Gemini 4 Argon สำหรับ Coding Agents: วิธีตั้งค่า ค่าใช้จ่าย และงานแบบไหนที่ควรเลือกใช้

Gemini 4 Argon เปิดให้ใช้งานทั่วไป (GA) แล้วตั้งแต่วันที่ 13 ตุลาคม 2026 ในชื่อ gemini-4-argon ซึ่งเป็นโมเดลเวอร์ชันเสถียรบนแพ็กเกจแบบชำระเงินของ Gemini API ผู้สมัครสมาชิก Google AI Pro และ Ultra สามารถใช้งานโมเดลนี้ได้ในแอป Gemini ส่วนผู้ใช้ระดับ Ultra จะเข้าถึงได้ใน Antigravity ด้วย โดยโมเดลนี้ไม่มีให้ใช้งานฟรีบน API สำหรับการนำมาใช้เป็น coding agent ข้อมูลจำเพาะที่ได้รับการยืนยันแล้วคือ context window ขนาด 1,048,576 โทเคน ซึ่งใช้ร่วมกันระหว่าง input, thinking และ output โดยมีค่าเริ่มต้นในการสร้างผลลัพธ์อยู่ที่ 65,536 โทเคนต่อคำขอ และเพิ่มได้สูงสุดประมาณ 1 ล้านโทเคนในโหมดเบื้องหลัง (background mode) ส่วนผลการทดสอบด้านการเขียนโค้ด Argon ทำคะแนนนำเป็นอันดับหนึ่งบนเบนช์มาร์ก DeepSWE v1.1 อยู่ที่ 77.9% แต่ตามหลังบน Terminal-bench 4.0 และ FrontierSWE v2 สำหรับค่าบริการอยู่ที่ 2 ดอลลาร์ต่อ 1 ล้าน input token และ 10 ดอลลาร์ต่อ 1 ล้าน output token จนถึงวันที่ 30 พฤศจิกายน ก่อนจะปรับเพิ่มเป็น 4 ดอลลาร์และ 20 ดอลลาร์ตั้งแต่วันที่ 1 ธันวาคมเป็นต้นไป

ประเด็นสำคัญในตอนนี้ไม่ใช่เรื่องการเข้าถึงโมเดลอีกต่อไป แต่เป็นผลกระทบที่โมเดล frontier ตัวใหม่มีต่อบอร์ดงานของคุณ เพราะมันมักทำให้ทีมอยากรื้อระบบใหม่เพื่อปรับให้เข้ากับโมเดล และลงเอยด้วยการเสียเวลาไปเป็นสัปดาห์โดยที่ไม่มีใครแน่ใจว่าเอเจนต์ตัวไหนกำลังรันอะไรอยู่กันแน่ หาก Gemini Agent ของคุณกำลังรัน Task งานจริงบนโมเดลที่คุณไว้วางใจอยู่แล้ว การเปลี่ยนมาใช้ Argon ก็แค่แก้ค่าเพียงค่าเดียวบน Computer เครื่องเดียว แล้วตามด้วยการรัน Task หนึ่งงานเพื่อเทียบผลลัพธ์กับครั้งก่อนหน้า อย่างไรก็ตาม คู่มือนี้มีข้อควรระวังสำคัญอยู่หนึ่งจุด นั่นคือ Google ยังไม่ได้ประกาศว่า Gemini CLI รองรับ Argon ดังนั้นคุณจึงควรทดสอบยืนยันบน Computer ของคุณเองก่อนที่จะมอบหมาย Task ให้ Argon ทำงานจริง

