Gemini 4 Argon führt Googles Benchmark-Tabelle in 13 von 19 Zeilen gegen GPT-6 Astra, Claude Opus 5.5 und Claude Fable 5.1 an, aber eine Tatsache überwiegt jede Bewertung: Sie können Astra und Opus 5.5 heute kaufen, Argon jedoch nicht. Googles neues Vorreiter-Modell ist heute nur für Verteidiger des Fairwind-Programms verfügbar, zu einem Einführungspreis von $2/$10 pro Million Token und danach für $4/$20, was genau dem Preis von Opus 5.5 entspricht.
Dieser Vergleich stellt die vier Modelle nach Preis und Limits gegenüber, gruppiert die Benchmark-Zeilen danach, welches Modell sie gewinnt, erklärt, warum die Zahlen nicht direkt vergleichbar sind, und endet mit einem Routing-Leitfaden und einer Möglichkeit, alle drei mit Ihren eigenen Prompts in Apidog zu testen. Neu bei Argon? Beginnen Sie mit Was ist Gemini 4 Argon; für den Zeitplan siehe den Leitfaden zum Argon-Veröffentlichungsdatum.
Preis und Limits im Vergleich
Googles Tabelle enthält Claude Fable 5.1, daher erhält es ebenfalls eine Spalte. Die Preise verstehen sich pro 1 Million Token, entnommen von der jeweiligen Anbieterseite: Googles Launch-Beitrag, OpenAIs Modellseite für GPT-6 Astra und Anthropics Preisseite.
| Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 | Claude Fable 5.1 | |
|---|---|---|---|---|
| Können Sie es heute aufrufen? | Nein, nur Fairwind | Ja | Ja | Ja |
| API-Modell-ID | Nicht veröffentlicht | gpt-6-astra |
claude-opus-5-5 |
claude-fable-5-1 |
| Eingabe | $2 Einführung, dann $4 | $10 | $4 | $10 |
| Gecachte Eingabe | $0.10 Einführung, dann $0.20 | $1 | $0.20 | $0.25 |
| Ausgabe | $10 Einführung, dann $20 | $50 | $20 | $50 |
| Max. Ausgabe | 1 Mio. (Googles angegebene Grenze) | 128K | 128K (300K im Batch, Beta) | 128K |
| Kontextfenster | Nicht veröffentlicht | 1.050.000 (922K max. Eingabe) | 1 Mio. | 1 Mio. |
| Aufschlag für lange Prompts | Nicht angegeben | Über 272K Eingabe: 2x Eingabe und Cache, 1,5x Ausgabe, auf die gesamte Anfrage | Keine | Keine |
Drei Dinge stechen hervor. Argons Standardpreis entspricht Opus 5.5 bei Eingabe, gecachter Eingabe und Ausgabe, sodass sein Preisvorteil gegenüber Anthropic nur während der Einführungsphase anhält, und Google hat diese nicht datiert. Astra und Fable 5.1 werden mit dem 2,5-fachen der Standard-Eingabe- und Ausgaberaten von Argon und dem 5-fachen der Einführungstarife gelistet. Und die 1-Mio.-Ausgabezahl stammt von Google: Vals AI listet eine maximale Ausgabe von 262K für die von ihr getestete Argon-Konfiguration. Für die Kostenberechnung pro Anfrage siehe Gemini 4 Argon Preisgestaltung.
Wo jedes Modell in Googles Tabelle führt
Bevor wir zu den Zahlen kommen: Dies ist Googles Tabelle. Argons Ergebnisse sind von Google gemeldet, einige selbst berechnet und einige von Bestenlisten; die Ergebnisse der Konkurrenten sind meist die eigenen Zahlen der Anbieter oder Ergebnisse öffentlicher Bestenlisten, bei maximalen Begründungseinstellungen, wo verfügbar. Die Testumgebungen unterscheiden sich, daher sind kleine Abweichungen als Rauschen zu betrachten.
