สรุปสั้น (TL;DR): Gemini 4 Argon เป็นตัวเลือกแรกสำหรับระบบอัตโนมัติที่อ่อนไหวต่อค่าใช้จ่ายและเวิร์กโฟลว์เสียง/วิดีโอแบบเนทีฟ; GPT-6 Astra ควรทดสอบสำหรับงานซ่อมแซมรีโพซิทอรียากและงานเทอร์มินัลเชิงวิทยาศาสตร์ ผลลัพธ์ที่เผยแพร่แตกต่างกันตามงาน เลือกโดยใช้คุณภาพที่ผ่านการทดสอบการยอมรับ ความหน่วงแบบ end-to-end และต้นทุนต่อภารกิจที่สำเร็จ
ประเด็นสำคัญ
- คะแนนสติปัญญารวมที่เท่ากันอาจกลบความแตกต่างในระดับงานที่มีนัยสำคัญ
- DeepSWE และ FrontierSWE ให้ผลดีกับโมเดลต่างกัน; เลือกผู้สมัครด้านการเขียนโค้ดตามงานในรีโพซิทอรี
- Argon รองรับอินพุตสื่อแบบเนทีฟที่กว้างกว่า; ความจุบริบทเพียงอย่างเดียวไม่ยืนยันความเชื่อถือได้ของการเรียกค้น
- ราคาแนะนำของ Argon มีวันสิ้นสุด ในขณะที่ราคาของ Astra เปลี่ยนแปลงเมื่อเกิน 272K โทเคนอินพุต
- เปรียบเทียบต้นทุนรวมต่อภารกิจที่ผ่านการยอมรับ รวมทั้งการให้เหตุผล เครื่องมือ การลองใหม่ และแคช
Argon เป็นตัวเลือกสำหรับระบบอัตโนมัติของกระบวนการและเวิร์กโฟลว์เสียง/วิดีโอแบบเนทีฟ Astra เป็นตัวเลือกสำหรับการซ่อมแซมรีโพซิทอรียากและเวิร์กโฟลว์เทอร์มินัลเชิงวิทยาศาสตร์
ราคาโปรโมชันของ Argon สิ้นสุดวันที่ 30 พฤศจิกายน 2026; Astra ใช้อัตราที่สูงขึ้นสำหรับคำขอที่มีอินพุตเกิน 272K โทเคน
Gemini 4 Argon vs GPT-6 Astra: ภาพรวมและสเปก
Gemini 4 Argon ผสานอินพุตมัลติโหมดแบบเนทีฟเข้ากับการเรียกฟังก์ชัน การรันโค้ด grounding และการใช้คอมพิวเตอร์แบบพรีวิว อินพุตและเอาต์พุตของมันใช้โควต้าบริบทร่วมกัน; ขีดจำกัดที่แน่ชัดดูได้ในตารางสเปก
GPT-6 Astra จับคู่การให้เหตุผลที่ปรับแต่งได้กับเวิร์กโฟลว์ที่ขับเคลื่อนด้วยเครื่องมือ แยกความต่างระหว่างอินพุตข้อความ/ภาพแบบเนทีฟกับความสามารถที่ได้จากเครื่องมือ API; ตารางสเปกระบุอินเทอร์เฟซที่รองรับ
| Specification | 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: ประสิทธิภาพ
หลักฐานเกณฑ์ทดสอบที่ผู้ให้บริการเผยแพร่
การ์ดโมเดลของ Google DeepMind มี 19 แถวการเปรียบเทียบเกณฑ์ทดสอบแบบเคียงข้างกัน นี่คือการรวบรวมที่ผู้ให้บริการเผยแพร่ ซึ่งผสมระหว่างการประเมินที่ Google รันเอง กระดานผู้นำสาธารณะ และผลที่ผู้ให้บริการรายอื่นรายงาน ไม่ใช่การทดลองเดียวที่ทำซ้ำได้โดยมีเงื่อนไขเหมือนกันทุกประการ
| Benchmark | Argon | Astra | Leader |
|---|---|---|---|
| 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 |
การ์ดโมเดลรายงานผลเพิ่มเติมสำหรับด้านการเงิน กฎหมาย วิทยาศาสตร์ บริบทยาว การใช้คอมพิวเตอร์ และการประเมินแบบมัลติโหมด ดูการ์ดโมเดลที่ลิงก์ไว้สำหรับรายการเกณฑ์ทดสอบครบถ้วน
