Kodlama Ajanları için Gemini 4 Argon: Kurulum, Maliyetler ve Görev Yönlendirme

Gemini 4 Argon, 13 Ekim 2026'dan bu yana Gemini API'nin ücretli katmanında kararlı bir model olarak gemini-4-argon adıyla genel kullanıma sunuldu. Google AI Pro ve Ultra aboneleri modele Gemini uygulamasından, Ultra aboneleri ise ayrıca Antigravity üzerinden de erişebiliyor. Ücretsiz bir API katmanı bulunmuyor. Gemini 4 Argon tabanlı bir kodlama aracısı (coding agent) için kesinleşen teknik veriler şöyle: girdi, düşünme (thinking) ve çıktı arasında paylaşılan 1.048.576 token'lık bir bağlam penceresi; varsayılan olarak istek başına 65.536 çıktı token'ı (arka plan modunda yaklaşık 1 milyona kadar); %77,9 ile DeepSWE v1.1 kodlama kıyaslama testinde liderlik; Terminal-bench 4.0 ve FrontierSWE v2 testlerinde ise geride kalma; ayrıca 30 Kasım'a kadar 1 milyon girdi token'ı başına 2$, 1 milyon çıktı token'ı başına 10$, 1 Aralık'tan itibaren ise sırasıyla 4$ ve 20$ fiyatlandırma.

Artık asıl mesele erişim değil; yeni bir öncü modelin iş panonuzda (board) yarattığı etkidir: Tüm ekibi her şeyi bu yeni model etrafında baştan kurmaya iter ve sonuçta bir hafta boyunca kimse hangi agent'ın ne üzerinde çalıştığından emin olamaz. Güvendiğiniz bir model üzerinde gerçek Task'lar çalıştıran bir Gemini Agent'ınız zaten varsa, Argon'a geçmek tek bir Computer üzerinde yalnızca tek bir değeri değiştirmekten ve ardından bir öncekiyle karşılaştırabileceğiniz tek bir Task çalıştırmaktan ibarettir. Ancak bu rehberin temelini oluşturan önemli bir uyarı var: Google, Gemini CLI'ın Argon'u desteklediğini henüz doğrulamadı; bu nedenle Argon'a bir Task atamadan önce bunu kendi Computer'ınızda doğrulamanız gerekir.

Özetle (TL;DR)

Bağlı bir Computer'a Gemini CLI yükleyin ve ücretli bir Gemini API anahtarı, bir Gemini Enterprise Agent Platform anahtarı veya bir Code Assist Standard ya da Enterprise lisansı ile kimlik doğrulamasını yapın. Bireysel Google hesaplarının Gemini CLI erişimi 18 Haziran'da sona erdi; Pro veya Ultra aboneliği ise bir API anahtarı yerine geçmez. Runtime durumunun "Available" olarak göründüğünü doğrulayın, üzerinde bir Agent oluşturun ve modeli gemini-3.8-flash olarak sabitleyin. Ardından tek bir değeri gemini-4-argon olarak değiştirin, tek satırlık bir deneme istemi (smoke prompt) çalıştırın, yeniden tarayın (rescan), daha önce çalıştırdığınız bir Task'ı tekrar çalıştırın ve sonuçları kıyaslayın. Yönlendirmenizi abartılı başlıklara göre değil, benchmark tablosundaki satırlara göre yapın.

Neler kesinleşti, neler kesinleşmedi?

15 Ekim 2026 itibarıyla durum şöyle: Google, Fairwind Programı kapsamındaki belirli siber savunma ortakları için Argon'u 30 Eylül'de duyurdu; Gemini API değişiklik günlüğü (changelog) ise gemini-4-argon modelinin 13 Ekim'de genel kullanıma açıldığını belirtiyor. Google'ın fiyatlandırma sayfası, Argon'un Ücretsiz katmanda sunulmadığını; Toplu (Batch) ve Esnek (Flex) çıkarım maliyetlerinin ise standart ücretin yarısı olduğunu gösteriyor.

Google'ın kendi değerlendirme tablosundan, yazılım geliştirme ekipleri için önem taşıyan satırlar:

Bu tabloyu Google'ın metodolojisinde belirttiği şu çekinceyle okumak gerekir: Google, Argon'un DeepSWE ve Terminal-bench puanlarını bizzat kendisi hesaplarken rakip modellerin skorlarının çoğu ilgili laboratuvarların kendi beyanlarına dayanıyor veya herkese açık liderlik tablolarından alınıyor. Test ortamları (test harness) farklılık gösterir. Çıkışından bu yana Cursor, kendi CursorBench testinde varsayılan efor düzeyinde Argon için %52,8 puan bildirdi ve bunun Opus 5.5 ile başa baş olduğunu belirtti. Üç yönlü karşılaştırmamız durumu satır satır ele alıyor.