สรุปใจความสำคัญ

ติดตั้ง Gemini CLI บน Computer ที่เชื่อมต่ออยู่ แล้วยืนยันตัวตนด้วย API key ของ Gemini แบบชำระเงิน, คีย์ของ Gemini Enterprise Agent Platform หรือไลเซนส์ Code Assist แบบ Standard หรือ Enterprise (บัญชี Google ทั่วไปไม่สามารถใช้ Gemini CLI ได้แล้วตั้งแต่วันที่ 18 มิถุนายน และการสมัครสมาชิก Pro หรือ Ultra ไม่สามารถใช้แทน API key ได้) จากนั้นตรวจสอบว่าสถานะของ Runtime ขึ้นเป็น Available แล้วสร้าง Agent ขึ้นมาบน Runtime นั้น พร้อมล็อกโมเดลไว้ที่ gemini-3.8-flash ต่อมาให้เปลี่ยนค่าเพียงค่าเดียวเป็น gemini-4-argon รัน smoke prompt สั้นๆ เพียงบรรทัดเดียว สแกนระบบใหม่อีกครั้ง รัน Task ที่คุณเคยรันไปแล้วซ้ำอีกรอบ แล้วเปรียบเทียบผลลัพธ์ ทั้งนี้ ควรเลือกใช้งานตามตัวเลขเบนช์มาร์กแต่ละด้าน ไม่ใช่ตามพาดหัวข่าว

ข้อมูลที่ยืนยันแล้ว และข้อมูลที่ยังไม่ชัดเจน

ข้อมูล ณ วันที่ 15 ตุลาคม 2026: Google ประกาศเปิดตัว Argon เมื่อวันที่ 30 กันยายนสำหรับกลุ่มพันธมิตรด้านความมั่นคงปลอดภัยทางไซเบอร์ในโครงการ Fairwind Program และใน บันทึกการเปลี่ยนแปลงของ Gemini API ระบุว่า gemini-4-argon เปิดให้ใช้งานทั่วไปแล้วตั้งแต่วันที่ 13 ตุลาคม ขณะที่หน้าราคาของ Google ระบุว่า Argon ไม่มีให้ใช้งานในแพ็กเกจฟรี (Free tier) ส่วนการประมวลผลแบบ Batch และ Flex จะมีราคาอยู่ที่ครึ่งหนึ่งของอัตรามาตรฐาน

ตารางการประเมินผลของ Google ในส่วนที่สำคัญต่อนักพัฒนาและทีมเขียนโค้ด:

แต่ต้องพิจารณาตัวเลขเหล่านี้พร้อมกับข้อควรระวังตามระเบียบวิธีของ Google ด้วย กล่าวคือ Google เป็นผู้คำนวณคะแนน DeepSWE และ Terminal-bench ของ Argon ด้วยตนเอง ในขณะที่ตัวเลขของคู่แข่งส่วนใหญ่มาจากรายงานของแต่ละแล็บเองหรือดึงมาจากลีดเดอร์บอร์ดสาธารณะ ซึ่งชุดเครื่องมือทดสอบมีความแตกต่างกัน นับตั้งแต่เปิดตัว Cursor รายงานว่า Argon ทำคะแนนได้ 52.8% บน CursorBench ของตนเองเมื่อตั้งค่าระดับความพยายามเป็นค่าเริ่มต้น ซึ่ง Cursor ระบุว่าอยู่ในระดับที่สูสีกับ Opus 5.5 ทั้งนี้ คุณสามารถอ่านบทความเปรียบเทียบทั้งสามโมเดลของเราที่เจาะลึกแบบหมวดต่อหมวดได้เพิ่มเติม

