> ## Content Index
> Fetch the complete content index at: https://bullquill.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# Gemini 4 Argon vs GPT-6 Astra e Claude Opus 5.5: os números
- URL: https://bullquill.com/pt/gemini-4-argon-benchmarks-pricing-compared-pt/
- Published: 2026-10-21T03:26:04.000Z
- Updated: 2026-10-23T06:03:02.000Z
- Description: O novo modelo principal do Google lidera a maioria das linhas da sua própria tabela de benchmarks e custa menos que os rivais até 30 de novembro. Veja o que dizem os números oficiais, onde os fornecedores discordam e quanto ele custa na prática.
- Author: Rowan Ashby
- Tags: AI, Explainer, Trending, #lang-pt, #tr-gemini-4-argon-benchmarks-pricing-compared

## Principais pontos

- O Google anunciou o Gemini 4 Argon em 30 de setembro de 2026 e o liberou para assinantes do Google AI Pro e Ultra e para clientes pagos da API em 13 de outubro. O ID do modelo na API é `gemini-4-argon`.
- Na tabela comparativa do próprio Google, o Argon registra a maior pontuação na maioria das linhas diante do GPT-6 Astra, da OpenAI, e do Claude Opus 5.5 e do Fable 5.1, da Anthropic, mas fica atrás no Terminal-bench 4.0, FrontierSWE v2, Terminal-Bench Science, PostTrainBench e OSWorld-2.0.
- O preço é a arma mais afiada. O Argon custa US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída até 30 de novembro de 2026; depois, US$ 4 e US$ 20\. O preço de tabela do GPT-6 Astra é de US$ 10 e US$ 50; o do Opus 5.5, de US$ 4 e US$ 20.
- O Argon tem uma janela de contexto de 1.048.576 tokens compartilhada entre entrada e saída, além de um modo de "decodificação longa" (long decode) que pode gerar até cerca de 1 milhão de tokens de saída em uma única tarefa em segundo plano.
- Todos os principais números de benchmark aqui são autodeclarados pelas empresas, e as tabelas dos fornecedores divergem entre si para os mesmos modelos. Trate-os como indicativos.

Três semanas depois de o Google apresentá-lo, e uma semana depois de ele chegar aos usuários pagantes, o Gemini 4 Argon é o modelo de IA com o qual o restante do setor está sendo comparado. Ele chega em um segundo semestre movimentado: a OpenAI lançou o GPT-6 Astra no início de setembro, e a Anthropic lançou o Claude Opus 5.5 em 22 de setembro. Cada empresa reivindica a liderança em algum conjunto de testes. Este texto coloca os números oficiais lado a lado, explica onde eles se contradizem e mostra o que os preços significam na prática.

## O que o Google lançou, e quando

O anúncio do Google DeepMind, publicado em 30 de setembro e assinado por Koray Kavukcuoglu, seu arquiteto-chefe de IA, descreveu um lançamento em fases. O Argon foi primeiro para um grupo verificado de defensores cibernéticos por meio do que o Google chama de Fairwind Program, e o Google disse que essa versão foi liberada sem as proteções cibernéticas habituais para esses usuários de confiança e para equipes internas. O Google também afirmou participar do processo voluntário de acesso pré-lançamento do governo dos Estados Unidos. Nas palavras da empresa, "Safely releasing frontier capabilities at this level requires a phased approach" (lançar com segurança capacidades de fronteira neste nível exige uma abordagem em fases).

O acesso amplo veio em 13 de outubro. O blog de produtos do Google informou que assinantes Pro e Ultra poderiam usar o Argon no app Gemini, junto com um novo recurso, o Tasks, que permite ao Gemini continuar trabalhando em apps conectados, e uma interface de programação agêntica do Google Antigravity dentro do app Gemini para macOS. Desenvolvedores podem acessá-lo pela API do Gemini e pelo Google AI Studio no nível pago; a página de preços do Google diz que o Argon não está disponível no nível gratuito.

A publicação de lançamento do Google apostou tanto em demonstrações práticas quanto em pontuações. Segundo a empresa, uma versão em Rust do decodificador de vídeo libgav1, reescrita por agentes do Argon, decodifica vídeo 2,7 vezes mais rápido que a versão original, e agentes do Argon trabalhando em um projeto interno de eficiência de memória identificaram otimizações que devem liberar mais de 300 TiB. Esses são resultados internos do Google e não foram reproduzidos de forma independente.