Teknik özelliklerdeki üç ayrıntı, modeli nasıl çalıştıracağınızı doğrudan etkiler. 1 milyonluk pencere paylaşımlıdır; bu nedenle büyük bir depoyu (repository) okuyan bir çalıştırmada yazma için daha az alan kalır. Eşzamanlı (senkron) bir istek varsayılan olarak 65.536 çıktı token'ında durur; çıktının tamamını almak için Interactions API'nin dakikalar sürebilen arka plan uzun kod çözme (long decode) özelliğine ihtiyaç vardır. Ayrıca Argon, açık önbelleğe almayı (explicit caching) devre dışı bırakır ve temperature parametresini yok sayar; bu nedenle bunlardan birini içeren eski Gemini 3 ayarlarının temizlenmesi gerekir. Bilgi kesme tarihi (knowledge cutoff), Vertex AI erişilebilirliği ve Gemini CLI hakkında herhangi bir resmî açıklama ise henüz yayımlanmadı.

1. Adım: Bir Computer üzerinde Gemini CLI Runtime'ı kurma

Bu adım, Argon'dan daha öncesine dayanan bir tuzak barındırıyor. 18 Haziran'da Gemini CLI; Google AI Pro, Google AI Ultra ve bireysel ücretsiz Code Assist hesaplarına hizmet vermeyi durdurdu ve Google bu kullanıcıları Antigravity CLI'a geçirdi. Google'ın geçiş bildirimine göre Gemini CLI; yalnızca ücretli Gemini API anahtarları, Gemini Enterprise Agent Platform anahtarları ve Code Assist Standard veya Enterprise lisansları aracılığıyla kullanılabilir durumda. Bireysel bir Google girişi artık çalışan bir Runtime sağlamaz; aynı şekilde hem Pro hem de Ultra abonelikleri artık Gemini uygulamasında Argon'u içerseler bile CLI için geçerli bir Runtime sunmaz. Bağımsız (unattended) çalıştırmalar için ücretli bir anahtar en pratik yoldur ve Argon için zaten buna ihtiyacınız olacaktır.

İşi yürütecek Computer üzerinde Gemini CLI'ı yükleyin veya güncelleyin ve öncelikle standart bir terminalde çalıştığını doğrulayın:

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

Bu komut yanıt döndürüyorsa araç o ana makinede (host) çalışıyor demektir. Computer ayrıntılarını açıp yeniden tarama (rescan) veya bağlantı testini çalıştırın; Gemini CLI Runtime'ının "Available" olarak görünmesi gerekir. Eğer "Detection failed" hatası verirse veya oturum açılmadığını bildirirse ayrıntı sayfasındaki yönlendirmeleri izleyin ve ardından yeniden tarama yapın. Sharkly'de Computers durumları ayrıntılı olarak açıklamaktadır.

2. Adım: Bir Agent ve modelin gerçekte nerede konumlandığı

Sharkly model seçimi yapmaz. Agents dokümantasyonu bu konuda nettir: “Agent, Runtime'ın varsayılan modelini izler. Belirli bir model adını vadetmez veya görüntülemez.” Modelleri değiştirmek için dokümantasyon; Agent ya da Runtime üzerindeki Özel bağımsız değişkenlere (Custom arguments) veya Runtime ya da Computer araç yapılandırmasına işaret eder; Agent üzerinde bir model açılır menüsü (dropdown) bulunmaz.

Agent işin nasıl ele alınacağını tanımlar; Computer ana makineyi (host) sağlar; buradaki Runtime olan Gemini CLI agent oturumunu yürütür; Task ise paylaşılan kayıt olarak kalır. Agent'ı oluşturmak için Agents > New Agent adımlarını izleyin: Computer'ı ve Gemini CLI Runtime'ını seçin, her Task'ın yalıtılmış bir dizine ve depo tabanlı çalıştırmalar için temiz bir worktree'ye sahip olması için varsayılan çalışma dizinini "Create temporary directory" olarak ayarlayın ve talimatları kısa tutun. Sharkly'de Agents diğer çalıştırma ayarlarını ele almaktadır.

Model, Gemini CLI'a ait bir ayardır. Gemini CLI bu ayarı belgelenmiş bir sırada çözümler: önce -m veya --model bayrağı, ardından GEMINI_MODEL ortam değişkeni, sonra settings.json içindeki model.name ve en son varsayılan olan auto. Computer üzerindeki Gemini CLI kullanıcı ayarları dosyası (~/.gemini/settings.json), o kullanıcıya ait tüm Gemini CLI oturumlarını kapsar:

{ "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

Ayar dosyası güvenli bir varsayılandır. Agent düzeyindeki yönlendirmeler, tek bir Computer birden fazla Agent'a hizmet verirken yalnızca birinin modelini değiştirmek istediğinizde işe yarar; standartlaştırmadan önce bunları tek bir Agent üzerinde test edin. Modeli auto olarak bırakmak yerine sabitleyin; çünkü auto modeller arasında dinamik yönlendirme yapar ve kota hatalarında başka bir modele geçiş yaparak karşılaştırmanızı geçersiz kılabilir.