| Wer führt | Benchmark | Argon | Astra | Fable 5.1 | Opus 5.5 |
|---|---|---|---|---|---|
| Argon: Wissensarbeit | Vals Index | 68.9% | 63.1% | 65.8% | 67.0% |
| Argon: Wissensarbeit | AutomationBench | 51.3% | 41.4% | 31.4% | 42.5% |
| Argon: Wissensarbeit | Harvey’s Legal Agent Benchmark | 19.6% | 5.4% | 6.7% | 3.8% |
| Argon: Codierung | DeepSWE v1.1 | 77.9% | 74.1% | 67.4% | 74.2% |
| Argon: Langer Kontext | GraphWalks 256K bis 1 Mio. (F1) | 84.2% | 71.8% | 65.0% | 66.8% |
| Argon: Multimodal | LVBench | 91.7% | 87.5% | 79.7% | 83.7% |
| Argon: Multimodal | Chartography | 71.6% | 71.0% | 46.2% | 66.3% |
| Astra | FrontierSWE v2 | 55.0% | 65.5% | 56.3% | 62.3% |
| Astra | Terminal-Bench Science 0.1 | 57.6% | 68.1% | 52.6% | 63.3% |
| Astra | OSWorld-2.0 (offline, teilweise) | 69.2% | 72.6% | nicht gemeldet | nicht gemeldet |
| Opus 5.5 | Terminal-bench 4.0 | 57.4% | 58.2% | 57.9% | 66.4% |
| Opus 5.5 | PostTrainBench | 45.3% | 44.3% | 40.2% | 49.3% |
| Gleichstand | CWE-bench v1 | 68.0% | 68.0% | 58.0% | 67.0% |
Argons weitere klare Siege sind Vals Finance Agent v2, Vibe Code Bench, LABBench 2, RiemannBench, GraphWalks bis 128K und Agent’s Last Exam. Fable 5.1 führt keine Zeile an. Auf CWE-bench v1 zeigt DeepMinds Cyber-Bestenliste einen dreifachen Gleichstand bei 68% zwischen Argon, Astra und Grok 4.7, mit Opus 5.5 bei 67%.
Im Vergleich Gemini 4 Argon vs Fable 5.1 schneidet Argon in 15 der 17 Zeilen, in denen beide eine Zahl melden, besser ab; Fable übertrifft es nur bei FrontierSWE v2 (56.3% vs 55.0%) und Terminal-bench 4.0 (57.9% vs 57.4%). Anthropics eigene Zahlen finden Sie in unserem Beitrag Claude Fable 5.1 Benchmarks, und die vollständige 19-Zeilen-Tabelle ist in Gemini 4 Argon Benchmarks zu finden.
Drei Vorbehalte, bevor Sie den Unterschieden vertrauen
Konkurrentenzahlen sind keine Google-Messungen. Googles Methodik besagt, dass Ergebnisse für Nicht-Gemini-Modelle „aus den selbst gemeldeten Zahlen der Anbieter stammen, sofern nicht anders angegeben“, und mehrere Zeilen stammen aus öffentlichen Bestenlisten, die von Vals AI, Proximal und Surge betrieben werden.
Testumgebungen unterscheiden sich. Bei DeepSWE v1.1 berechnete Google Argons 77.9% selbst mit einer Mini-SWE-Agent-Testumgebung, während Astras Ergebnis von der öffentlichen Bestenliste stammt und die Anthropic-Ergebnisse von Systemkarten. Bei LVBench sampelte Gemini Videos mit 1 Frame pro Sekunde, während Astra 800 Frames, Opus 5.5 600 und Fable 5.1 300 erhielt, „aufgrund von API-Einschränkungen“.
Dasselbe Modell erzielt in verschiedenen Diagrammen unterschiedliche Ergebnisse. Die Terminal-Bench 4.0-Zahl von Opus 5.5 unterscheidet sich je nach Testumgebung und Aufwandseinstellung; Anthropic berichtet von 66.4% bei xhigh effort. Mischen Sie daher niemals Quellen in einer Tabelle.