## As especificações lado a lado

| Item                                | Gemini 4 Argon                                     | GPT-6 Astra                | Claude Opus 5.5                                         |
| ----------------------------------- | -------------------------------------------------- | -------------------------- | ------------------------------------------------------- |
| Lançamento                          | Anunciado em 30 set.; acesso amplo em 13 out. 2026 | Início de setembro de 2026 | 22 set. 2026                                            |
| Preço de entrada (por 1M de tokens) | US$ 2,00 até 30 nov., depois US$ 4,00              | US$ 10,00                  | US$ 4,00                                                |
| Preço de saída (por 1M de tokens)   | US$ 10,00 até 30 nov., depois US$ 20,00            | US$ 50,00                  | US$ 20,00                                               |
| Entrada em cache (por 1M de tokens) | US$ 0,10, depois US$ 0,20 (apenas cache implícito) | US$ 1,00                   | US$ 0,20 (leitura de cache); US$ 5 gravação de cache    |
| Janela de contexto                  | 1.048.576 tokens, compartilhada com a saída        | 1.050.000 tokens           | Não informada por modelo na página de preços ("até 1M") |
| Saída máxima                        | 65.536 por padrão; até 1.048.576 com long decode   | 128.000 tokens             | Não informada nas fontes consultadas                    |
| Data de corte do conhecimento       | Não informada                                      | 30 de abril de 2026        | Não informada nas fontes consultadas                    |
| Entradas                            | Texto, imagem, vídeo, áudio, PDF                   | Ver documentação da OpenAI | Ver documentação da Anthropic                           |

*Fontes: páginas de modelo e de preços do Google AI for Developers (atualizadas pela última vez em 14 e 19 de outubro de 2026); documentação para desenvolvedores da OpenAI sobre o GPT-6 Astra; anúncio do Opus 5.5 da Anthropic e página de preços do Claude. Preços do nível padrão, em dólares americanos.*

Dois detalhes passam facilmente despercebidos. Primeiro, o "contexto de 1M" do Argon é um único orçamento compartilhado entre entrada e saída, de modo que um prompt muito longo deixa menos espaço para a resposta. Segundo, o preço promocional do Google é temporário: a partir de 1º de dezembro, o Argon custa o mesmo por token que o Opus 5.5\. O processamento Batch e Flex do Argon custa metade da tarifa padrão, e o Priority custa mais.

## A tabela de benchmarks e suas ressalvas

A página do modelo do Google compara o Argon com o GPT-6 Astra, o Claude Fable 5.1 e o Claude Opus 5.5 em 19 linhas, agrupadas em oito áreas: trabalho do conhecimento, programação agêntica, engenharia de aprendizado de máquina, ciência e matemática, contexto longo, uso de computador, compreensão multimodal e cibersegurança. A seleção abaixo cobre a maioria dessas áreas. Todos os números são do Google.

| Benchmark (tabela do Google)          | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
| ------------------------------------- | -------------- | ----------- | ---------------- | --------------- |
| Vals Index (trabalho do conhecimento) | **68,9%**      | 63,1%       | 65,8%            | 67,0%           |
| AutomationBench                       | **51,3%**      | 41,4%       | 31,4%            | 42,5%           |
| DeepSWE v1.1 (programação agêntica)   | **77,9%**      | 74,1%       | 67,4%            | 74,2%           |
| FrontierSWE v2                        | 55,0%          | **65,5%**   | 56,3%            | 62,3%           |
| Terminal-bench 4.0                    | 57,4%          | 58,2%       | 57,9%            | **66,4%**       |
| Terminal-Bench Science 0.1            | 57,6%          | **68,1%**   | 52,6%            | 63,3%           |
| GraphWalks BFS, de 256k a 1M (F1)     | **84,2%**      | 71,8%       | 65,0%            | 66,8%           |
| LVBench (compreensão de vídeo)        | **91,7%**      | 87,5%       | 79,7%            | 83,7%           |
| Agent's Last Exam (uso de computador) | **39,5%**      | 34,2%       | n/d              | 38,2%           |
| CWE-bench v1 (cibersegurança)         | **68,0%**      | **68,0%**   | 58,0%            | 67,0%           |

*Fonte: Google DeepMind, página do modelo Gemini, resultados autodeclarados. O negrito marca a maior pontuação de cada linha.*

![Gráfico de barras agrupadas comparando Gemini 4 Argon, GPT-6 Astra e Claude Opus 5.5 em seis benchmarks da tabela do Google](https://bullquill.com/content/images/2026/10/img-2-21.svg)

Seis linhas da comparação autodeclarada do Google. Gráfico: Bullquill, Original. Dados: Google DeepMind.