วิธีการประเมิน (evaluation methodology) ใช้การตั้งค่า Gemini API โหมดคิดสูงสุดเป็นค่าเริ่มต้น โดยมีข้อยกเว้น คะแนนของคู่แข่งโดยทั่วไปใช้การให้เหตุผลสูงสุดที่รายงานหรือผลที่ดีที่สุดเท่าที่มี DeepSWE ใช้ mini-swe harness สำหรับ Argon; PostTrainBench v1.1 ใช้ OpenCode พร้อมงบประมาณ H100 10 ชั่วโมง GraphWalks ใช้รายการบริบทสั้น 650 รายการและบริบทยาว 200 รายการ OSWorld รายงานคะแนนออฟไลน์แบบบางส่วน โดยเลือกผลของ Argon จากสามรัน LVBench ใช้อัตรา 1 FPS สำหรับวิดีโอของ Argon เทียบกับ 800 เฟรมสำหรับ Astra ความต่างเหล่านี้จำกัดการเปรียบเทียบเชิงสาเหตุโดยตรง
รวมทั้ง 19 แถวแหล่งที่มา Argon นำ 14 แถว Astra นำสี่แถว และเสมอหนึ่งแถว ในเก้าแถวที่คงไว้ในตาราง Argon นำหกและ Astra นำสาม การนับทั้งสองไม่ใช่มาตรวัดคุณภาพโมเดลโดยรวมที่ถ่วงน้ำหนัก
การประเมินโดยอิสระ
Artificial Analysis ให้ทั้งสองโมเดลมีคะแนน Intelligence Index ที่ 53 ผลระดับงานที่คัดเลือกด้านล่างแสดงจุดที่ประสิทธิภาพแยกจากกัน
| Artificial Analysis metric | 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% |
นัยต่อการคัดเลือก: คะแนนรวมที่เท่ากันปกปิดความต่างที่สำคัญต่อการใช้งานจริง ตัวอย่างเช่นผล GDP.pdf โดยอิสระเข้าข้าง Astra ขณะที่ AutomationBench-AA เข้าข้าง Argon ผลของเอเจนต์การเงินไม่ควรถูกเหมารวมไปยังงานวิเคราะห์เอกสารทุกประเภท
การเขียนโค้ดและวิศวกรรมรีโพซิทอรี
ผลการเขียนโค้ดขึ้นกับการออกแบบงาน โครงเอเจนต์ และการตั้งค่าเหตุผล ตรวจสอบความถูกต้องของแพตช์และการถดถอยบนรีโพซิทอรีของคุณเองก่อนนำโมเดลใดๆ มาใช้
ระบบอัตโนมัติระดับองค์กรและงานเอกสาร
ระบบอัตโนมัติของเอเจนต์การเงินและการวิเคราะห์ PDF เป็นเวิร์กโหลดที่ต่างกัน สำหรับเอกสารธุรกิจ ประเมินความถูกต้องของฟิลด์ หลักฐานแหล่งที่มา การอนุญาตเครื่องมือ และความจำเป็นของการตรวจทานโดยมนุษย์แยกกัน
การให้เหตุผลบริบทยาว
ความเป็นผู้นำของ Argon บน GraphWalks สนับสนุนการทดสอบเวิร์กโหลดการเดินกราฟ แต่ไม่ได้ยืนยันการเรียกคืนที่เชื่อถือได้ในเอกสารระดับล้านโทเคนตามอำเภอใจ
สำหรับการทดสอบนำร่องเอกสารยาว ให้ปรับตำแหน่งพยานหลักฐาน ปริมาณตัวกวน และการพึ่งพาข้ามเอกสาร รักษาอินพุตและเอาต์พุตที่คาดหวังของ Argon ให้อยู่ในโควต้าบริบทที่ใช้ร่วมกัน และใช้โครงราคาบริบทยาวของ Astra เมื่อเกี่ยวข้อง
ความเข้าใจแบบหลายโมดาลและการใช้คอมพิวเตอร์
อินพุตเสียง/วิดีโอแบบเนทีฟของ Argon สามารถทำให้งานรับสื่อเรียบง่ายขึ้น ความเป็นผู้นำของ Astra บน OSWorld ที่รายงานเป็นชุดย่อยออฟไลน์; สิ่งนี้ไม่รับประกันการทำงานเสร็จของงานเดสก์ท็อปโดยทั่วไป
LVBench ใช้การสุ่มตัวอย่างวิดีโอที่ต่างกันระหว่างสองโมเดล โปรดคำนึงถึงข้อจำกัดนี้เมื่อแปลคะแนนไปเป็นการตัดสินใจเวิร์กโฟลว์สื่อ