Was Drittanbieter-Evaluatoren sagen
Unabhängige Bestenlisten verringern den Unterschied. Artificial Analysis listet Argon auf Platz 8 von 223, aber diese Liste zählt jede Begründungseinstellung separat. Nach einzelnen Modellen betrachtet, liegt Argon (53) gleichauf mit GPT-6 Astra und Claude Fable 5.1 und hinter Claude Opus 5.5 (58 bei max) und Claude Sonnet 5.5 (56). AA listet auch Argons Halluzinationsrate auf AA-Omniscience bei 15%, gegenüber 51% für Astra bei maximaler Einstellung.
Auf Arena belegt Argon den ersten Platz im Bereich Text mit 1525 Punkten, als vorläufig markiert bei 4.942 Stimmen, wobei Opus 5.5 den vierten Platz einnimmt. Vals AI listet es als erstes von 41 Modellen im Vals Index, das erste Gemini-Modell, das diesen anführt.
Nicht jeder bei Google ist überzeugt: Bloomberg berichtete, dass einige Mitarbeiter mit Zugang sagen, Argon sei bei bestimmten Codierungs- und Frontend-Designarbeiten im Vergleich zu seinen Benchmarks enttäuschend, eine Charakterisierung, die Google als unzutreffend bezeichnete.
Welches Modell zu verwenden ist
Es gibt kein einziges bestes Vorreiter-Modell im Jahr 2026. Routen Sie nach Aufgabe und behalten Sie die Argon-Spalte für den Tag, an dem es ausgeliefert wird:
| Aufgabe | Heute verwenden | Wenn Argon verfügbar ist |
|---|---|---|
| Agenten für Recht, Finanzen und Büroautomation | Opus 5.5 (67.0% Vals Index) | Argon testen: Es führt alle vier Wissensarbeits-Zeilen an |
| Terminal-intensive Codierungsagenten | Opus 5.5 (66.4% Terminal-bench 4.0) | Opus 5.5 führt weiterhin |
| Agentische Softwareentwicklung | Astra (65.5% FrontierSWE v2) oder Opus 5.5 | Argon führt bei DeepSWE, liegt aber bei FrontierSWE zurück; beide testen |
| Computerbenutzungs- und GUI-Agenten | Astra (72.6% OSWorld-2.0) | Astra führt bei OSWorld; Argon führt bei Agent’s Last Exam |
| Schlussfolgerung über 256K+ Token-Prompts | Opus 5.5 (kein Aufschlag) oder Astra (Aufschlag über 272K) | Argon (84.2% GraphWalks 256K bis 1 Mio.) |
| Video- und Diagrammverständnis | Astra (87.5% LVBench) | Argon (91.7%), mit dem Vorbehalt der Bildanzahl |
| Wissenschaft und ML-Engineering | Astra (Terminal-Bench Science), Opus 5.5 (PostTrainBench) | Argon führt bei LABBench 2 und RiemannBench; testen Sie es |
| Einzelantworten über 128K Token | Opus 5.5 im Batch (300K, Beta) | Argon, bis zu Googles angegebenen 1 Mio. |
| Umfangreiche, kostensensible Arbeit | Opus 5.5 ($4/$20) | Argon für $2/$10, solange die Einführung läuft |
Wenn der Preis wichtiger ist als Spitzenwerte, deckt unser Vergleich GPT-6 Sol vs Claude Opus 5.5 die günstigere Sol-Linie von OpenAI gegen Opus ab.
Vergleichen Sie alle drei mit Ihren eigenen Prompts
Anbietertabellen können Ihnen nicht sagen, wie jedes Modell Ihre Prompts verarbeitet. Eine kleine Evaluierung in Apidog kann dies, und Sie können sie heute erstellen.
- Erstellen Sie ein Projekt mit drei Anfragen: GPT-6 Astra, Claude Opus 5.5 und eine Gemini-Anfrage, deren Modellfeld
{{GEMINI_MODEL}}lautet und aufgemini-3.8-flasheingestellt ist, bis Google Argons ID veröffentlicht. Unser API-Leitfaden für GPT-6 Astra und Was ist Claude Opus 5.5 behandeln das Anforderungsformat jedes Anbieters. - Speichern Sie den API-Schlüssel jedes Anbieters als Umgebungsvariable und legen Sie den Prompt in eine gemeinsame Variable, damit alle drei Anfragen dieselbe Eingabe erhalten.
