‏Gemini 4 Argon در مقابل GPT 6.1 و Claude Opus 5.5

گوگل Gemini 4 Argon رو منتشر کرده؛ یه مدل frontier (یعنی از رده‌ی قوی‌ترین مدل‌های روز) که برای کارهای طولانی و چندمرحله‌ای ساخته شده، نه جواب‌های سریع چت. این مقاله نتایجش رو کنار GPT 6.1، Claude Opus 5.5 و Muse Wonder متا گذاشته و نتیجه‌ش اینه که Argon تو کدنویسی خیلی قویه ولی همه‌جا اول نیست.

تو کدنویسی، Argon تو بنچمارک Deep Sweep (یعنی سنجش توانایی مدل تو کدنویسی عامل‌محور واقعی) نمره‌ی 77.9٪ گرفته. بسته به اینکه کدوم مدل‌ها تو مقایسه باشن، یا کمی بالاتر از Muse Wonder با 79٪ می‌شینه یا کمی پایین‌تر. تو Vibe Code Bench هم با 91.9٪ بالاترین نمره رو داره، یعنی از یه درخواست کلی و مبهم خوب کد کارا درمیاره.

ولی Terminal Bench (یعنی سنجش نوشتن و اجرای واقعی دستورهای ترمینال) داستان دیگه‌ای داره. اینجا Argon 57٪ گرفته و Opus 5.5 با 66.4٪ حدود نُه امتیاز جلوئه. یعنی اگه کارت بیشتر اتوماسیون خط فرمانه، Opus فعلاً مطمئن‌تره. تو ساخت صحنه‌های سه‌بعدی و بازی با Three.js یا Unreal Engine هم خروجیش قابل‌اجراست ولی از نظر ظاهر از Opus 5.5 و GPT 6 Astra ضعیف‌تره. البته از Muse Wonder بهتره.

تو کارهای عامل‌محور، Argon تو OS World (کنترل محیط کامپیوتر) 69٪ گرفته، نزدیک به 71.4٪ GPT 6.1 Soul. تو Agents Last Exam هم با 39 در برابر 38 یه کم از Opus 5.5 جلوئه. تو Vals Index (کارهای مالی، حقوقی و مالیاتی) و Automation Bench هم رکورد زده. بنچمارک پردازش سند Box هم یه جهش 14 امتیازی، از 71٪ به 85٪، نسبت به Gemini 3.1 Pro نشون می‌ده.

تو شاخص ترکیبی Artificial Analysis نمره‌ش حدود 53 هست؛ هم‌رده‌ی Fable 5.1 ولی پشت Opus 5.5، Sonnet 5.5 و Muse Wonder. قیمت API فعلاً 2 دلار برای هر میلیون توکن ورودی و 10 دلار برای خروجیه، یعنی حدود نصف Opus 5.5. از دسامبر این عدد به 4 و 20 دلار می‌رسه. سقف خروجی یک میلیون توکنی (حدود 750 هزار کلمه) هم چیزیه که رقیب‌ها ندارن و برای تولید سندهای خیلی بلند یا کدبیس‌های بزرگ تو یه مرحله به‌درد می‌خوره.

نکات کلیدی:

• Deep Sweep: نمره‌ی 77.9٪، کنار Muse Wonder با 79٪
• Vibe Code Bench: نمره‌ی 91.9٪، بالاترین بین مدل‌های مقایسه‌شده
• Terminal Bench: نمره‌ی 57٪ در برابر 66.4٪ Opus 5.5
• شاخص Artificial Analysis حدود 53، هم‌رده‌ی Fable 5.1
• قیمت اولیه 2 و 10 دلار برای هر میلیون توکن، از دسامبر 4 و 20 دلار
• سقف خروجی حدود یک میلیون توکن در یه پاسخ
• برای مشترک‌های Google AI Pro و Ultra در دسترسه و Antigravity فقط با Ultra