Gemini 4 Argon vs GPT-6 Astra vs Claude Opus 5.5: benchmarki i ceny

👁 156 przeczytań

Gemini 4 Argon wygrywa z GPT-6 Astra i Claude Opus 5.5 w 13 z 19 testów opublikowanych przez Google, a w cenie startowej kosztuje jedną piątą stawek Astry. Przegrywa za to w dwóch z czterech testów programistycznych i jako jedyny z trójki nie jest dziś dostępny. Zestawiłem wyłącznie dane opublikowane przez producentów i policzyłem koszt trzech typowych zadań.

Trzy modele w jednej tabeli

Ceny Astry i Opusa to stawki standardowe z cenników producentów, bez podatku. Ceny Argona pochodzą z ogłoszenia Google. W oficjalnym cenniku Gemini API modelu jeszcze nie ma. Szczegóły każdego modelu opisuję osobno: Gemini 4 Argon, GPT-6 Astra i Claude Opus 5.5.

// taniej niż u producentaw magazynie

Google AI Gemini Pro + Google Drive 5 TB - 18 miesięcyVoucher, którym włączasz Google AI Pro na 18 miesięcy na własnym koncie Google.kinetyka.pl - mój sklep z rocznymi dostępami do narzędzi AI

170 zł-91%zamiast 1 800 zł9,44 zł / mies.Kup w Kinetyce →

Benchmarki: kto wygrywa w czym

Poniżej pełna tabela z dokumentu metodologicznego Google DeepMind. Wyniki Argona Google policzył sam przy najwyższym ustawieniu myślenia, wyniki Astry i Opusa pochodzą z publicznych rankingów albo z kart modeli producentów. Pogrubiam najlepszy wynik w trójce.

Praca biurowa

Tu Argon ma najwyraźniejszą przewagę. W teście prawniczym Harvey ma pięciokrotnie wyższy wynik niż Opus 5.5, choć wszystkie trzy modele są daleko od połowy skali.

Programowanie i inżynieria ML

Remis w praktyce. Argon wygrywa w DeepSWE i Vibe Code Bench, ale w FrontierSWE v2 traci do Astry 10,5 punktu, a w Terminal-Bench 4.0 do Opusa 9 punktów. Do tego Bloomberg, cytowany przez Techmeme, podał, że według części pracowników Google model radzi sobie gorzej w realnych zadaniach programistycznych niż w benchmarkach. Google się z tym nie zgadza. Do pracy z terminalem i agentami programistycznymi Opus 5.5 ma dziś najmocniejsze liczby w tej trójce.

Nauka i matematyka

Długi kontekst, obsługa komputera, multimodalność

Przy OSWorld-2.0 Google zaznacza, że Anthropic podaje tylko wynik łączny dla dwóch części testu, więc Opusa w tym wierszu nie ma. Wyniki GraphWalks Google policzył sam dla wszystkich modeli.

Cyberbezpieczeństwo

Wynik Gray Swan (odporność na ukryte polecenia w treściach, które czyta model) podaję za VentureBeat, który przytoczył dane z materiałów Google. W CWE-bench Google ogłosił remis z Astrą na pierwszym miejscu.

Bilans

Na 19 wierszy tabeli: Argon prowadzi w 13, remisuje w 1, Astra wygrywa w 3, Opus 5.5 w 2. Zaznaczam dwie rzeczy. Tabelę ułożył Google, więc to on wybrał testy, a zabrakło w niej popularnych SWE-bench, GPQA, Humanity’s Last Exam i ARC-AGI. Poza tym wyniki Argona nie zostały jeszcze sprawdzone niezależnie, bo model nie jest publicznie dostępny.

Ile kosztuje typowe zadanie

Policzyłem koszt samego cennika, bez podatku, opłat za zapis do cache, narzędzi i trybów wsadowych. To obliczenie na stawkach, nie pomiar. Prawdziwy rachunek zależy od tego, ile tokenów myślenia zużyje model, a tego dla Argona nikt jeszcze nie zmierzył.

Zadanie 1: analiza długiego dokumentu

100 tys. tokenów wejścia (umowa albo raport), 5 tys. tokenów odpowiedzi.

Zadanie 2: sesja agenta programistycznego

Łącznie 2 mln tokenów wejścia, z czego 1,6 mln odczytane z cache i 0,4 mln bez cache, oraz 100 tys. tokenów wyjścia. Zakładam, że żadne pojedyncze zapytanie nie przekracza 272 tys. tokenów.

Zadanie 3: bardzo długa odpowiedź

50 tys. tokenów wejścia i 400 tys. tokenów wyjścia, np. duża migracja kodu. Tu liczy się limit: tylko Argon może to zrobić w jednej odpowiedzi. Astra i Opus 5.5 mają po 128 tys. tokenów wyjścia, więc potrzebowałyby co najmniej czterech wywołań, a każde kolejne ponownie wczytuje kontekst.

Wniosek z liczb: w cenie startowej Argon jest najtańszym z trzech flagowców na każdym zadaniu. Po okresie startowym zrównuje się z Opusem 5.5, a Astra zostaje około 2,5 raza droższa od obu. Google nie podał, jak długo potrwa cena startowa.

Który model wybrać dziś

• Praca biurowa, finanse, prawo, długie dokumenty - na liczbach Google Argon, ale dziś go nie dostaniesz. Z dostępnych Opus 5.5 ma wyższe wyniki niż Astra w Vals Index i Finance Agent przy niższej cenie.
• Agenci w terminalu i programowanie - Opus 5.5 (Terminal-Bench 4.0, PostTrainBench), a przy trudnym kodzie z FrontierSWE także Astra.
• Nauka z użyciem terminala i obsługa komputera - Astra (Terminal-Bench Science, OSWorld-2.0).
• Bardzo długie odpowiedzi w jednym przebiegu - tylko Argon ma limit powyżej 128 tys. tokenów.

To wnioski z tabel producentów. Własne porównanie po polsku robię w Laboratorium: Astra i Opus 5.5 są już przetestowane, Argona dopiszę, gdy tylko trafi do API. Wszystkie modele w jednym miejscu znajdziesz na stronie modele AI, a o reszcie rodziny Google piszę w przewodniku po Gemini.

Najczęstsze pytania

Czy Gemini 4 Argon jest lepszy od GPT-6 Astra?

W tabeli Google tak, w 13 z 19 testów, ale Astra wygrywa w FrontierSWE v2, Terminal-Bench Science i OSWorld-2.0. Niezależnych pomiarów jeszcze nie ma.

Czy Gemini 4 Argon jest lepszy od Claude Opus 5.5?

W pracy biurowej, długim kontekście i wideo tak. W Terminal-Bench 4.0 i PostTrainBench wygrywa Opus 5.5.

Który z trzech modeli jest najtańszy?

W cenie startowej Argon: 2 / 10 USD za milion tokenów. Po okresie startowym Argon i Opus 5.5 kosztują tyle samo, 4 / 20 USD. Astra jest najdroższa, 10 / 50 USD.

Czemu w porównaniu nie ma GPT-6.1 Sol?

Google nie zestawił z nim Argona w swojej tabeli, więc nie mam wspólnych, opublikowanych wyników. Sol pojawia się tylko w obliczeniu kosztu, bo ma identyczną cenę jak startowy Argon.