3. Adım: Bir Agent'ı Argon'a geçirme

İşe doğrudan API ile başlayın; böylece olası bir anahtar sorunu hiçbir zaman CLI sorunu gibi görünmez. Bu, Google'ın Computer üzerinden gönderilen resmî istek örneğidir:

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"}
  }'

Bu istek yanıt veriyorsa anahtarınız Argon'u çağırabiliyor demektir (thinking_level parametresi low, varsayılan olan medium veya high değerlerini alır). Ardından Gemini CLI'ı deneyin:

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

Bu makale değil, çalıştıracağınız bu deneme istemi sizin asıl kanıtınızdır. Google, Gemini CLI'ın Argon'u desteklediğini belirtmedi ve 1 Ekim itibarıyla kaynak kodunda herhangi bir Argon girdisi yer almıyordu. İstem başarısız olursa Gemini CLI'ı güncelleyin (sharkly computer update belirli bir Runtime için CLI güncellemesi ister) ve tekrar deneyin. Yine başarısız olursa Agent Flash modelinde kalır ve panodaki hiçbir şey aksamaz.

Başarılı olursa tek bir değeri değiştirin: model.name, GEMINI_MODEL veya -m bağımsız değişkeni. Computer ayrıntılarından yeniden tarama (rescan) yapın ve durumun "Available" olduğunu doğrulayın. Ardından daha önce Flash üzerinde çalıştırdığınız bir Task'ı atayın ve sonuçları döndükleri yerde, yani Task üzerinde karşılaştırın: diff, Agent'ın yürüttüğü kontroller ve incelemeyi yapan kişinin düzeltmek zorunda kaldığı noktalar.

Task ne zaman Argon'a verilmeli, ne zaman verilmemeli?

Şu durumlarda Task'ı Argon'a verin: Yapılacak iş az bir değişiklik yapmak için çok fazla kod okumayı gerektiriyorsa ya da bütünlüğü korunması gereken uzun ve kapsamlı bir değişiklik üretilecekse (örneğin büyük bir depoda modüller arası bir sorun veya binlerce satırı kapsayan bir kod taşıma işlemi). Google'ın tablosu, uzun bağlamdaki belirgin üstünlüğü (Astra'nın %71,8'ine karşılık GraphWalks 256K - 1M testinde %84,2) ve DeepSWE liderliğiyle bunu destekliyor. Google, kendi bünyesinde 800 binden fazla satıra varan C/C++ dilinden Rust'a geçiş projelerinde Argon'u kullandı ve bu yeniden yazımları canlıya almadan önce hâlâ denetleyip inceliyor. Task'ın kapsamını bir insanın sonucu inceleyebileceği şekilde belirleyin. Bir milyon token'lık bir çalıştırma, bir inceleme meselesidir; hız kazanımı sağlaması bundan sonra gelir.

Şu durumlarda Task'ı Flash'ta veya başka bir Runtime'da tutun: İş ağırlıklı olarak terminal odaklıysa (Opus 5.5, Terminal-bench 4.0'da dokuz puan öndedir), FrontierSWE benzeri bir yapıdaysa (Astra on puandan fazla farkla öndedir), bir grafik arayüzünü (GUI) yönetiyorsa (Astra, OSWorld-2.0'da öndedir) veya rutin bir düzeltmeyse. Argon'un token başına maliyeti 30 Kasım'a kadar Flash'ın yaklaşık 2,7 katıyken, Aralık ayında 5 katından fazlasına çıkar; çünkü Argon'un fiyatı Flash'tan bir ay önce ikiye katlanacaktır. Aynı panodaki bir Claude Code veya Codex Agent'ı yalnızca bir yeniden atama uzaklığındadır. Modelleri görevlerle eşleştirme rehberi, sizden sonraki kişinin de aynı şekilde yönlendirme yapabilmesi için bu kuralı nasıl kayıt altına alacağınızı gösterir.

Argon kendi deponuzda çalıştırılana kadar bu kuralların hiçbiri kesin kabul edilmemelidir.

Yapıyı koruyun, modeli değiştirin

Bu yaklaşımın temelindeki mantık sağlayıcı bağımsızlığıdır (provider neutrality). Farklı alanlarda öne çıkan yeni öncü modeller çıkmaya devam ediyor; her yeni model için iş akışını baştan kuran bir ekip her ay kendini aynı şeyi yaparken bulur. Görev atamasını, bağlamı, ilerlemeyi, engelleri (blockers), sonuçları ve insan incelemesini tek bir yerde tuttuğunuzda model, bir Computer üzerindeki basit bir değere dönüşür. Agent'lar araştırır, yürütür, test eder ve raporlar. İnsanlar ise yönü belirler, yetki verir ve sonucu onaylar.

Yan yana birden fazla Gemini çalıştırması için küçük ölçekte Task başına bir worktree yeterli olur; paralel Gemini CLI rehberimiz bu modeli ortaya koymaktadır. Bunu worktree'ler ile manuel olarak kurgulayabilir veya iş akışını yönetmek için Sharkly'yi kullanabilirsiniz.