Gemini 4 Argon vs GPT-6 Astra: ต้นทุน
ราคาโทเคนจากผู้ให้บริการ
ราคา API มาตรฐานสำหรับ Gemini 4 Argon และ GPT-6 Astra แสดงด้านล่างในหน่วย USD ต่อหนึ่งล้านโทเคน Gemini 4 Argon มีราคาโปรโมชันจนถึง 30 พฤศจิกายน 2026 และจะใช้ราคาอัตรามาตรฐานตั้งแต่ 1 ธันวาคม เป็นต้นไป อาจมีค่าบริการเพิ่มเติมสำหรับเครื่องมือและบริการอื่นๆ
| 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 |
สำหรับ Astra ราคาแบบบริบทสั้นใช้กับอินพุตถึง 272K โทเคน เหนือกว่านั้นทั้งคำขอจะใช้อัตราอินพุต/แคช 2× และเอาต์พุต 1.5×: $20 อินพุต และ $75 เอาต์พุตต่อหนึ่งล้านโทเคน การเขียนแคชมีค่าบริการแยกต่างหาก ราคาแบบ Batch, Flex และ Fast อยู่นอกการเปรียบเทียบอัตรามาตรฐานนี้
ต้นทุนสำหรับภาระงานโทเคนเท่ากัน
สำหรับอินพุต 100K โทเคน (ไม่แคช) และเอาต์พุตที่คิดเงิน 20K โทเคน ค่าบริการโทเคนของโมเดลคือ $0.40 สำหรับ Argon ที่อัตราโปรโมชัน $0.80 หลังโปรโมชัน และ $2.00 สำหรับ Astra ที่อัตรามาตรฐานบริบทสั้น
ต้นทุนต่อภารกิจที่สำเร็จ
Artificial Analysis รายงานต้นทุนเฉลี่ยแบบถ่วงน้ำหนักของงาน Intelligence Index ที่ $1.99 สำหรับ Argon High และ $3.26 สำหรับ Astra Max เมตริกนี้ไม่ใช่ต้นทุนของงานผลิตจริงตามอำเภอใจ หากการใช้โทเคนและส่วนผสมของแคชคงที่และอัตราโทเคนที่เกี่ยวข้องของ Argon เพิ่มเป็นสองเท่า การประมาณเชิงคณิตศาสตร์ที่สอดคล้องกันจะเป็น $3.98; นี่ไม่ใช่การประเมินที่รันใหม่
ต้นทุนต่อภารกิจที่สำเร็จ = ต้นทุนเวิร์กโฟลว์ที่คิดเงินทั้งหมด / จำนวนภารกิจที่ผ่านการยอมรับ รวมอินพุต การให้เหตุผล/เอาต์พุต การอ่านและเขียนแคช เครื่องมือ ความล้มเหลวที่คิดเงิน การลองใหม่ และการเรียกใช้โมเดลสำรอง รายงานอัตราความล้มเหลวและการ fallback ควบคู่กับต้นทุน และติดตามเวลารีวิวโดยมนุษย์แยกต่างหาก
การเรียกเก็บเงิน CometAPI และความพร้อมของเส้นทาง
| CometAPI token rates (USD / 1M) | Gemini 4 Argon | GPT-6 Astra |
|---|---|---|
| Input (applicable route) | $1.60 | $8.00 |
| Output (applicable route) | $8.00 | $40.00 |
| Discount versus matched base rates | 20% | 20% |
| Long-context pricing | Confirm current route conditions | Above 272K input: $16 input / $60 output |
อัตรา CometAPI เหล่านี้เป็นค่าจากตารางราคาเส้นทางบนหน้ารายการโมเดล ณ วันที่ 14 ตุลาคม 2026 หน้าของ Astra มีค่าที่ขัดแย้งกันในองค์ประกอบแสดงผลอื่นๆ ดังนั้นโปรดตรวจสอบการเรียกเก็บเงินจริงของเส้นทางที่เลือกก่อนซื้อ ส่วนลด 20% เปรียบเทียบกับระดับผู้ให้บริการที่ตรงกัน ไม่ได้หมายถึงบริการทั้งหมดหรือราคาในอนาคต
Gemini 4 Argon vs GPT-6 Astra: การเปรียบเทียบและการคัดเลือก
การคัดเลือกตามภาระงาน
