TL;DR: Gemini 4 Argon adalah kandidat pertama untuk otomatisasi yang sensitif terhadap biaya dan alur kerja audio/video native; GPT-6 Astra layak diuji untuk perbaikan repositori yang sulit dan pekerjaan terminal ilmiah. Hasil yang dipublikasikan bervariasi menurut tugas. Pilih berdasarkan kualitas yang lulus uji penerimaan, latensi end-to-end, dan biaya per tugas yang berhasil.
Poin Penting
- Skor kecerdasan agregat yang sama dapat menyamarkan perbedaan besar di tingkat tugas.
- DeepSWE dan FrontierSWE memfavoritkan model yang berbeda; pilih kandidat pengodean berdasarkan tugas repositori.
- Argon menawarkan input media native yang lebih luas; kapasitas konteks saja tidak menetapkan keandalan retrieval.
- Harga perkenalan Argon memiliki tanggal akhir, sementara harga Astra berubah di atas 272K token input.
- Bandingkan total biaya per tugas yang diterima, termasuk penalaran, alat, percobaan ulang, dan cache.
Argon adalah kandidat untuk otomatisasi proses dan alur kerja audio/video native. Astra adalah kandidat untuk perbaikan repositori yang sulit dan alur kerja terminal ilmiah.
Harga promosi Argon berakhir pada 30 November 2026; Astra menerapkan tarif lebih tinggi untuk permintaan di atas 272K token input.
Gemini 4 Argon vs GPT-6 Astra: Ikhtisar dan Spesifikasi
Gemini 4 Argon menggabungkan input multimodal native dengan pemanggilan fungsi, eksekusi kode, grounding, dan pratinjau penggunaan komputer. Input dan keluarannya berbagi satu anggaran konteks; batas tepatnya tercantum di tabel spesifikasi.
GPT-6 Astra memasangkan penalaran yang dapat dikonfigurasi dengan alur kerja berbasis alat. Bedakan input teks/gambar native-nya dari kapabilitas yang disediakan oleh alat API; tabel spesifikasi mencantumkan antarmuka yang didukung.
| Spesifikasi | Gemini 4 Argon | GPT-6 Astra |
|---|---|---|
| Developer | Google DeepMind | OpenAI |
| Model identifier | gemini-4-argon | gpt-6-astra |
| Context window | 1,048,576 unified input/output tokens | 1,050,000 tokens |
| Output limit | 65,536 synchronous by default; long decode up to shared budget | 128,000 tokens |
| Native input | Text, image, video, audio, PDF | Text and image |
| Output | Text | Text |
| Reasoning controls | Low, medium, high | Low, medium, high, xhigh, max |
| Tool integration | Function calling, code execution, file search, grounding | Function calling, structured outputs and Responses API tools |
| Computer use | Preview | Supported through documented tooling |
| Caching | Implicit only; no explicit caching | Cache reads and writes have separate pricing |
Gemini 4 Argon vs GPT-6 Astra: Kinerja
Bukti tolok ukur yang dipublikasikan penyedia
Kartu model Google DeepMind menyediakan 19 baris tolok ukur berdampingan. Ini adalah kompilasi yang diterbitkan penyedia yang berisi campuran evaluasi yang dijalankan Google, papan peringkat publik, dan hasil yang dilaporkan penyedia lain. Ini bukan satu eksperimen yang direplikasi secara independen dengan kondisi identik.
| Benchmark | Argon | Astra | Peringkat teratas |
|---|---|---|---|
| Vals Index | 68.9% | 63.1% | Argon |
| AutomationBench | 51.3% | 41.4% | Argon |
| DeepSWE v1.1 | 77.9% | 74.1% | Argon |
| FrontierSWE v2 | 55% | 65.5% | Astra |
| Terminal-Bench Science 0.1 | 57.6% | 68.1% | Astra |
| GraphWalks ≤128K, BFS (F1) | 99.7% | 98.7% | Argon |
| GraphWalks 256K–1M, BFS (F1) | 84.2% | 71.8% | Argon |
| OSWorld-2.0 offline, partial score | 69.2% | 72.6% | Astra |
| LVBench | 91.7% | 87.5% | Argon |
Kartu model tersebut melaporkan hasil tambahan untuk evaluasi finansial, legal, sains, konteks panjang, penggunaan komputer, dan multimodal. Lihat kartu model tertaut untuk daftar tolok ukur lengkap.
