Saltar al contenido

intermedio

Gemini 4 Argon: thinking_level y los 400 del prefill

6 min de lectura

Respuesta rápida:

Ajusta `thinking_level` en vez de un presupuesto de tokens, sube `max_output_tokens` porque el pensamiento sale de ese mismo techo, quita `temperature`, `top_p` y `top_k` porque se ignoran, y no rellenes turnos de modelo: el último turno no vacío de la petición tiene que ser tuyo.

Argon pasó a disponibilidad general el 13 de octubre de 2026 y es el único modelo de la generación 4: no hay Gemini 4 Pro, ni Gemini 4 Flash, ni Gemini 4.0. Lo que cambia en el prompt es menos de lo que parece y más de lo que se nota: un control renombrado, tres parámetros que se ignoran y un turno que ya no se puede rellenar.

Qué ha salido

gemini-4-argon, GA el 13 de octubre de 2026. La página de modelos no lista ningún otro Gemini 4, ni Pro ni Flash, así que «Gemini 4» y Argon son lo mismo.

Ventana unificada de 1.048.576 tokens, en la que entrada, pensamiento y salida salen del mismo pozo. La salida máxima es de 65.536 tokens en una respuesta síncrona. El razonamiento tiene tres niveles —low, medium, high— con medium por defecto; en Argon no hay minimal. Y solo hay caché implícita: la explícita no está soportada.

Una precisión sobre la documentación, porque cambia cómo se lee el resto: la página de prompting de Google no nombra Argon en ningún punto. No aparece «Gemini 4», ni «Argon», ni thinking_level, y su sección más reciente sigue titulada «Gemini 3». Lo que hay debajo son reglas de la generación 3 que Argon hereda; no hay una guía de prompting específica de Argon publicada en esa página.

Qué cambia al razonar

El razonamiento se gobierna con thinking_level y no con un número: thinking_budget se sustituyó por un enum. El valor por defecto cambia por modelo, y esa es la parte que rompe prompts ajenos: gemini-4-argon, gemini-3.8-flash y gemini-3.6-flash arrancan en medium; gemini-3.5-flash-lite en minimal; gemini-3.1-pro-preview y gemini-3-flash-preview en high.

El pensamiento y la respuesta comparten techo. max_output_tokens cuenta también los tokens de pensamiento: si el modelo se para razonando, la respuesta vuelve truncada o vacía con estado incomplete. Bajar el techo para ahorrar es la maniobra equivocada; lo que se baja es el nivel.

Los bloques de pensamiento se reenvían tal como llegaron, con sus firmas dentro. Quitarlos o retocarlos rompe la continuación del razonamiento, y eso convierte el historial en otra cosa que no se edita.

Qué cambia al escribir prompts

Los parámetros de muestreo se ignoran. La lista de migración de Gemini 4 lo resuelve en una línea: «If provided, they are ignored.» El sustituto que da Google para el determinismo es una instrucción de sistema con reglas explícitas, no un valor más bajo de temperature. En la práctica: una búsqueda en rejilla sobre esos tres números ya no mide el prompt, y el remedio que la página daba para una respuesta filtrada por seguridad —subir la temperatura— no hace nada.

text

system_instruction:
  Devuelve siempre tres bullets y en este orden: qué ha pasado, qué
  implica, qué hacer después. Máximo 20 palabras por bullet. Si falta un
  dato, escribe "sin datos" en el bullet que corresponda.

Un turno de modelo prellenado devuelve 400. Si el último turno no vacío de la petición es del modelo, la API lo rechaza. Los dos motivos clásicos para prellenar —quitar el preámbulo y forzar JSON— tienen sustituto documentado: system_instruction y structured outputs. El prefijo como texto sigue vivo, pero en el turno de usuario.

Con entradas largas, contexto primero e instrucciones al final. Entre el material y la pregunta va una frase de transición que separa la evidencia de la petición, y con una ventana de un millón de tokens esa distancia no es un detalle de estilo.

text

<contexto>
[pega aquí el contrato, el informe o los ficheros]
</contexto>

Basándote en la información anterior, dime en cinco bullets qué
obligaciones acepta el proveedor y cuáles no aparecen en el documento.

Qué dejas de hacer

  • Mandar thinking_budget. Ya no existe: el control es thinking_level.
  • Tocar temperature, top_p o top_k, y peor, montar una búsqueda en rejilla para dar con «el ajuste». Lo que cambias con eso es el ruido, no la respuesta.
  • Confiar en un turno de modelo prellenado. Es un 400 en cada llamada.
  • Bajar max_output_tokens para recortar coste con el razonamiento encendido. Recorta la respuesta.
  • Dar por hecho que las reglas de la página de prompting son de Argon. Son de la generación 3 y siguen sin reconciliarse.

Resumen

Argon sustituye `thinking_budget` por `thinking_level` con un valor por defecto por modelo, mete pensamiento y salida en el mismo techo de tokens y rechaza los turnos de modelo prellenados. Tres costumbres que se sueltan: el presupuesto numérico, el muestreo y el prefill.

Artículos relacionados

¿Listo para crear mejores prompts?

SystemPrompt Master aplica el método de estas guías para escribir el prompt del modelo que elijas y guarda cada versión.