| Workflow | Model to evaluate first | Acceptance check |
|---|---|---|
| High-volume process automation | Argon | เวิร์กโฟลว์ที่เสร็จสมบูรณ์ ความถูกต้องของเครื่องมือ และต้นทุนการลองใหม่ |
| Financial or business documents | Test both | แยกเวิร์กโฟลว์เอเจนต์ออกจากการวิเคราะห์ PDF; ตรวจสอบฟิลด์และหลักฐานแหล่งที่มา |
| Hard repository repair | Astra | แพตช์ผ่านการทดสอบโดยไม่มีการถดถอยใหม่ |
| Scientific terminal workflows | Astra | สคริปต์ที่ทำซ้ำได้และผลลัพธ์งานที่ถูกต้อง |
| Long-document relationship analysis | Argon | การเรียกคืนพยานหลักฐานและความสอดคล้องข้ามเอกสาร |
| Native audio/video workflows | Argon | การเตรียมสื่อ ความแม่นยำของไทม์สแตมป์ และความสำเร็จของงาน |
| Desktop automation | Astra as a candidate | การทำงานจริงบนอินเทอร์เฟซและพฤติกรรมการกู้คืน |
| Mixed production traffic | Route by acceptance-tested task | คุณภาพ ความหน่วง และต้นทุนภายใต้นโยบายเดียวกัน |
ปฏิบัติตารางนี้เป็นบัญชีรายชื่อสำหรับทดสอบนำร่อง ใช้ลำดับการประเมินด้านล่างเพื่อคัดเลือกเส้นทางภายใต้เกณฑ์การยอมรับเดียวกัน
ลำดับการประเมินเชิงปฏิบัติ
- กันงานตัวแทนและชุด holdout ไว้ก่อนปรับจูนพรอมป์ท กำหนดเกณฑ์ผ่าน/ไม่ผ่านสำหรับแต่ละเวิร์กโฟลว์
- กำหนดอินพุต เครื่องมือที่อนุญาต ขีดจำกัดเอาต์พุต ความขนาน นโยบายการลองใหม่ และเส้นทางเกตเวย์ให้ตายตัว บันทึกตัวระบุโมเดลและการตั้งค่าการให้เหตุผลเฉพาะผู้ให้บริการ รันทดลองแบบการตั้งค่าที่มีเอกสารกำกับ และการทดลองแบบจำกัดความหน่วงเท่ากันหรือใช้จ่ายเท่ากันแยกจากกัน; High และ Max ไม่ใช่งบคอมพิวต์ที่เทียบเท่ากัน
- ทำการทดลองซ้ำ บันทึกเวลาไปยังคำตอบที่มีประโยชน์ครั้งแรก ความหน่วงการเสร็จสิ้นค่ามัธยฐานและเปอร์เซ็นไทล์ที่ 95 และจำนวนงานที่ยอมรับต่อนาทีที่ความขนานที่ต้องการ บันทึกการหมดเวลา การลองใหม่ การเรียกใช้สำรอง ความล้มเหลวของเครื่องมือ เวลาในการกู้คืน และการแก้ไขโดยมนุษย์ ผลที่เผยแพร่ที่มีอยู่ยังไม่ยืนยันผู้ชนะด้านความหน่วงแบบ end-to-end ที่จับคู่กัน
- แยกการรันแบบแคชเย็นและแคชอุ่น และวัดอัตราการโดนแคชสำหรับแต่ละเส้นทาง; อย่าคิดว่าแคชถ่ายโอนกันได้ระหว่างโมเดลหรือผู้ให้บริการ คำนวณต้นทุนต่อภารกิจที่สำเร็จโดยใช้คำนิยามต้นทุนด้านบน
- เลือกเส้นทางที่มีต้นทุนต่ำสุดซึ่งผ่านเกณฑ์คุณภาพและความหน่วง เพิ่มระดับเฉพาะเมื่อผลลัพธ์ที่ผ่านการยอมรับเพิ่มขึ้นคุ้มกับเวลาและค่าใช้จ่ายที่เพิ่ม ค่อยๆ ปรับใช้ รักษาเส้นทางสำรอง เฝ้าระวังการดริฟต์ และทดสอบชุด holdout ใหม่เมื่อ alias โมเดล ราคา เส้นทาง หรือเครื่องมือเปลี่ยน
จะเข้าถึง Gemini 4 Argon และ GPT-6 Astra ได้จากที่ใด?