Metodologi evaluasi menggunakan setelan Gemini API dengan tingkatan penalaran tertinggi secara default, dengan pengecualian. Skor pesaing umumnya menggunakan penalaran maksimum yang dilaporkan atau hasil terbaik yang tersedia. DeepSWE menggunakan mini-swe harness untuk Argon; PostTrainBench v1.1 menggunakan OpenCode dengan anggaran H100 selama 10 jam. GraphWalks menggunakan 650 item konteks pendek dan 200 konteks panjang. OSWorld melaporkan skor parsial offline, dengan Argon dipilih dari tiga kali run. LVBench menggunakan video 1 FPS untuk Argon versus 800 frame untuk Astra. Perbedaan ini membatasi perbandingan kausal langsung.
Di seluruh 19 baris sumber, Argon unggul pada 14, Astra unggul pada empat, dan satu seri. Dalam sembilan baris tabel yang dipertahankan, Argon unggul enam dan Astra tiga. Tidak satu pun hitungan tersebut merupakan ukuran berbobot dari kualitas model secara keseluruhan.
Evaluasi independen
Artificial Analysis memberikan kedua model skor Intelligence Index 53. Hasil tingkat tugas terpilih di bawah ini menunjukkan di mana kinerja mereka berbeda.
| Metrik Artificial Analysis | Argon High | Astra Max |
|---|---|---|
| AutomationBench-AA | 78% | 68% |
| Terminal-Bench 4.0 | 57% | 59% |
| SciCode | 62% | 56% |
| GDP.pdf | 22% | 31% |
| AA-LCR v1.1 | 80% | 81% |
Implikasi pemilihan: Skor komposit yang sama menyamarkan perbedaan yang penting dalam penerapan. Misalnya, hasil independen GDP.pdf memfavoritkan Astra, sementara AutomationBench-AA memfavoritkan Argon. Hasil agen keuangan tidak boleh digeneralisasi ke setiap tugas analisis dokumen.
Pemrograman dan rekayasa repositori
Hasil pemrograman bergantung pada desain tugas, kerangka agen, dan setelan penalaran. Validasi kebenaran patch dan regresi pada repositori Anda sendiri sebelum mengadopsi salah satu model.
Otomatisasi perusahaan dan pekerjaan dokumen
Otomatisasi agen keuangan dan analisis PDF adalah beban kerja yang berbeda. Untuk dokumen bisnis, nilai akurasi kolom, bukti sumber, otorisasi alat, dan kebutuhan intervensi manusia secara terpisah.
Penalaran konteks panjang
Keunggulan Argon pada GraphWalks mendukung pengujian beban kerja penelusuran graf; ini tidak menetapkan recall yang andal di seluruh dokumen jutaan token yang sewenang-wenang.
Untuk uji coba dokumen panjang, variasikan posisi bukti, volume pengalih, dan dependensi lintas dokumen. Jaga agar input Argon dan keluaran yang diharapkan tetap dalam anggaran token bersama; terapkan tingkat harga konteks panjang Astra bila relevan.
Pemahaman multimodal dan penggunaan komputer
Input audio/video native Argon dapat menyederhanakan pemasukan media. Keunggulan OSWorld yang dilaporkan Astra menyangkut subset offline; ini tidak menjamin penyelesaian tugas desktop secara umum.
LVBench menggunakan pengambilan sampel video yang berbeda untuk kedua model. Perhatikan keterbatasan tersebut saat menerjemahkan skornya menjadi keputusan alur kerja media.
Gemini 4 Argon vs GPT-6 Astra: Biaya
Harga token dari penyedia
Harga API standar untuk Gemini 4 Argon dan GPT-6 Astra ditunjukkan di bawah ini dalam USD per satu juta token. Gemini 4 Argon menawarkan harga promosi hingga 30 November 2026, dengan tarif standar berlaku mulai 1 Desember. Biaya tambahan mungkin berlaku untuk alat dan layanan lainnya.
| USD / 1M tokens | Argon promo | Argon Dec 1+ | Astra short context |
|---|---|---|---|
| Input | $2.00 | $4.00 | $10.00 |
| Output incl. thinking | $10.00 | $20.00 | $50.00 |
| Cached input | $0.10 | $0.20 | $1.00 |
Untuk Astra, harga konteks pendek berlaku hingga 272K token input. Di atas ambang tersebut, seluruh permintaan menggunakan tarif input/cache 2× dan tarif output 1.5×: $20 input dan $75 output per satu juta token. Penulisan cache dikenai biaya terpisah. Harga Batch, Flex, dan Fast berada di luar perbandingan tarif standar ini.
