Gemini 4 Argon belegte insgesamt den ersten Platz, doch Programmierer sind nicht wirklich überzeugt.
Zwei Tage nach der Veröffentlichung gingen die Ergebnisse unabhängiger Tests auseinander. Der Vals-Index von Vals AI, der praxisnahe Einsatzbereiche wie Finanzen, Programmierung, Recht und Steuern abdeckt, setzte Argon mit 68,90 % auf Platz eins – rund 1,9 Prozentpunkte vor Claude Sonnet 5.5 und Opus 5.5. Ein echter, unabhängiger erster Platz.
Doch auf derselben Rangliste gingen alle drei Teilbewertungen für Programmierung an Anthropic. Noch auffälliger sind die Daten aus Googles eigener Modellkarte: Im Terminal-Bench 4.0 (Programmierung unter realen Kommandozeilenbedingungen) erreichte Opus 5.5 66,4 %, Argon dagegen nur 57,4 %. Sam Witteveen, CEO von Red Dragon AI, brachte es unverblümt auf den Punkt: Das Modell sei sehr gut, aber nicht das beste. Außerdem sagte er, Googles Programmiertool Antigravity spiele nicht in derselben Liga wie Claude Code oder Codex.
Auch die praktischen Erfahrungen aus unabhängigen Tests sind geteilt. Bei CursorBench kam Argon auf 52,8 % und lag damit gleichauf mit Opus 5.5; bei FrontierCode 1.1 erreichte es 60,5 %. Cognition gab nebenbei 25 % Rabatt auf Devin bis zum 27. Oktober. In den HN-Kommentaren wurde Argon als „deutlicher Generationssprung“ bezeichnet, und manche ordneten es auf der Rangliste von arena.ai der Pareto-Grenze zu: Bei gleicher Intelligenz kostet jede Aufgabe 0,41 US-Dollar, während die Konkurrenz 3,51 US-Dollar kostet. Doch in einem Bild-zu-HTML-Test lag Argon eine ganze Leistungsklasse zurück; beim Code-Repository-Analyse-Benchmark von Entwickler Theo war es das einzige Modell mit einer Rate falscher Behauptungen von über 50 %. Ethan Mollicks Einschätzung trifft es genau: große Fortschritte bei Kreativität, Schreiben und Agentenverhalten, aber übermäßige Selbstsicherheit und Schwächen bei der Ausführung komplexer Aufgaben mit mehreren Agenten.
In der Community gibt es noch eine weitere Spur: Business Insider berichtet, dass Google-Mitarbeiter intern Gemini-4-Varianten mit den Codenamen Barium und Carbon testen. Google lehnte eine Stellungnahme ab. Argons Position als Spitzenmodell könnte nur noch eine Frage von Wochen sein.
Für Teams, die On-Chain-KI-Agenten entwickeln, ist eine andere Rechnung noch interessanter: Argons Einführungspreis liegt bei 2 US-Dollar pro Million Input-Token und 10 US-Dollar pro Million Output-Token – etwa ein Fünftel des Preises von GPT-6 Astra und Opus 5.5. Gecachte Eingaben sind nochmals 5 % günstiger. Dieser Preis gilt allerdings nur bis zum 30. November. Ab dem 1. Dezember verdoppelt er sich auf 4 beziehungsweise 20 US-Dollar – genau so viel wie Opus 5.5 kostet. Wer jetzt integriert, hat für sein Kostenmodell nur sieben Wochen Bestandsschutz. Danach muss die Rechnung zur Preis-Leistung neu aufgestellt werden.
Gestern haben wir über die „deep work“-Geschichte rund um Argons Veröffentlichung gesprochen; heute sieht das Drehbuch anders aus: Unabhängige Tests erkennen Argon als Gesamtsieger an, beleuchten aber auch die Risse unter der Krone. Zwischen Platz eins und dem am besten nutzbaren Modell liegen ein Programmier-Benchmark und eine Preiserhöhung.
#GoogleReleasesGemini4ArgonAIModel
#AI #Gemini
Dies stellt keine Anlageberatung dar. DYOR – der Handel birgt Risiken.
