquanto (o Neon não está na Ofox) ou faça a avaliação direto na API do Google. Veja a seção sobre a Ofox |
| Um piloto do Neon que falha em verificações de aceitação que o Argon passava | Mantenha esse tipo de tarefa no Argon; não há data de desligamento pressionando |
| Depuração mais difícil, provas, física em nível de pesquisa | Considere Neon vs. Carbon em vez de ficar no Argon |
A migração, passo a passo
Passo 1: Levante todas as chamadas ao Argon
Liste cada ponto que envia gemini-4-argon e registre, por ponto de chamada:
- rota (API do Google, Vertex, Ofox, padrão de algum framework);
- superfície da API (
generateContentou Interactions, com ou sem streaming, jobs em segundo plano); - o
thinking_levelrealmente enviado (sem valor significamediumno Argon); max_output_tokens, ferramentas declaradas, esquemas de saída estruturada, grounding com Search;- se o estado da conversa fica no servidor (
previous_interaction_id) ou num histórico gerenciado pelo cliente com thought signatures; - tokens mensais de entrada, cache e saída, a partir dos logs de uso.
O nível de raciocínio sem valor é a linha que muda o comportamento sem avisar. Deixe-o explícito como medium antes de mexer em qualquer outra coisa.
Passo 2: Monte um conjunto de avaliação e registre a linha de base do Argon
Separe de 30 a 200 requisições reais por tipo de tarefa, cada uma com uma verificação de aceitação automática: testes passam, o JSON valida, o valor extraído confere ou a resposta cita a fonte literalmente. Inclua requisições cuja resposta correta é “isso não está no material”. São elas que capturam a mudança de alucinação descrita acima.
Para mostrar como fica esta etapa, rodamos em 19 de novembro de 2026 um conjunto de 10 casos de respostas baseadas em documento contra o Argon. Cada requisição trazia uma política de cobrança fictícia curta e uma pergunta. Seis perguntas tinham resposta; quatro não (por exemplo, uma regra de reembolso para planos mensais quando a política só cobre planos anuais). A instrução de sistema mandava o modelo responder apenas com base no documento, devolver NOT_IN_DOC quando a resposta não existisse e copiar literalmente uma frase de apoio. A saída foi restringida com um esquema JSON. A correção foi automática: casos com resposta precisavam do valor esperado e de uma citação que aparecesse caractere por caractere no documento; casos sem resposta precisavam devolver exatamente NOT_IN_DOC.
| Argon via Ofox, 19/11 | medium | high |
|---|---|---|
| Casos aprovados | 10 / 10 | 10 / 10 |
| Com resposta: valor correto + citação literal | 6 / 6 | 6 / 6 |
Sem resposta: devolveu NOT_IN_DOC | 4 / 4 | 4 / 4 |
| Média de tokens de raciocínio informados | 0 (campo ausente) | 164 |
| Saída faturável total (visível + raciocínio), 10 chamadas | 440 | 2.077 |
| Latência mediana | 5,6 s | 8,2 s |
Rota: endpoint nativo do Gemini na Ofox, gemini-4-argon, maxOutputTokens 32.768, uma execução por caso e nível. “0 tokens de raciocínio” significa que usageMetadata não tinha o campo thoughtsTokenCount. Os tokens de prompt ficaram em média em 542 por chamada.
Leia isto pelo que é: uma linha de base num conjunto fácil, n = 10 por nível, um dia, uma rota. Não mostra que o Argon é confiável em geral e não diz nada sobre o Neon. O valor está em que o arquivo, o corretor e os números do Argon agora existem, então os mesmos casos podem ser apontados para o gemini-4-neon na API do Google e comparados linha a linha. Neste conjunto, o high custou cerca de 4,7× a saída faturável do medium para o mesmo resultado de 10/10, e é esse tipo de constatação que deve decidir também o nível do Neon. O seu conjunto deve ser mais difícil que o nosso; um conjunto em que tudo passa não detecta regressão.