การเข้าถึงโดยตรงจากผู้ให้บริการ
ใช้ เอกสาร Gemini API เพื่อเข้าถึง Argon และ OpenAI API สำหรับ Astra โดยทำตามเอกสารโมเดลที่ลิงก์ไว้ในตารางสเปก ตรวจสอบสิทธิ์บัญชี ขีดจำกัดอัตรา ตัวระบุโมเดล และความต้องการของเครื่องมือก่อนรันทดสอบผลิตจริง การเข้าถึงจากผู้ให้บริการโดยตรงและการเข้าถึงผ่านเกตเวย์เส้นทางต้องตรวจสอบแยกกัน
การเข้าถึงผ่าน CometAPI
นักพัฒนาสามารถเข้าถึง Gemini 4 Argon API ใน CometAPI และ GPT-6 Astra API ใน CometAPI อินเทอร์เฟซไคลเอ็นต์ร่วมช่วยให้การกำหนดเส้นทางคำของ่ายขึ้น แต่ไม่ได้ทำให้การตั้งค่าเหตุผล การรองรับเครื่องมือ แคช หรือการเรียกเก็บเงินเหมือนกัน ยืนยันความสามารถของเส้นทางก่อนปรับใช้
สรุป
Gemini 4 Argon เป็นตัวเลือกแรกที่ใช้ได้จริงสำหรับระบบอัตโนมัติที่ต้นทุนต่ำกว่า การให้เหตุผลสไตล์กราฟแบบบริบทยาว และเวิร์กโฟลว์ที่ต้องการอินพุตเสียงหรือวิดีโอแบบเนทีฟ GPT-6 Astra เหมาะกับการทดสอบนำร่องสำหรับการซ่อมแซมรีโพซิทอรียากและงานเทอร์มินัลเชิงวิทยาศาสตร์ หลักฐานที่เผยแพร่สนับสนุนบัญชีรายชื่อตามงาน ไม่ใช่ผู้ชนะสากล เลือกโมเดลหรือชุดเส้นทางที่ผ่านเกณฑ์การยอมรับของคุณด้วยต้นทุนเวิร์กโฟลว์รวมที่ดีที่สุด
คำถามที่พบบ่อย
Gemini 4 Argon และ GPT-6 Astra ใช้แคชของพรอมป์ทร่วมกันได้หรือไม่?
อย่าคิดว่าเอนทรีแคชถ่ายโอนกันได้ระหว่างโมเดลหรือผู้ให้บริการ รักษาเนื้อหาพรอมป์ทที่เทียบเท่ากันสำหรับการทดสอบคุณภาพ แต่ให้วัดอัตราการโดนแคชแยกกันสำหรับแต่ละเส้นทาง เปรียบเทียบการรันแบบแคชเย็นและแคชอุ่น และรวมค่าการเขียนแคช (ถ้ามี) ในการคำนวณต้นทุน
ทีมจะเปรียบเทียบงบการให้เหตุผลของ Argon และ Astra อย่างยุติธรรมได้อย่างไร?
High และ Max เป็นการตั้งค่าเฉพาะผู้ให้บริการ ไม่ใช่งบคอมพิวต์ที่เทียบเท่ากัน ให้รันการเปรียบเทียบหนึ่งครั้งที่การตั้งค่าที่มีเอกสารกำกับ และอีกครั้งภายใต้ขีดจำกัดความหน่วงหรือการใช้จ่ายที่เท่ากัน บันทึกการใช้โทเคน การหมดเวลา การลองใหม่ และความสำเร็จของงาน และรายงานการเปรียบเทียบทั้งสองแบบแยกกัน
คำขอ Argon หรือ Astra ที่ล้มเหลวควรมีผลต่อต้นทุนงานอย่างไร?
นับความพยายามที่ล้มเหลวที่คิดเงิน การลองใหม่ การเรียกใช้เครื่องมือ และการเรียกใช้โมเดลสำรองลงในค่าใช้จ่ายเวิร์กโฟลว์รวม แล้วหารด้วยจำนวนงานที่ผ่านการยอมรับ คำขอที่ได้ข้อความกลับมาไม่ได้ถือว่าเป็นงานที่สำเร็จโดยอัตโนมัติ; รายงานอัตราความล้มเหลวและการ fallback ควบคู่กับต้นทุน
ทีมควรป้องกันการถดถอยของการกำหนดเส้นทาง Argon และ Astra อย่างไร?
เก็บชุดงานตัวแทนแบบ holdout พร้อมเกณฑ์การยอมรับคงที่ และบันทึกตัวระบุโมเดล เส้นทาง วันที่ประเมิน และการกำหนดค่า ทำการตรวจซ้ำเมื่อ alias โมเดล ราคา หรือการใช้งานเครื่องมือเปลี่ยน นำไปใช้กับทราฟฟิกเพียงส่วนเล็กก่อน และรักษาเส้นทางสำรองเมื่อคุณภาพหรือความหน่วงออกนอกช่วงที่ยอมรับได้