Biaya untuk beban token yang sama
Untuk 100K token input tanpa cache dan 20K token output yang ditagihkan, biaya token model adalah $0.40 untuk Argon pada tarif promosi, $0.80 setelah promosi, dan $2.00 untuk Astra pada tarif standar konteks pendek.
Biaya per tugas yang berhasil
Artificial Analysis melaporkan biaya tugas Intelligence Index rata-rata berbobot sebesar $1.99 untuk Argon High dan $3.26 untuk Astra Max. Metrik ini bukan biaya untuk tugas produksi sewenang-wenang. Jika konsumsi token dan campuran cache tetap, dan semua tarif token Argon yang berlaku menjadi dua kali lipat, estimasi aritmetika yang sesuai adalah $3.98; ini bukan evaluasi ulang.
Biaya per tugas yang berhasil = total biaya alur kerja yang ditagihkan / tugas yang lulus penerimaan. Sertakan input, penalaran/keluaran, baca dan tulis cache, alat, kegagalan yang ditagihkan, percobaan ulang, dan panggilan fallback. Laporkan tingkat kegagalan dan fallback bersama biaya, dan lacak waktu tinjauan manusia secara terpisah.
Penagihan CometAPI dan ketersediaan rute
| Tarif token CometAPI (USD / 1M) | Gemini 4 Argon | GPT-6 Astra |
|---|---|---|
| Input (rute yang berlaku) | $1.60 | $8.00 |
| Output (rute yang berlaku) | $8.00 | $40.00 |
| Diskon vs tarif dasar yang cocok | 20% | 20% |
| Harga konteks panjang | Konfirmasikan ketentuan rute saat ini | Di atas 272K input: $16 input / $60 output |
Tarif CometAPI ini adalah nilai tabel harga rute pada halaman model yang diperiksa pada 14 Oktober 2026. Halaman Astra memuat nilai yang bertentangan di komponen tampilan lain, jadi verifikasi penagihan live rute yang dipilih sebelum pembelian. Perbandingan 20% merujuk pada tier penyedia yang cocok, bukan semua layanan atau harga di masa depan.
Gemini 4 Argon vs GPT-6 Astra: Perbandingan dan Pemilihan
Pemilihan berbasis beban kerja
| Alur kerja | Model yang dievaluasi terlebih dahulu | Pemeriksaan penerimaan |
|---|---|---|
| Otomatisasi proses volume tinggi | Argon | Alur kerja selesai, kebenaran alat, dan biaya percobaan ulang |
| Dokumen finansial atau bisnis | Uji keduanya | Bedakan alur kerja agen dari analisis PDF; validasi kolom dan bukti sumber |
| Perbaikan repositori yang sulit | Astra | Patch lulus pengujian tanpa regresi baru |
| Alur kerja terminal ilmiah | Astra | Skrip yang dapat direproduksi dan keluaran tugas yang valid |
| Analisis relasi dokumen panjang | Argon | Retrieval bukti dan konsistensi lintas dokumen |
| Alur kerja audio/video native | Argon | Persiapan media, akurasi timestamp, dan keberhasilan tugas |
| Otomatisasi desktop | Astra sebagai kandidat | Penyelesaian antarmuka aktual dan perilaku pemulihan |
| Lalu lintas produksi campuran | Rute berdasarkan tugas yang lulus uji penerimaan | Kualitas, latensi, dan biaya di bawah kebijakan yang sama |
Perlakukan tabel ini sebagai daftar pendek pilot. Gunakan urutan evaluasi di bawah ini untuk memilih rute dengan kriteria penerimaan yang sama.
Urutan evaluasi yang praktis
- Sisihkan tugas-tugas representatif dan satu set holdout sebelum menyesuaikan prompt. Definisikan kriteria lulus/gagal untuk setiap alur kerja.
- Tetapkan input, alat yang diizinkan, batas keluaran, konkurensi, kebijakan percobaan ulang, dan rute gateway. Catat pengenal model dan setelan penalaran spesifik penyedia. Jalankan uji pada setelan yang didokumentasikan dan uji dengan latensi setara atau pengeluaran setara secara terpisah; High dan Max bukan anggaran komputasi yang ekuivalen.