Um harness mínimo que mantém o corpo da requisição idêntico e troca só a rota e o modelo:
import json, os, urllib.request
ROUTES = {
# Argon pelo endpoint nativo do Gemini na Ofox (chave: OFOX_API_KEY)
"argon": ("https://api.ofox.io/gemini/v1beta/models/gemini-4-argon:generateContent",
os.environ["OFOX_API_KEY"]),
# Neon pela Gemini API do Google (indisponível na Ofox em 19 de novembro de 2026)
"neon": ("https://generativelanguage.googleapis.com/v1beta/models/gemini-4-neon:generateContent",
os.environ["GEMINI_API_KEY"]),
}
def run(route, system, user, level, schema=None):
url, key = ROUTES[route]
cfg = {"thinkingConfig": {"thinkingLevel": level}, "maxOutputTokens": 65536}
if schema:
cfg |= {"responseMimeType": "application/json", "responseSchema": schema}
body = {"systemInstruction": {"parts": [{"text": system}]},
"contents": [{"role": "user", "parts": [{"text": user}]}],
"generationConfig": cfg}
req = urllib.request.Request(url, data=json.dumps(body).encode(),
headers={"x-goog-api-key": key, "Content-Type": "application/json"})
r = json.load(urllib.request.urlopen(req, timeout=900))
parts = r["candidates"][0]["content"]["parts"]
text = "".join(p.get("text", "") for p in parts if not p.get("thought"))
return text, r.get("usageMetadata", {})
Passe sempre thinkingLevel explicitamente no harness, para que nenhum dos modelos volte ao próprio padrão. O timeout de 900 segundos segue a recomendação do Google de reservar pelo menos 15 minutos para prompts difíceis. O formato de requisição do protocolo nativo na Ofox está documentado na referência da Gemini API da Ofox.
Passo 3: Mapeie os parâmetros
| Configuração atual do Argon | Ponto de partida no Neon | Observações |
|---|---|---|
thinking_level sem valor (= medium) | Teste medium e high; fixe o vencedor explicitamente | Sem valor, você passa a usar high |
medium definido explicitamente | medium, depois high se as verificações falharem | AA: o Neon medium pontua acima do Argon high |
high | high; xhigh só para casos em que high falha | Na AA, o xhigh elevou o custo por tarefa em 72% em relação ao high |
low | low, e compare com o Hydrogen | O Neon low marcou 44 no índice da AA |
max_output_tokens abaixo de 32.768 | 65.536 ou sem valor | O raciocínio divide o limite com a resposta |
temperature / top_p / top_k | Remover | No Neon, valores fora da faixa retornam 400 |
Referências a cached_content | Já removidas para o Argon; nada a mudar | Ambos usam cache implícito em prompts de pelo menos 4.096 tokens |
| Jobs em segundo plano acima de 64K | Sem mudança | Mesmo hop de 64K e mesmo teto de 1M |
| Continuação sem streaming em primeiro plano (loop REST) | Espere menos hops, e maiores | O Argon faz hops de 32.768 e o Neon de 65.536; revise todo código que conta hops ou dimensiona timeouts por hop |
| Timeout do cliente | Pelo menos 15 minutos, ou execução em segundo plano | Mesma recomendação nos dois guias |
Se você usa o agente Antigravity no Gemini Managed Agents, a mudança é o campo model em agent_config. Os dois modelos são suportados ali.
Passo 4: Espelhe o tráfego (shadow)
Envie ao Neon uma cópia de uma amostra das requisições reais do Argon, devolva aos usuários apenas a resposta do Argon e registre as duas. Regras que mantêm a comparação justa:
- Mantenha prompt, ferramentas e documentos idênticos byte a byte e fixe o nível de raciocínio dos dois lados.
- Comece com requisições sem estado. Para sessões com vários turnos, o Google diz para devolver os turnos anteriores do modelo e as thought signatures sem alteração ao trocar de modelo entre turnos. Não testamos mover uma sessão em andamento do Argon numa rota para o Neon em outro projeto, então deixe as sessões existentes terminarem no Argon e comece as novas no Neon.
- Avalie as duas saídas com as mesmas verificações automáticas do passo 2, mais uma revisão humana por amostragem das divergências.
- Acompanhe separadamente os caminhos com chamada de ferramentas. Se o Neon retornar
MALFORMED_FUNCTION_CALLou um erro de thought signature ausente, a causa costuma estar na forma como ferramentas ou histórico são enviados; nossa correção para thought signature ausente (em inglês) e o guia de erros da API do Gemini 4 cobrem os dois casos. - Lembre que o espelhamento dobra o gasto de tokens na fatia amostrada. Uma amostra de 5% a 10% costuma bastar.
Um novo projeto do Google Cloud para o Neon traz um padrão de tratamento de dados que vale conferir: desde 26 de outubro de 2026, novos projetos do nível pago que usam generateContent armazenam as requisições por padrão (store=true), segundo as notas de versão do Google (em inglês). Defina store=false por requisição ou altere a configuração de logs se isso conflitar com a sua política.
Passo 5: Adicione proteções contra respostas erradas
Se a sua carga no Argon depende de o modelo recusar, principalmente em high, adicione verificações que não dependam da contenção do próprio modelo:
- Verificação de citação literal. Exija uma citação de apoio e rejeite respostas cuja citação não seja uma substring da fonte, como faz o nosso corretor. Isso pega suporte inventado a baixo custo.