- Fügen Sie Assertions hinzu: Status 200, eine nicht leere Antwort, Ausgabetoken unter einer Obergrenze und berechnete Kosten unter Ihrem Budget zu den veröffentlichten Raten jedes Anbieters.
- Führen Sie die drei als ein Testszenario aus und vergleichen Sie die Ergebnisse jeder Anfrage im Testbericht.
Die Kostenassertion ist einfache Arithmetik. Für eine Anfrage mit 20.000 Eingabe- und 4.000 Ausgabetoken kostet Astra 20.000 x $10/1M + 4.000 x $50/1M = $0.20 + $0.20 = $0.40. Opus 5.5 kostet $0.08 + $0.08 = $0.16. Argon würde bei Einführungstarifen $0.08 und bei Standardtarifen $0.16 kosten. Der Preis pro Token ist jedoch nicht gleich den Kosten pro Aufgabe: Artificial Analysis maß Argon bei etwa 62K Ausgabetoken pro Aufgabe gegenüber etwa 27K für Astra bei maximalem Aufwand, messen Sie also die Ausgabetoken bei Ihren eigenen Prompts.
Wenn Argon ausgeliefert wird, ändern Sie GEMINI_MODEL, führen Sie das Szenario erneut aus, und Sie erhalten einen Vergleich mit denselben Prompts gegenüber den beiden Modellen, die Sie jetzt kaufen können.
FAQ
Ist Gemini 4 Argon besser als GPT-6 Astra? Sie liegen bei Artificial Analysis mit 53 Punkten gleichauf. In Googles Tabelle erzielt Argon in den meisten Zeilen höhere Werte, aber Astra gewinnt FrontierSWE v2, Terminal-Bench Science 0.1 und OSWorld-2.0, und Astra ist das, was Sie heute aufrufen können.
Gemini 4 Argon vs Claude Opus 5.5: Welches ist besser? Googles Tabelle bevorzugt Argon in den meisten Zeilen; Opus 5.5 gewinnt Terminal-bench 4.0 und PostTrainBench und führt Artificial Analysis 58 zu 53 an. Zu Standardpreisen kosten sie dasselbe.
Ist Gemini 4 Argon günstiger als Claude Opus 5.5? Während der Einführungsphase ist es halb so teuer ($2/$10 vs $4/$20). Danach sind die Listenpreise identisch, und Google hat nicht mitgeteilt, wann die Einführungsphase endet.
Welches Modell hat das größte Ausgabelimit? Argon, mit angegebenen 1 Mio. Token, obwohl Vals AI 262K für die von ihr getestete Konfiguration auflistet. Die anderen begrenzen die synchrone Ausgabe auf 128K. Unser Leitfaden für 1 Mio. Ausgabetoken erklärt, was das für Ihren Client bedeutet.
Kann ich Gemini 4 Argon heute verwenden? Nur über Googles Fairwind-Programm, für eine Reihe geprüfter Cyber-Verteidigungspartner. Bezahlekunden der API und Google AI Ultra-Abonnenten folgen als Nächstes, jedoch ohne Datum.
Nach Arbeitslast auswählen, dann testen
Argon zeigt sich am stärksten bei Wissensarbeit, langem Kontext und multimodalen Zeilen; Astra bei FrontierSWE, Terminal-Bench Science und OSWorld; Opus 5.5 bei Terminalarbeit und ML-Engineering, zu dem Preis, den Argon nach seiner Einführung berechnen wird. Bauen Sie auf den beiden Modellen auf, die Sie jetzt kaufen können, halten Sie das Gemini-Modell in einer Variablen und führen Sie Ihr Szenario erneut aus, sobald Argon verfügbar ist. Um den Drei-Anfrage-Vergleich in einem Projekt einzurichten, laden Sie Apidog herunter.