- Ulangi uji. Catat waktu hingga jawaban berguna pertama, latensi penyelesaian median dan persentil ke-95, serta jumlah tugas yang diterima per menit pada konkurensi yang dituju. Catat timeout, percobaan ulang, panggilan fallback, kegagalan alat, waktu pemulihan, dan koreksi manusia. Hasil yang dipublikasikan saat ini tidak menetapkan pemenang latensi end-to-end yang terpadankan.
- Pisahkan run cache dingin dan cache hangat, dan ukur hit cache untuk setiap rute; jangan berasumsi cache berpindah antar model atau penyedia. Hitung biaya per tugas yang berhasil menggunakan definisi biaya di atas.
- Pilih rute berbiaya terendah yang memenuhi ambang kualitas dan latensi. Tingkatkan hanya ketika kenaikan tugas yang diterima membenarkan waktu dan pengeluaran ekstra. Terapkan bertahap, pertahankan fallback, pantau drift, dan uji ulang set holdout ketika alias model, harga, rute, atau alat berubah.
Di Mana Anda Dapat Mengakses Gemini 4 Argon dan GPT-6 Astra?
Akses langsung dari penyedia
Gunakan dokumentasi Gemini API untuk akses Argon dan OpenAI API untuk Astra, mengikuti dokumentasi model yang ditautkan di tabel spesifikasi. Periksa kelayakan akun, batas laju, pengenal model, dan persyaratan alat sebelum menjalankan pilot produksi. Akses penyedia dan akses rute gateway harus diverifikasi secara terpisah.
Akses CometAPI
Pengembang dapat mengakses Gemini 4 Argon API di CometAPI dan GPT-6 Astra API di CometAPI. Antarmuka klien bersama menyederhanakan perutean permintaan, tetapi tidak membuat setelan penalaran, dukungan alat, cache, atau penagihan menjadi identik. Konfirmasikan kapabilitas rute sebelum penerapan.
Kesimpulan
Gemini 4 Argon adalah kandidat pertama yang praktis untuk otomatisasi berbiaya lebih rendah, penalaran gaya graf ber-konteks panjang, dan alur kerja yang memerlukan input audio atau video native. GPT-6 Astra layak dimasukkan dalam pilot untuk perbaikan repositori yang sulit dan tugas terminal ilmiah. Bukti yang dipublikasikan mendukung daftar pendek spesifik tugas, bukan pemenang universal. Pilih kombinasi model atau rute yang melampaui ambang penerimaan Anda dengan total biaya alur kerja terbaik.
FAQ
Bisakah Gemini 4 Argon dan GPT-6 Astra berbagi cache prompt?
Jangan berasumsi entri cache berpindah antar model atau penyedia. Pertahankan konten prompt yang setara untuk pengujian kualitas, tetapi ukur hit cache secara terpisah untuk setiap rute. Bandingkan run cache dingin dan cache hangat, dan sertakan biaya penulisan cache dalam perhitungan biaya.
Bagaimana tim dapat membandingkan anggaran penalaran Argon dan Astra secara adil?
High dan Max adalah setelan spesifik penyedia, bukan anggaran komputasi yang ekuivalen. Jalankan satu perbandingan pada setelan yang didokumentasikan dan satu lagi di bawah batas latensi atau pengeluaran yang sama. Catat penggunaan token, timeout, percobaan ulang, dan keberhasilan tugas; laporkan kedua perbandingan secara terpisah.
Bagaimana permintaan Argon atau Astra yang gagal memengaruhi biaya tugas?
Hitung upaya gagal yang ditagihkan, percobaan ulang, panggilan alat, dan permintaan model fallback dalam total pengeluaran alur kerja. Bagi total tersebut dengan jumlah tugas yang memenuhi uji penerimaan yang telah ditentukan. Permintaan yang mengembalikan teks tidak otomatis menjadi tugas yang berhasil; laporkan tingkat kegagalan dan fallback bersama biayanya.
Bagaimana tim mencegah regresi perutean Argon dan Astra?
Pertahankan set holdout yang representatif dengan kriteria penerimaan tetap dan catat pengenal model, rute, tanggal evaluasi, dan konfigurasi. Ulangi pemeriksaan ketika alias model, harga, atau implementasi alat berubah. Arahkan sebagian kecil lalu lintas terlebih dahulu dan pertahankan fallback ketika kualitas atau latensi bergerak di luar rentang yang diterima.