- Token explícito de recusa. Dê ao modelo um valor fixo como
NOT_IN_DOCe trate qualquer outra coisa no conjunto sem resposta como falha. - Saída estruturada. Use
responseSchemaem vez de pedir JSON em texto corrido; o guia do Neon avisa que chamadas de ferramenta em JSON como texto puro, sem ferramentas declaradas, podem retornarMALFORMED_FUNCTION_CALL. - Grounding quando os fatos são externos. Use grounding com Search ou sua própria recuperação para perguntas de mundo aberto, e lembre que o grounding com Search é cobrado por consulta, além dos tokens.
- Métrica de bloqueio. Faça de “respostas erradas no conjunto sem resposta” um critério de liberação, e não só de “acurácia no conjunto com resposta”. Nessa linha, o Neon não pode ficar pior que a linha de base do Argon.
Passo 6: Monitore o custo por tarefa aceita
Registre promptTokenCount, cachedContentTokenCount, candidatesTokenCount e thoughtsTokenCount por requisição e calcule o custo com as tarifas do próprio modelo:
cost = (prompt - cached) × input_rate / 1e6
+ cached × cached_rate / 1e6
+ (candidates + thoughts) × output_rate / 1e6
Divida o custo total pelo número de requisições que passaram na verificação, não por todas as requisições; é nas novas tentativas que um modelo mais barato por token pode perder. Dispare um alerta quando a saída faturável do Neon por requisição passar de 1,33× a do Argon para o mesmo tipo de tarefa, o ponto de equilíbrio de dezembro visto acima. Se você mantiver tráfego do Argon na Ofox, o detalhamento de tokens e custo por requisição desse lado aparece no acompanhamento de uso da Ofox.
Passo 7: Faça a virada aos poucos e mantenha o caminho de rollback
Mova um tipo de tarefa por vez, atrás de uma flag: 10%, depois 50%, depois 100%, com alguns dias em cada etapa. Mantenha a configuração do Argon (ID do modelo, nível de raciocínio fixado, rota) intacta em vez de apagá-la. Faça rollback de um tipo de tarefa quando qualquer um destes itens disparar:
- a taxa de aprovação na verificação em produção cai abaixo da linha de base do Argon além da margem combinada;
- as respostas erradas no conjunto sem resposta passam da linha de base do Argon;
- o custo por tarefa aceita fica acima do custo do Argon, na tarifa em vigor;
- a latência p95 ou a taxa de timeout estoura o seu SLO;
- erros
429ou de cota aparecem no novo projeto. Os limites do Neon são por projeto e nível no Google, então confira-os antes dos 100%. Nosso guia de erros da API do Argon e o guia geral de novas tentativas para 429 (em inglês) cobrem backoff.
O fallback só existe enquanto o Argon existir, então confira a página de descontinuações antes de cada release.
O que quem usa a Ofox pode e não pode fazer hoje
Em 19 de novembro de 2026:
- Você pode continuar chamando o Argon pela Ofox como
google/gemini-4-argon, pelo protocolo compatível com OpenAI ou pelo protocolo nativo do Gemini, ambos listados na página do modelo. O preço que a Ofox cobra está nessa página; não o repetimos aqui, e vale conferir de novo depois de 1º de dezembro. - Não é possível migrar para o Neon dentro da Ofox. O Neon não está no catálogo, então não há teste A/B com uma única chave, e trocar o nome do modelo numa requisição à Ofox para
gemini-4-neonnão vai chegar ao Neon. - Para avaliar ou usar o Neon agora, você precisa de um projeto e de uma chave da Gemini API do Google no nível pago, com cobrança e limites de taxa separados. O harness do passo 2 mostra as duas rotas lado a lado. Nosso guia da API do Neon mostra a configuração nativa.
- O Hydrogen está na Ofox como
google/gemini-4-hydrogen, caso parte do tráfego do Argon possa descer um nível em vez de ir para o lado.
Se o Neon for adicionado à Ofox mais tarde, o plano de migração não muda: muda só a rota do Neon no seu harness. O tratamento de erros do lado da Ofox está descrito no guia de tratamento de erros, e os limites padrão no guia de limites de taxa.
Quando ficar no Argon é a decisão certa
A maioria dos motivos para ficar já está na tabela de decisão: sua avaliação mostra o Neon falhando num tipo de tarefa em que o Argon passa; você depende de o Argon high recusar em perguntas sem consulta e ainda não consegue adicionar verificações de citação; ou todo o seu tráfego passa pela Ofox. Outros dois têm a ver com o momento. Termine no Argon qualquer sessão longa de agente ou job em segundo plano, em vez de trocar no meio da execução. E se ainda for novembro e suas verificações não estiverem prontas, não há motivo para pressa: o Argon é mais barato por token até 30 de novembro, e a conta se inverte em 1º de dezembro.
O que não justifica ficar é a ideia de que o Argon é mais seguro por padrão. No padrão da API, as medições da AA colocam a taxa de alucinação do Argon um pouco acima da do Neon, com acurácia menor. Para comparar níveis antes de fixar um, veja nosso guia de níveis de raciocínio do Gemini 4.