รายละเอียดทางเทคนิค 3 ประการต่อไปนี้จะเปลี่ยนรูปแบบการนำโมเดลไปรันใช้งานจริง ประการแรก context window ขนาด 1M เป็นพื้นที่ที่ใช้ร่วมกัน ดังนั้นการรันที่ต้องอ่านโค้ดเบสขนาดใหญ่จะเหลือพื้นที่สำหรับเขียนโค้ดตอบกลับน้อยลง ประการที่สอง คำขอแบบ synchronous จะหยุดที่ 65,536 output token เป็นค่าเริ่มต้น หากต้องการผลลัพธ์เต็มจำนวนจะต้องใช้ฟังก์ชัน background long decode ของ Interactions API ซึ่งอาจใช้เวลานานหลายนาที และประการที่สาม Argon ตัดระบบ explicit caching ออกไปและไม่สนใจค่า temperature ดังนั้นหากมีการตั้งค่าเดิมจาก Gemini 3 ที่ใช้ตัวเลือกเหล่านี้อยู่ก็จำเป็นต้องล้างค่าออก สำหรับข้อมูลที่ยังไม่มีการเผยแพร่ ได้แก่ วันตัดข้อมูลความรู้ (knowledge cutoff), ความพร้อมใช้งานบน Vertex AI และแถลงการณ์ใดๆ เกี่ยวกับ Gemini CLI

ขั้นตอนที่ 1: ติดตั้ง Gemini CLI Runtime บน Computer

ขั้นตอนนี้มีจุดที่ต้องระวังซึ่งเกิดขึ้นมาก่อน Argon เสียอีก เนื่องจากเมื่อวันที่ 18 มิถุนายน Gemini CLI ได้ยุติการให้บริการสำหรับบัญชี Google AI Pro, Google AI Ultra และบัญชี Code Assist ฟรีสำหรับบุคคลทั่วไป โดย Google ได้ย้ายผู้ใช้กลุ่มดังกล่าวไปยัง Antigravity CLI แทน ตามที่ระบุไว้ในประกาศการเปลี่ยนผ่านของ Google ปัจจุบัน Gemini CLI ยังคงใช้งานได้ผ่าน API key ของ Gemini แบบชำระเงิน, คีย์ของ Gemini Enterprise Agent Platform และไลเซนส์ Code Assist แบบ Standard หรือ Enterprise เท่านั้น การล็อกอินด้วยบัญชี Google ส่วนบุคคลจะไม่สามารถใช้เป็น Runtime ได้อีกต่อไป รวมถึงการสมัครสมาชิก Pro หรือ Ultra ด้วยเช่นกัน แม้ว่าทั้งสองแพ็กเกจจะเข้าถึง Argon ในแอป Gemini ได้แล้วก็ตาม การใช้ API key แบบชำระเงินจึงเป็นวิธีที่ง่ายที่สุดสำหรับการรันงานแบบอัตโนมัติ และอย่างไรเสีย Argon ก็จำเป็นต้องใช้คีย์นี้อยู่ดี

บน Computer ที่จะใช้รันงาน ให้ติดตั้งหรืออัปเดต Gemini CLI แล้วทดสอบการทำงานผ่านเทอร์มินัลทั่วไปก่อนเป็นอันดับแรก:

export GEMINI_API_KEY="your-paid-project-key"
gemini -m gemini-3.8-flash -p "Reply with the word ok."

หากมีข้อความตอบกลับ แสดงว่าเครื่องมือพร้อมใช้งานบนโฮสต์นั้น ให้เปิดหน้ารายละเอียดของ Computer แล้วสั่ง rescan หรือทดสอบการเชื่อมต่อ ซึ่ง Gemini CLI Runtime ควรจะแสดงสถานะเป็น Available แต่ถ้าขึ้นว่า Detection failed หรือแจ้งว่ายังไม่ได้ลงชื่อเข้าใช้ ให้ปฏิบัติตามคำแนะนำในหน้ารายละเอียดแล้วกด rescan ใหม่อีกครั้ง โดยสามารถดูความหมายของสถานะต่างๆ เพิ่มเติมได้ที่ Computers ใน Sharkly

