Gemini 4 Argon: сравнение с конкурентами и цена задачи
Argon лидирует в таблице самого Google, но не везде. Разбираем тесты, цену за задачу и где топовые модели окупаются, а где хватает более дешёвых.
Gemini 4 Argon, новая топовая модель Google, в таблице самого Google выигрывает у GPT-6 Astra и Claude в 13 строках из 19. Для бизнеса это ничего не решает, пока не посчитана цена выполненной задачи. Мы Argon, Fable и Astra в своих автоматизациях не используем: они дороги, а для наших задач хватает моделей попроще. Ниже цифры, на которые можно опереться, и разбор, где такие модели нужны.
Что такое Argon и с кем его сравнивают
Argon объявили 30 сентября, а с 13 октября он доступен в API Google. Это модель того же класса, что Claude Fable 5.1 от Anthropic и GPT-6 Astra от OpenAI: топовая в публичной линейке своей компании, рассчитанная на длинные многошаговые задачи. У Anthropic рядом стоит Claude Opus 5.5, дешевле Fable, а у OpenAI GPT-6.1 Sol, дешевле Astra.
Цены за миллион токенов на вход и выход различаются в разы:
| Модель | Вход / выход, $ |
|---|---|
| Gemini 4 Argon (до конца ноября) | 2 / 10 |
| Gemini 4 Argon (с 1 декабря) | 4 / 20 |
| GPT-6.1 Sol | 2 / 10 |
| Claude Opus 5.5 | 4 / 20 |
| GPT-6 Astra | 10 / 50 |
| Claude Fable 5.1 | 10 / 50 |
Цена Argon сейчас вводная, после 1 декабря она вырастет вдвое и сравняется с Opus 5.5.
Что показывают тесты
В таблице Google Argon лидирует в знаниях и автоматизации. На Vals Index, который складывает финансы, право, налоги и код, у него 68,9% против 63,1% у Astra, 65,8% у Fable и 67,0% у Opus 5.5. На AutomationBench от Zapier, где проверяют выполнение бизнес-процессов от начала до конца, у него 51,3%, у ближайшего конкурента 42,5%.
Но по программированию и работе с компьютером картина другая. В терминальном бенчмарке Terminal-bench 4.0 впереди Opus 5.5 (66,4% против 57,4% у Argon), в сложной инженерии FrontierSWE v2 лидирует Astra (65,5% против 55,0%), а в управлении интерфейсом OSWorld-2.0 тоже Astra (72,6% против 69,2%).
К таблице три оговорки:
- Таблицу составлял сам Google и сам выбрал тесты: в ней 19 строк по 18 тестам, один занимает две строки. В пяти строках Google запускал только Argon, а оценки конкурентов взял из других рейтингов или у их разработчиков, поэтому условия запуска могли отличаться.
- Настройки сильно двигают результат. В тесте Chartography Fable 5.1 набирает 46,2% в таблице Google и 88,4% с инструментами по данным Anthropic.
- Независимые рейтинги выглядят скромнее. По Artificial Analysis Argon примерно равен Astra по общему индексу интеллекта, а Fable 5.1 впереди на 5 пунктов. В народном рейтинге Arena Argon первый в текстовом чате, но оценка помечена предварительной, а в генерации сайтов он только восьмой.
Вывод: единого лидера нет. Argon сильнее всего там, где нужно разбирать длинные документы и сквозные бизнес-сценарии, а за кодом и компьютером выбирают других.