O padrão é bem claro: o Argon é mais forte em automação do trabalho do conhecimento, recuperação de informações em contexto longo e compreensão de vídeo, e é competitivo, mas não dominante, em programação agêntica. O Opus 5.5, da Anthropic, lidera no Terminal-bench 4.0, e o Astra, da OpenAI, lidera no FrontierSWE v2 e no teste de terminal científico. A maior diferença isolada está na recuperação em contexto longo entre 256.000 e 1 milhão de tokens, em que os 84,2% do Argon ficam mais de 12 pontos à frente do modelo seguinte na tabela do Google.

A pergunta mais difícil é quanto confiar em uma única tabela. Quando as empresas testam modelos rivais por conta própria, elas escolhem as configurações, o acesso a ferramentas e o nível de esforço. Assim, o mesmo benchmark pode gerar números diferentes para o mesmo modelo, dependendo de quem o executou:

| Modelo e benchmark                        | Tabela do Google | Anúncio da Anthropic |
| ----------------------------------------- | ---------------- | -------------------- |
| Opus 5.5 no AutomationBench               | 42,5%            | 40,0%                |
| Opus 5.5 no Terminal-Bench Science 0.1    | 63,3%            | 58,7%                |
| GPT-6 Astra no Terminal-Bench Science 0.1 | 68,1%            | 64,6%                |
| GPT-6 Astra no Terminal-bench 4.0         | 58,2%            | 57,9%                |

A própria Anthropic observa que algumas de suas pontuações foram informadas com níveis de esforço diferentes. Rankings independentes ajudam, mas não resolvem a questão. A Vals.ai, que mantém o Vals Index, colocou o Argon com 68,90% e em primeiro lugar entre 41 modelos em uma atualização de 30 de setembro, enquanto sua página do modelo mostrou depois uma pontuação e uma posição ligeiramente diferentes, um exemplo de como esses rankings mudam rápido à medida que modelos e conjuntos de testes são atualizados. A Vals também informou que o Argon custou menos por teste que o Opus 5.5 em seu índice.

## O que os preços representam na prática

Preços por token ficam mais fáceis de comparar com um exemplo. Considere uma solicitação com 100.000 tokens de entrada e 10.000 tokens de saída, típica da revisão de um documento grande, sem considerar o cache:

| Modelo                               | Custo de entrada | Custo de saída | Total por solicitação |
| ------------------------------------ | ---------------- | -------------- | --------------------- |
| Gemini 4 Argon (até 30 nov.)         | US$ 0,20         | US$ 0,10       | US$ 0,30              |
| Gemini 4 Argon (a partir de 1º dez.) | US$ 0,40         | US$ 0,20       | US$ 0,60              |
| Claude Opus 5.5                      | US$ 0,40         | US$ 0,20       | US$ 0,60              |
| GPT-6 Astra                          | US$ 1,00         | US$ 0,50       | US$ 1,50              |

*Cálculo da Bullquill com base nos preços de tabela. As contas reais dependem de cache, descontos de batch e, principalmente, dos tokens de raciocínio.*

Esse último ponto é importante. A documentação do Google diz que os tokens de raciocínio (thinking) do Argon são cobrados como saída, embora a API retorne apenas um resumo do raciocínio, e que o nível de raciocínio padrão é "medium". Assim, um problema difícil pode gerar muito mais saída cobrável do que a resposta visível sugere. A mesma lógica vale, de formas diferentes, para os outros modelos de raciocínio: o anúncio do Opus 5.5 da Anthropic diz que o raciocínio não pode mais ser desligado nesse modelo.

## Outros destaques da semana

O Google não foi o único laboratório a lançar novidades. A DeepSeek publicou uma atualização menor, o DeepSeek-V4.1-Flash-1017, no Hugging Face sob a licença MIT, com contexto de 1 milhão de tokens e ganhos em benchmarks em relação à versão Flash anterior, e divulgou um framework de inferência de código aberto chamado DeepInfer, que chamou muita atenção no Hacker News. Na tabela publicada pela própria DeepSeek, o modelo de pesos abertos ainda fica atrás do Opus 5, modelo mais antigo da Anthropic, em testes como o Humanity's Last Exam sem ferramentas, mas o supera por pouco no DeepSWE v1.1, sinal de que a diferença em programação agêntica está diminuindo.

