Gemini 4 Argon против GPT-6 Astra: результаты тестов, возможности и цена

Google снова претендует на место среди лидеров рынка ИИ. Компания открыла доступ к Gemini 4 Argon, новой флагманской модели для программирования, сложных рассуждений и автономных агентов. В одном из тестов разработки программного обеспечения она набрала 77,9% против 74,1% у GPT-6 Astra. Но называть Argon безоговорочным победителем рано: в других испытаниях преимущество остаётся за OpenAI.

Модель рассчитана не только на генерацию кода по запросу. Google делает ставку на длительные задачи, где нейросети нужно изучить проект, спланировать изменения, воспользоваться инструментами и проверить результат. Это попытка конкурировать не количеством красивых ответов, а тем, сколько реальной работы ИИ способен выполнить самостоятельно.

Что умеет Gemini 4 Argon

Google позиционирует Argon как модель для сложных рабочих процессов. Среди основных направлений - разработка программного обеспечения, финансовый анализ, юридические задачи, научные исследования и кибербезопасность.

Главная особенность заключается в работе над задачами из нескольких этапов. Модель может анализировать большой объём информации, планировать последовательность действий и использовать инструменты. Для разработчика это означает возможность поручить ИИ не только написать функцию, но и разобраться в существующем коде, внести изменения и проверить их.

Google также развивает интеграцию Argon с собственными инструментами. Модель доступна в Gemini, а для разработки предусмотрена связка с Google Antigravity. В приложении Gemini появилась возможность переключаться от обычного общения к выполнению задач, в том числе с использованием подключённых сервисов.

Gemini 4 Argon против GPT-6 Astra: сравнение тестов

Лучший способ оценить заявления Google - посмотреть не на рекламные формулировки, а на конкретные результаты. В опубликованной таблице модели меняются местами в зависимости от типа работы.

В DeepSWE v1.1 Argon опережает Astra на 3,8 процентного пункта, а в Vibe Code Bench - на 2,3 пункта. Но в FrontierSWE v2 отставание достигает 10,5 пункта. В Terminal-bench 4.0 разница меньше, однако Astra всё равно впереди.

Это не противоречие. Тесты проверяют разные навыки: решение задач в существующем коде, создание приложений, работу в терминале и выполнение инженерных изменений. Модель может отлично справляться с одним сценарием и хуже - с другим.

Есть и ограничение методики. Часть сравнения опубликована Google, а результаты конкурентов могут браться из других оценок и запускаться в отличающихся условиях. Для окончательного вывода нужны независимые проверки на одинаковых задачах.

Код, агенты и большие проекты

Gemini 4 Argon рассчитана на задачи, где недостаточно написать несколько строк кода. Например, разработчику нужно перенести часть проекта на другой язык, найти несовместимости, обновить зависимости и проверить, что после изменений приложение продолжает работать.

В таком процессе важны не только знания языка программирования. Модель должна удерживать контекст, учитывать связи между файлами, пользоваться инструментами и не останавливаться после первой ошибки. Именно такие длительные сценарии Google считает одним из главных преимуществ Argon.

Однако автономность не отменяет проверки человеком. Если агент неверно понял требование или выбрал неподходящий способ исправления, он может последовательно выполнить множество неправильных действий. Для критически важных систем необходимы тесты, контроль изменений и ограничения доступа.

Где ещё пригодится новая модель

Помимо программирования, Google продвигает Argon для анализа финансовых данных, юридических материалов, научных задач и кибербезопасности. В этих сценариях модель должна не просто пересказать документ, а сопоставить источники, разобраться в ограничениях и подготовить структурированный результат.

Google также заявляет об использовании новых возможностей внутри собственных продуктов. При этом заявления о росте производительности и сокращении ошибок в рабочих процессах нельзя автоматически переносить на любой проект. Результат зависит от исходных данных, используемых инструментов и организации работы.

Сколько стоит Gemini 4 Argon

На старте Google установила тариф API в размере $2 за миллион входных токенов и $10 за миллион выходных. С 1 декабря 2026 года заявлено повышение до $4 и $20 соответственно.

Для разработчиков это заметная разница в стоимости. Но считать расходы нужно по реальному использованию: сложные задачи могут требовать много контекста, повторных запросов и дополнительных действий агента. Низкая цена одного токена ещё не означает, что вся операция обойдётся дешевле конкурентов.

Модель доступна в приложении Gemini подписчикам Google AI Pro и Ultra. Разработчики могут обращаться к ней через API, а пользователи Ultra - использовать её в Google Antigravity. Доступность отдельных функций зависит от продукта и тарифа.

Мнение редакции

Gemini 4 Argon действительно усиливает конкуренцию на рынке ИИ. В отдельных тестах программирования она превосходит GPT-6 Astra, а в задачах с большими объёмами информации и длительными рабочими процессами Google также показывает сильные результаты.

Но фраза «пишет код лучше» без уточнений вводит в заблуждение. Одни тесты отдают преимущество Argon, другие - Astra. Для реального выбора важнее проверить, какая модель точнее справляется с вашим репозиторием, реже ломает существующий код, лучше проходит тесты и укладывается в бюджет.

Победителя здесь нельзя назначить по одному числу. Если Google подтвердит результаты на независимых проверках, у разработчиков появится ещё одна сильная альтернатива. А OpenAI придётся конкурировать не только качеством ответов, но и ценой, инструментами и надёжностью ИИ-агентов.

Источники: Google DeepMind, карточка модели и результаты тестов; официальный анонс доступности Gemini 4 Argon; Reuters.