Gemini 4 Argon вдвое дешевле GPT-6 Astra: бенчмарки Vals AI с AI Engineer NYC
Google выпустила Gemini 4 Argon в открытый доступ 12 октября 2026 года, и первые независимые тесты, представленные на конференции AI Engineer NYC, показывают, что модель догоняет GPT-6 Astra по качеству при вдвое меньшей стоимости за задачу.
Vals AI и другие независимые лаборатории впервые сопоставили Argon с главными конкурентами по цене, галлюцинациям и агентным задачам, и результаты расходятся с маркетинговыми заявлениями Google: модель сильна в коде и зрении, но надёжность в реальных сценариях пока неровная.
Конференция AI Engineer NYC собрала около 20 000 участников. CEO Vals AI представил принципы, по которым компания строит бенчмарки для моделей вроде Argon. Одновременно Anthropic показала свой стек для финансовых сервисов, а Coatue продемонстрировала, как ИИ превращает новостной поток в инвестиционные решения. Бенчмарки Vals AI и других площадок дают первую картину того, где Argon действительно силён, а где пока уступает.
| Показатель | Значение | Источник |
|---|---|---|
| Стоимость API (вводная) | $2 / $10 за миллион входных/выходных токенов | Google pricing |
| Стоимость API после 30 ноября | $4 / $20 за миллион токенов | Artificial Analysis, discount schedule |
| Скидка на кешированный ввод | 95 % | Google pricing |
| Стоимость за задачу (AA) | $1,99 | Artificial Analysis |
| Уровень галлюцинаций (AA-Omniscience) | 15 % | Artificial Analysis |
| CursorBench (default effort) | 52,8 % | Cursor |
| FrontierCode 1.1 (Cognition) | 60,5 % | Cognition / Devin |
| Текстовая локализация и распознавание (Roboflow) | 84,7 % против 76,8 % у Astra | Roboflow |
| Обнаружение объектов (Roboflow) | 85,1 % против 83,6 % у Astra | Roboflow |
| Задержка на изображение (Roboflow) | 19,6 сек. против 29,7 сек. у Astra | Roboflow |
Что измеряли?
Бенчмарки Vals AI и смежных площадок оценивают модель не одним числом, а по нескольким осям.
- CursorBench проверяет, насколько точно модель генерирует рабочий код в реальном редакторе Cursor, без подсказок и повторных попыток.
- FrontierCode 1.1 от Cognition тестирует способность модели решать сложные программистские задачи в среде Devin.
- AA Intelligence Index от Artificial Analysis сопоставляет качество ответов с ценой за одну задачу и отдельно считает галлюцинации (когда модель уверенно выдаёт ложную информацию) через метрику AA-Omniscience.
- Roboflow замеряет точность распознавания текста на изображениях, обнаружения объектов и скорость обработки.
- Arena ранжирует модели в агентных сценариях (когда ИИ-агент сам выполняет цепочку действий, а не просто отвечает на вопрос), включая надёжность работы с командной строкой.
Все перечисленные тесты проводились сторонними командами, а не Google.
Что обнаружили?
- По соотношению качества и цены Artificial Analysis ставит Argon вровень с GPT-6 Astra, но стоимость задачи составляет примерно 60 % от Astra: $1,99 против более дорогой модели OpenAI.
- Галлюцинации на уровне 15 % по AA-Omniscience, это самый низкий показатель среди моделей, набравших не менее 45 баллов по индексу Artificial Analysis. Но сама метрика учитывает отказ модели отвечать, поэтому её нельзя читать как общую долю ошибок.
- В коде Argon показал 52,8 % на CursorBench при стандартных настройках, сопоставимо с Opus 5.5 от Anthropic. На FrontierCode 1.1 результат выше: 60,5 %.
- В зрении и работе с документами модель обошла Astra по точности распознавания текста (84,7 % против 76,8 %) и объектов (85,1 % против 83,6 %), при этом отвечала быстрее: 19,6 секунды на изображение против 29,7.