ขั้นตอนที่ 2: สร้าง Agent และทำความเข้าใจตำแหน่งการตั้งค่าโมเดล

Sharkly ไม่ได้ทำหน้าที่เลือกโมเดล โดยเอกสารคู่มือของ Agents ระบุไว้อย่างตรงไปตรงมาว่า "Agent จะทำงานตามโมเดลเริ่มต้นของ Runtime และไม่มีการการันตีหรือแสดงชื่อโมเดลแบบเจาะจง" หากต้องการเปลี่ยนโมเดล เอกสารแนะนำให้กำหนดผ่าน Custom arguments บน Agent หรือ Runtime หรือผ่านการกำหนดค่าเครื่องมือของ Runtime หรือ Computer โดยจะไม่มีเมนูดรอปดาวน์ให้เลือกโมเดลบนตัว Agent แต่อย่างใด

Agent ทำหน้าที่กำหนดวิธีการจัดการงาน ส่วน Computer ทำหน้าที่เป็นเครื่องโฮสต์ ด้าน Runtime (ในที่นี้คือ Gemini CLI) จะเป็นตัวดำเนินเซสชันของเอเจนต์ และ Task จะทำหน้าที่เป็นบันทึกการทำงานร่วมกัน ให้สร้าง Agent โดยเข้าไปที่ Agents > New Agent: เลือก Computer และ Gemini CLI Runtime จากนั้นตั้งค่าไดเรกทอรีทำงานเริ่มต้นเป็น Create temporary directory เพื่อให้แต่ละ Task ได้รับไดเรกทอรีที่แยกจากกันอย่างเป็นอิสระ และสำหรับการรันที่ผูกกับ repository ก็จะได้ worktree ใหม่ที่สะอาด พร้อมทั้งระบุคำสั่งการทำงาน (instructions) ให้กระชับ สามารถศึกษาการตั้งค่าอื่นๆ ในการรันได้ที่ Agents ใน Sharkly

การเลือกโมเดลถือเป็นการตั้งค่าของ Gemini CLI ซึ่ง Gemini CLI จะจัดลำดับความสำคัญตามลำดับที่ระบุไว้ในเอกสาร ดังนี้: แฟล็ก -m หรือ --model ตามด้วยตัวแปรสภาพแวดล้อม GEMINI_MODEL ตามด้วยค่า model.name ในไฟล์ settings.json และสุดท้ายคือค่าเริ่มต้นอย่าง auto ทั้งนี้ ไฟล์การตั้งค่าผู้ใช้ของ Gemini CLI บน Computer ที่พาธ ~/.gemini/settings.json จะมีผลครอบคลุมทุกเซสชันของ Gemini CLI สำหรับผู้ใช้รายนั้น:

{ "model": { "name": "gemini-3.8-flash" } }

# Agent environment variable: only this Agent's runs
GEMINI_MODEL=gemini-3.8-flash

# or an Agent Custom argument (additional Runtime arguments)
-m gemini-3.8-flash

การใช้ไฟล์การตั้งค่าถือเป็นค่าเริ่มต้นที่ปลอดภัยที่สุด ส่วนการกำหนดค่าในระดับ Agent จะมีประโยชน์เมื่อ Computer เครื่องหนึ่งรองรับ Agent หลายตัว แต่ต้องการเปลี่ยนโมเดลให้กับ Agent เพียงตัวเดียวเท่านั้น โดยควรทดสอบบน Agent ตัวใดตัวหนึ่งก่อนนำไปใช้เป็นมาตรฐาน ทั้งนี้ ควรล็อกโมเดลแบบเจาะจง (pin) เอาไว้ ดีกว่าปล่อยเป็น auto เพราะระบบจะสลับเส้นทางระหว่างโมเดลและอาจถอยกลับไปใช้โมเดลอื่นเมื่อเกิดข้อผิดพลาดด้านโควตา ซึ่งจะทำให้ผลการเปรียบเทียบคลาดเคลื่อนได้

ขั้นตอนที่ 3: สลับ Agent ตัวหนึ่งไปใช้ Argon

เริ่มต้นทดสอบผ่าน API ก่อน เพื่อป้องกันไม่ให้ปัญหาเรื่องคีย์ถูกเข้าใจผิดว่าเป็นปัญหาของ CLI โดยให้ส่งคำขอตามรูปแบบของ Google จากเครื่อง Computer ดังนี้:

