Gemini 4 Argon vs GPT-6 Astra e Claude Opus 5.5: os números

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

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.

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

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:

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:

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.

Fontes

• Google: Gemini 4 Argon, our next era of frontier intelligence (30 set. 2026)
• Google: Gemini 4 Argon is now available in the Gemini app (13 out. 2026)
• Google DeepMind: página do modelo Gemini e tabela de benchmarks
• Google AI for Developers: página do modelo Gemini 4 Argon
• Google AI for Developers: preços da API do Gemini
• Documentação para desenvolvedores da OpenAI: GPT-6 Astra
• Anthropic: anúncio do Claude Opus 5.5
• Anthropic: preços do Claude
• Vals.ai: resultados do Gemini 4 Argon
• Hugging Face: ficha do modelo DeepSeek-V4.1-Flash-1017