- В агентном рейтинге Arena Argon High занял пятое место, уступив Opus 5.5, GPT-6.1 Sol, Fable 5.1 и GPT-6 Astra на максимальном уровне усилий.
- Внутренние данные Google (не независимые замеры): Argon помог вычленить обработку веб-страниц из шестимиллионной кодовой базы Chromium, превратив месяцы работы в недели, а доля агентных коммитов выросла на 35 % при снижении откатов почти на треть.
Вводные цены $2/$10 за миллион токенов действуют только до 30 ноября 2026 года, после чего, по данным Artificial Analysis, удваиваются до $4/$20. Любое сравнение стоимости с конкурентами корректно только с учётом этого дедлайна. Метрика галлюцинаций AA-Omniscience включает случаи, когда модель просто отказывается отвечать, поэтому 15 % не означают «ошибается в 15 случаях из 100». Внутренние результаты Google по Chromium и коммитам не прошли независимую проверку и остаются заявлениями компании.
Что это значит для вас?
Авторам Дзена и копирайтерам. Argon доступен через Gemini API и приложение Gemini. Если вы используете ИИ для черновиков, фактчека изображений или расшифровки документов, тесты Roboflow показывают, что распознавание текста у Argon точнее и быстрее, чем у Astra. Попробуйте на задачах с таблицами и сканами: LlamaIndex отмечает сильное понимание таблиц у Argon.
Разработчикам и маркетологам. Модель уже работает в Cursor, Devin и GitHub Copilot. 52,8 % на CursorBench означает, что примерно каждый второй фрагмент кода модель пишет корректно с первой попытки. Для прототипов и автоматизации рутинных задач это рабочий уровень, но для продакшена по-прежнему нужна проверка человеком.
Предпринимателям в РФ и СНГ. Gemini API доступен не во всех регионах напрямую. Из моделей, работающих в России без VPN, стоит держать в поле зрения YandexGPT и GigaChat. Если доступ к Gemini API у вас есть, учитывайте: вводные тарифы удвоятся после 30 ноября, и экономика задачи изменится.
Результаты AI Engineer NYC и бенчмарки Vals AI показывают, на мой взгляд, важный сдвиг: независимые тесты перестали быть формальностью. Vals AI публично объясняет методологию, Artificial Analysis отдельно оговаривает границы своих метрик. Для практика это значит, что слепо верить маркетинговым таблицам Google или OpenAI больше не нужно, есть куда заглянуть самому. Я бы рекомендовал не торопиться переносить рабочие пайплайны на Argon до стабилизации цен после ноября. Протестируйте на одной конкретной задаче, замерьте результат и стоимость, и только потом масштабируйте.
Конференция продолжается третьим днём, и все доклады обещают опубликовать в записи. Если вы выбираете модель для работы прямо сейчас, ориентируйтесь не на рейтинги, а на свою задачу: Argon хорош в коде и зрении, но пятое место в агентных сценариях говорит о том, что для сложных цепочек действий Opus 5.5 и GPT-6 Astra пока надёжнее.
По данным AI News / Latent Space
Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также
Чудо Цукерберга: модели вдвое дешевле, но полностью заменить SaaS пока не могут
Meta выпустила две модели, Wonder и Wonder Full, которые обещают сравнимое с лидерами качество по сниженной цене, а автор рассылки Superhuman тем временем…
Meta AI выпустила Muse Wonder: модель обходит GPT-6 Astra и стоит $4 за 1 млн токенов
Meta AI представила семейство моделей Muse Wonder, второе поколение после Muse Spark, и по независимым оценкам Artificial Analysis модели вышли на уровень…
Google DeepMind признал: AlphaFold в предсказании белков дал лишь статичную позу, а не живую биологию
Google DeepMind признал: AlphaFold не решил задачу сворачивания белков, и масштабирование данных само по себе не приведёт к прорыву в биологии. Почему это…
Комментарии