Gemini 4 Argon vs GPT-6 Astra dan Claude Opus 5.5: Adu Angka

Poin penting

• Google mengumumkan Gemini 4 Argon pada 30 September 2026 dan membukanya bagi pelanggan Google AI Pro dan Ultra serta pelanggan API berbayar pada 13 Oktober. ID model di API adalah gemini-4-argon.
• Dalam tabel perbandingan buatan Google sendiri, Argon mencatat skor tertinggi di sebagian besar baris dibandingkan GPT-6 Astra dari OpenAI serta Claude Opus 5.5 dan Fable 5.1 dari Anthropic, tetapi tertinggal di Terminal-bench 4.0, FrontierSWE v2, Terminal-Bench Science, PostTrainBench, dan OSWorld-2.0.
• Harga adalah senjata yang lebih tajam. Argon dibanderol $2 per satu juta token input dan $10 per satu juta token output hingga 30 November 2026, lalu $4 dan $20. Harga daftar GPT-6 Astra $10 dan $50; Opus 5.5 $4 dan $20.
• Argon memiliki jendela konteks 1.048.576 token yang dibagi antara input dan output, serta mode "long decode" yang dapat menghasilkan hingga sekitar 1 juta token output dalam satu tugas latar belakang.
• Semua angka benchmark utama di sini dilaporkan sendiri oleh perusahaan masing-masing, dan tabel para vendor saling berbeda untuk model yang sama. Anggaplah angka-angka itu sebagai petunjuk arah saja.

Tiga minggu setelah Google memperkenalkannya, dan satu minggu setelah model ini sampai ke pengguna berbayar, Gemini 4 Argon menjadi model AI yang dijadikan tolok ukur oleh seluruh industri. Model ini hadir di musim gugur yang padat: OpenAI meluncurkan GPT-6 Astra pada awal September, dan Anthropic merilis Claude Opus 5.5 pada 22 September. Setiap perusahaan mengklaim unggul pada serangkaian uji tertentu. Artikel ini menyandingkan angka-angka resmi, menjelaskan di mana angka-angka itu bertentangan, dan menguraikan arti harganya dalam praktik.

Apa yang dirilis Google, dan kapan

Pengumuman Google DeepMind yang terbit pada 30 September atas nama Koray Kavukcuoglu, kepala arsitek AI-nya, menggambarkan peluncuran bertahap. Argon pertama-tama diberikan kepada sekelompok pembela siber yang telah diverifikasi melalui apa yang Google sebut Fairwind Program, dan Google menyatakan versi tersebut dirilis tanpa pengaman siber yang biasa kepada pengguna tepercaya dan tim internal itu. Google juga menyatakan ikut serta dalam proses akses pra-rilis sukarela milik pemerintah Amerika Serikat. Seperti kata perusahaan itu, "Safely releasing frontier capabilities at this level requires a phased approach" (merilis kemampuan terdepan pada tingkat ini secara aman memerlukan pendekatan bertahap).

Akses luas menyusul pada 13 Oktober. Blog produk Google menyebutkan pelanggan Pro dan Ultra dapat memakai Argon di aplikasi Gemini, bersama fitur baru Tasks yang memungkinkan Gemini terus bekerja di berbagai aplikasi yang terhubung, serta antarmuka pemrograman agentik dari Google Antigravity di dalam aplikasi Gemini untuk macOS. Pengembang dapat memanggilnya melalui Gemini API dan Google AI Studio pada tingkat berbayar; halaman harga Google menyebutkan Argon tidak tersedia di tingkat gratis.

Unggahan peluncuran Google tidak hanya mengandalkan skor, tetapi juga demonstrasi praktis. Google menyebutkan port Rust dari dekoder video libgav1 yang ditulis ulang oleh agen Argon mendekode video 2,7 kali lebih cepat daripada port aslinya, dan bahwa agen Argon yang menangani proyek efisiensi memori internal menemukan optimasi yang diperkirakan membebaskan lebih dari 300 TiB. Itu adalah hasil internal Google dan belum direproduksi secara independen.

Perbandingan spesifikasi

Sumber: halaman model dan halaman harga Google AI for Developers (terakhir diperbarui 14 Okt. dan 19 Okt. 2026); dokumentasi pengembang OpenAI untuk GPT-6 Astra; pengumuman Opus 5.5 dari Anthropic dan halaman harga Claude. Harga untuk tingkat standar, dalam dolar AS.

Ada dua detail yang mudah terlewat. Pertama, "konteks 1 juta" milik Argon adalah satu anggaran yang dipakai bersama oleh input dan output, sehingga prompt yang sangat panjang menyisakan ruang lebih sedikit untuk jawaban. Kedua, harga perkenalan Google bersifat sementara: mulai 1 Desember, Argon berbiaya sama per token dengan Opus 5.5. Pemrosesan Batch dan Flex pada Argon berbiaya setengah dari tarif standar, sedangkan Priority lebih mahal.

Tabel benchmark dan catatannya

Halaman model Google membandingkan Argon dengan GPT-6 Astra, Claude Fable 5.1, dan Claude Opus 5.5 dalam 19 baris yang dikelompokkan ke delapan bidang: pekerjaan berbasis pengetahuan, pemrograman agentik, rekayasa pembelajaran mesin, sains dan matematika, konteks panjang, penggunaan komputer, pemahaman multimodal, dan keamanan siber. Pilihan di bawah ini mencakup sebagian besar bidang tersebut. Semua angka berasal dari Google.

Sumber: Google DeepMind, halaman model Gemini, hasil yang dilaporkan sendiri. Huruf tebal menandai skor tertinggi di setiap baris.