Zwei Tage nach der Veröffentlichung gingen die Ergebnisse unabhängiger Tests auseinander. Der Vals-Index von Vals AI, der praxisnahe Einsatzbereiche wie Finanzen, Programmierung, Recht und Steuern abdeckt, setzte Argon mit 68,90 % auf Platz eins – rund 1,9 Prozentpunkte vor Claude Sonnet 5.5 und Opus 5.5. Ein echter, unabhängiger erster Platz.
Doch auf derselben Rangliste gingen alle drei Teilbewertungen für Programmierung an Anthropic. Noch auffälliger sind die Daten aus Googles eigener Modellkarte: Im Terminal-Bench 4.0 (Programmierung unter realen Kommandozeilenbedingungen) erreichte Opus 5.5 66,4 %, Argon dagegen nur 57,4 %. Sam Witteveen, CEO von Red Dragon AI, brachte es unverblümt auf den Punkt: Das Modell sei sehr gut, aber nicht das beste. Außerdem sagte er, Googles Programmiertool Antigravity spiele nicht in derselben Liga wie Claude Code oder Codex.
Auch die praktischen Erfahrungen aus unabhängigen Tests sind geteilt. Bei CursorBench kam Argon auf 52,8 % und lag damit gleichauf mit Opus 5.5; bei FrontierCode 1.1 erreichte es 60,5 %. Cognition gab nebenbei 25 % Rabatt auf Devin bis zum 27. Oktober. In den HN-Kommentaren wurde Argon als „deutlicher Generationssprung“ bezeichnet, und manche ordneten es auf der Rangliste von arena.ai der Pareto-Grenze zu: Bei gleicher Intelligenz kostet jede Aufgabe 0,41 US-Dollar, während die Konkurrenz 3,51 US-Dollar kostet. Doch in einem Bild-zu-HTML-Test lag Argon eine ganze Leistungsklasse zurück; beim Code-Repository-Analyse-Benchmark von Entwickler Theo war es das einzige Modell mit einer Rate falscher Behauptungen von über 50 %. Ethan Mollicks Einschätzung trifft es genau: große Fortschritte bei Kreativität, Schreiben und Agentenverhalten, aber übermäßige Selbstsicherheit und Schwächen bei der Ausführung komplexer Aufgaben mit mehreren Agenten.
In der Community gibt es noch eine weitere Spur: Business Insider berichtet, dass Google-Mitarbeiter intern Gemini-4-Varianten mit den Codenamen Barium und Carbon testen. Google lehnte eine Stellungnahme ab. Argons Position als Spitzenmodell könnte nur noch eine Frage von Wochen sein.
Für Teams, die On-Chain-KI-Agenten entwickeln, ist eine andere Rechnung noch interessanter: Argons Einführungspreis liegt bei 2 US-Dollar pro Million Input-Token und 10 US-Dollar pro Million Output-Token – etwa ein Fünftel des Preises von GPT-6 Astra und Opus 5.5. Gecachte Eingaben sind nochmals 5 % günstiger. Dieser Preis gilt allerdings nur bis zum 30. November. Ab dem 1. Dezember verdoppelt er sich auf 4 beziehungsweise 20 US-Dollar – genau so viel wie Opus 5.5 kostet. Wer jetzt integriert, hat für sein Kostenmodell nur sieben Wochen Bestandsschutz. Danach muss die Rechnung zur Preis-Leistung neu aufgestellt werden.
Gestern haben wir über die „deep work“-Geschichte rund um Argons Veröffentlichung gesprochen; heute sieht das Drehbuch anders aus: Unabhängige Tests erkennen Argon als Gesamtsieger an, beleuchten aber auch die Risse unter der Krone. Zwischen Platz eins und dem am besten nutzbaren Modell liegen ein Programmier-Benchmark und eine Preiserhöhung.
#GoogleReleasesGemini4ArgonAIModel
#AI #Gemini
Dies stellt keine Anlageberatung dar. DYOR – der Handel birgt Risiken.