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": "Your prompt here",
    "generation_config": {"thinking_level": "medium"}
  }'

หากมีคำตอบกลับมา แสดงว่าคีย์ดังกล่าวสามารถเรียกใช้งาน Argon ได้แล้ว (ค่า thinking_level กำหนดได้เป็น low, medium ซึ่งเป็นค่าเริ่มต้น หรือ high) จากนั้นให้ลองทดสอบผ่าน Gemini CLI:

gemini -m gemini-4-argon -p "Reply with the word ok."

smoke prompt ดังกล่าวคือข้อพิสูจน์ที่แท้จริงของคุณ ไม่ใช่บทความนี้ เนื่องจาก Google ยังไม่ได้ยืนยันว่า Gemini CLI รองรับ Argon และ ณ วันที่ 1 ตุลาคม ซอร์สโค้ดของ CLI ก็ยังไม่มีข้อมูลของ Argon ปรากฏอยู่ หากการรัน prompt ล้มเหลว ให้อัปเดต Gemini CLI (คำสั่ง sharkly computer update จะสั่งอัปเดต CLI ให้กับ Runtime ที่ระบุ) แล้วลองใหม่อีกครั้ง หากยังไม่สำเร็จ ให้ Agent ใช้งาน Flash ต่อไปตามเดิมโดยที่ไม่มีอะไรบนบอร์ดงานเสียหาย

หากผ่านเรียบร้อย ให้เปลี่ยนค่าเพียงค่าเดียว ได้แก่ model.name, GEMINI_MODEL หรืออาร์กิวเมนต์ -m จากนั้นกด rescan จากหน้ารายละเอียดของ Computer แล้วยืนยันว่าสถานะเป็น Available ต่อมาให้มอบหมาย Task เดียวกับที่คุณเคยรันบน Flash ไปแล้ว และเปรียบเทียบผลลัพธ์ทั้งสองบนหน้ารายละเอียดของ Task นั้นๆ ไม่ว่าจะเป็น diff, รายการตรวจสอบที่ Agent รัน และสิ่งที่ผู้ตรวจทานต้องเข้าไปแก้ไข

งานแบบไหนที่ควรมอบหมายให้ Argon และแบบไหนที่ไม่ควร

ควรมอบหมาย Task ให้ Argon เมื่อลักษณะงานจำเป็นต้องอ่านโค้ดจำนวนมหาศาลเพื่อแก้โค้ดเพียงเล็กน้อย หรือเป็นการสร้างการเปลี่ยนแปลงที่ยาวต่อเนื่องเป็นเนื้อเดียวกัน เช่น ปัญหาที่เชื่อมโยงกันข้ามหลายโมดูลใน repository ขนาดใหญ่ หรืองานย้ายโค้ดข้ามโค้ดหลายพันบรรทัด ซึ่งตารางคะแนนของ Google ยืนยันจุดเด่นนี้ด้วยคะแนนทิ้งห่างในด้าน context ขนาดยาว (84.2% บน GraphWalks 256K ถึง 1M เทียบกับ 71.8% ของ Astra) รวมถึงคะแนนนำบน DeepSWE ทั้งนี้ Google ได้นำ Argon ไปใช้เป็นการภายในเพื่องานย้ายโค้ดภาษา C/C++ ไปเป็น Rust ที่มีความยาวมากกว่า 800K บรรทัด โดยยังคงต้องมีการตรวจสอบและรีวิวโค้ดที่เขียนใหม่เหล่านั้นอย่างละเอียดก่อนนำไปใช้งานจริงบน production เสมอ ดังนั้นควรกำหนดขอบเขตของ Task ให้เหมาะสมเพื่อให้คนสามารถตรวจทานผลลัพธ์ได้ เพราะการรันงานระดับล้านโทเคนจะกลายเป็นภาระในการตรวจทานก่อนที่จะช่วยเพิ่มความเร็วในการทำงานเสียอีก