Polanya cukup jelas: Argon paling kuat dalam otomatisasi pekerjaan berbasis pengetahuan, pengambilan informasi dari konteks panjang, dan pemahaman video, serta kompetitif tetapi tidak dominan dalam pemrograman agentik. Opus 5.5 dari Anthropic unggul di Terminal-bench 4.0, sedangkan Astra dari OpenAI unggul di FrontierSWE v2 dan uji terminal sains. Selisih tunggal terbesar ada pada pengambilan informasi dari konteks panjang antara 256.000 dan 1 juta token, tempat skor Argon 84,2% unggul lebih dari 12 poin atas model berikutnya dalam tabel Google.

Pertanyaan yang lebih sulit adalah seberapa jauh satu tabel bisa dipercaya. Ketika perusahaan menguji model pesaing sendiri, merekalah yang memilih pengaturan, akses alat, dan tingkat upaya. Akibatnya, benchmark yang sama dapat menghasilkan angka berbeda untuk model yang sama, tergantung siapa yang menjalankannya:

Anthropic sendiri mencatat bahwa sebagian skornya dilaporkan pada tingkat upaya yang berbeda. Papan peringkat independen membantu, tetapi tidak menuntaskan persoalan. Vals.ai, yang menjalankan Vals Index, mencantumkan Argon dengan skor 68,90% dan di peringkat pertama dari 41 model dalam pembaruan 30 September, sedangkan halaman modelnya kemudian menampilkan skor dan peringkat yang sedikit berbeda. Ini contoh betapa cepatnya peringkat semacam ini berubah seiring pembaruan model dan rangkaian uji. Vals juga melaporkan bahwa biaya Argon per uji lebih rendah daripada Opus 5.5 pada indeksnya.

Arti harga dalam praktik

Harga per token lebih mudah dibandingkan dengan contoh perhitungan. Ambil satu permintaan dengan 100.000 token input dan 10.000 token output, yang lazim untuk penelaahan dokumen besar, tanpa memperhitungkan caching:

Perhitungan Bullquill berdasarkan harga daftar. Tagihan sebenarnya bergantung pada caching, diskon batch, dan, yang terpenting, token penalaran.

Poin terakhir itu penting. Dokumentasi Google menyebutkan token penalaran (thinking) Argon ditagih sebagai output, meskipun API hanya mengembalikan ringkasan proses penalarannya, dan tingkat penalaran bawaannya adalah "medium". Karena itu, soal yang sulit dapat menghasilkan output yang ditagih jauh lebih banyak daripada yang tampak dari jawabannya. Logika yang sama berlaku, dengan cara berbeda, untuk model penalaran lainnya: pengumuman Opus 5.5 dari Anthropic menyebutkan fitur penalaran pada model itu tidak lagi dapat dimatikan.

Kabar lain pekan ini

Google bukan satu-satunya laboratorium yang merilis model. DeepSeek mengunggah pembaruan kecil, DeepSeek-V4.1-Flash-1017, di Hugging Face dengan lisensi MIT, mencantumkan konteks 1 juta token dan peningkatan benchmark dibandingkan rilis Flash sebelumnya, serta menerbitkan kerangka inferensi sumber terbuka bernama DeepInfer yang menarik banyak perhatian di Hacker News. Dalam tabel yang diterbitkan DeepSeek sendiri, model bobot terbuka ini masih tertinggal dari Opus 5 milik Anthropic yang lebih lama pada uji seperti Humanity's Last Exam tanpa alat, tetapi sedikit melampauinya di DeepSWE v1.1, tanda bahwa kesenjangan dalam pemrograman agentik makin menyempit.

Apa artinya

Bagi pengembang. Argon adalah yang termurah di antara ketiga model andalan hingga 30 November. Tim yang ingin mengujinya dengan harga lebih rendah memiliki waktu sekitar enam minggu. Siapa pun yang membangun di atasnya sebaiknya menganggarkan dengan harga Desember dan menetapkan tingkat penalaran secara sengaja.

Bagi perusahaan. Spesifikasinya makin seragam: ketiga model kini menawarkan jendela konteks sekitar 1 juta token dan harga dalam kisaran yang sama, kecuali harga premium Astra. Keputusannya makin bergantung pada model mana yang bekerja paling baik untuk beban kerja Anda sendiri, serta pada penanganan data dan ketersediaan regional, bukan pada skor utama.

Bagi pasar. Harga perkenalan Google menekan harga daftar OpenAI yang lebih tinggi. Menurut pengumuman Opus 5.5 dari Anthropic, perusahaan itu memangkas harga Opus pada versi 5.5, dari $5 dan $25 menjadi $4 dan $20. Arahnya adalah harga yang lebih rendah untuk tingkat kemampuan tertentu.

Bagi kebijakan keselamatan. Rilis bertahap Google, dengan versi tanpa pengaman bagi pembela siber yang telah diverifikasi dan keikutsertaan dalam proses pra-rilis pemerintah Amerika Serikat, menunjukkan cara laboratorium kini menangani model paling mumpuni: akses terbatas lebih dulu, rilis luas kemudian.

Sumber

• Google: Gemini 4 Argon, our next era of frontier intelligence (30 Sept. 2026)
• Google: Gemini 4 Argon is now available in the Gemini app (13 Okt. 2026)
• Google DeepMind: halaman model Gemini dan tabel benchmark
• Google AI for Developers: halaman model Gemini 4 Argon
• Google AI for Developers: harga Gemini API
• Dokumentasi pengembang OpenAI: GPT-6 Astra
• Anthropic: pengumuman Claude Opus 5.5
• Anthropic: harga Claude
• Vals.ai: hasil Gemini 4 Argon
• Hugging Face: kartu model DeepSeek-V4.1-Flash-1017