## O que significa

**Para desenvolvedores.** O Argon é o mais barato dos três modelos principais até 30 de novembro. Equipes que quiserem testá-lo pelo preço menor têm cerca de seis semanas. Quem for construir sobre ele deve fazer o orçamento com o preço de dezembro e definir os níveis de raciocínio de forma deliberada.

**Para empresas.** As especificações estão convergindo: os três modelos agora oferecem janelas de contexto de cerca de 1 milhão de tokens e preços na mesma faixa, exceto pelo valor mais alto do Astra. A decisão depende cada vez mais de qual modelo se sai melhor na sua própria carga de trabalho, além do tratamento de dados e da disponibilidade regional, e não das pontuações de destaque.

**Para o mercado.** O preço promocional do Google pressiona o preço de tabela mais alto da OpenAI. Segundo o anúncio do Opus 5.5 da Anthropic, a empresa reduziu o preço do Opus com a versão 5.5, de US$ 5 e US$ 25 para US$ 4 e US$ 20\. A tendência é de preços menores para um mesmo nível de capacidade.

**Para a política de segurança.** O lançamento escalonado do Google, com uma versão sem proteções para defensores cibernéticos verificados e a participação em um processo de pré-lançamento do governo dos Estados Unidos, mostra como os laboratórios estão lidando agora com os modelos mais capazes: acesso limitado primeiro, lançamento amplo depois.

## Perguntas frequentes

### Quando o Gemini 4 Argon foi lançado?

O Google o anunciou em 30 de setembro de 2026, inicialmente para defensores cibernéticos verificados. O acesso amplo para assinantes do Google AI Pro e Ultra e para clientes pagos da API começou em 13 de outubro de 2026.

### Quanto custa a API do Gemini 4 Argon?

No nível pago padrão, US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída até 30 de novembro de 2026; depois, US$ 4 e US$ 20 a partir de 1º de dezembro. A entrada em cache custa US$ 0,10 e sobe para US$ 0,20\. Batch e Flex custam metade. O modelo não está disponível no nível gratuito.

### Qual é a janela de contexto do Gemini 4 Argon?

1.048.576 tokens, compartilhados entre entrada e saída. A saída padrão é limitada a 65.536 tokens; a decodificação longa (long decode) no modo em segundo plano permite até cerca de 1 milhão de tokens de saída.

### O Gemini 4 Argon é melhor que o GPT-6 Astra e o Claude Opus 5.5?

Na tabela do próprio Google, ele lidera a maioria das linhas, mas o GPT-6 Astra lidera no FrontierSWE v2 e no Terminal-Bench Science, e o Opus 5.5 lidera no Terminal-bench 4.0\. Os resultados divulgados por cada fornecedor diferem para os mesmos modelos, então teste com a sua própria carga de trabalho.

### Os tokens de raciocínio são cobrados?

Sim. A documentação do Google diz que os tokens de raciocínio (thinking) do Argon são cobrados como tokens de saída, embora a API retorne apenas um resumo do raciocínio.

## Fontes

- [Google: Gemini 4 Argon, our next era of frontier intelligence (30 set. 2026)](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/?ref=bullquill.com)
- [Google: Gemini 4 Argon is now available in the Gemini app (13 out. 2026)](https://blog.google/innovation-and-ai/products/gemini-app/gemini-4-argon-availability/?ref=bullquill.com)
- [Google DeepMind: página do modelo Gemini e tabela de benchmarks](https://deepmind.google/models/gemini/?ref=bullquill.com)
- [Google AI for Developers: página do modelo Gemini 4 Argon](https://ai.google.dev/gemini-api/docs/models/gemini-4-argon?ref=bullquill.com)
- [Google AI for Developers: preços da API do Gemini](https://ai.google.dev/gemini-api/docs/pricing?ref=bullquill.com)
- [Documentação para desenvolvedores da OpenAI: GPT-6 Astra](https://developers.openai.com/api/docs/models/gpt-6-astra?ref=bullquill.com)
- [Anthropic: anúncio do Claude Opus 5.5](https://www.anthropic.com/news/claude-opus-5-5?ref=bullquill.com)
- [Anthropic: preços do Claude](https://claude.com/pricing?ref=bullquill.com)
- [Vals.ai: resultados do Gemini 4 Argon](https://www.vals.ai/models/google%5Fgemini-4-argon?ref=bullquill.com)
- [Hugging Face: ficha do modelo DeepSeek-V4.1-Flash-1017](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017?ref=bullquill.com)