ควรให้ Flash หรือ Runtime อื่นทำ Task ต่อไปเมื่องานนั้นเน้นการใช้งานเทอร์มินัลเป็นหลัก (Opus 5.5 นำบน Terminal-bench 4.0 อยู่ถึง 9 จุด), งานในลักษณะเดียวกับ FrontierSWE (Astra นำอยู่มากกว่า 10 จุด), งานที่ต้องควบคุม GUI (Astra นำบน OSWorld-2.0) หรือเป็นงานแก้ไขโค้ดทั่วไปตามกิจวัตร นอกจากนี้ ค่าบริการต่อโทเคนของ Argon ยังสูงกว่า Flash ประมาณ 2.7 เท่าไปจนถึงวันที่ 30 พฤศจิกายน และจะสูงกว่า 5 เท่าในเดือนธันวาคม เนื่องจากราคาของ Argon จะปรับเพิ่มขึ้นเป็นเท่าตัวเร็วกว่า Flash หนึ่งเดือน ทั้งนี้ หากต้องการสลับไปใช้ Claude Code หรือ Codex Agent บนบอร์ดงานเดียวกันก็ทำได้ทันทีเพียงแค่มอบหมายงานใหม่ สามารถดูรายละเอียดได้ที่การจับคู่โมเดลให้เหมาะกับงาน เพื่อเรียนรู้วิธีตั้งกฎเหล่านี้ไว้ให้ทุกคนในทีมส่งต่องานไปหาโมเดลที่ถูกต้องในแนวทางเดียวกัน

กฎเกณฑ์เหล่านี้ไม่มีข้อสรุปตายตัว จนกว่าคุณจะได้ทดลองรัน Argon บน repository ของคุณเองจริงๆ

คงโครงสร้างเดิมไว้ เปลี่ยนแค่ตัวโมเดล

แนวคิดสำคัญเบื้องหลังเรื่องนี้คือการไม่ยึดติดกับผู้ให้บริการรายใดรายหนึ่ง (provider neutrality) โมเดล frontier รุ่นใหม่ๆ เปิดตัวออกมาอย่างต่อเนื่องพร้อมผู้ชนะที่เปลี่ยนหน้าไปเรื่อยๆ และทีมที่ต้องคอยรื้อระบบการทำงานใหม่ทุกครั้งที่มีโมเดลเปิดตัว ก็จะต้องรื้อระบบใหม่ทุกเดือน แต่หากคุณรวมการมอบหมายงาน, บริบท (context), ความคืบหน้า, ปัญหาอุปสรรค, ผลลัพธ์ และขั้นตอนการตรวจทานโดยมนุษย์ไว้ในที่เดียว ตัวโมเดลก็จะกลายเป็นเพียงค่าคอนฟิกค่าหนึ่งบน Computer เท่านั้น โดยให้ Agent ทำหน้าที่ค้นคว้า ลงมือปฏิบัติการ ทดสอบ และรายงานผล ส่วนมนุษย์ทำหน้าที่กำหนดทิศทาง อนุมัติสิทธิ์ และตรวจรับผลลัพธ์

สำหรับการรันงานด้วย Gemini หลายรายการควบคู่กันไป การใช้หนึ่ง worktree ต่อหนึ่ง Task สามารถตอบโจทย์ได้ดีสำหรับสเกลขนาดเล็ก ซึ่งคู่มือการรัน Gemini CLI แบบคู่ขนานของเราได้อธิบายรูปแบบนี้ไว้แล้ว คุณสามารถตั้งค่ารูปแบบดังกล่าวได้ด้วยตนเองผ่าน worktree หรือจะใช้ Sharkly ช่วยจัดการเวิร์กโฟลว์ทั้งหมดก็ได้เช่นกัน