Die unabhängigen Testergebnisse zu Gemini 4 Argon sind da. Fazit: einseitig stark – aber aus gutem Grund.
Laut dem von DualEntry veröffentlichten Buchhaltungs-Benchmark erreicht Argon eine Genauigkeit von 91,1 % und liegt damit unter 18 Modellen auf Platz eins. Auch bei der Konsistenz liegt es mit 86,1 % vorn. Eine Aufgabe kostet 0,11 $, bei Claude Fable sind es 1,18 $ – zehnmal so viel, bei einem niedrigeren Ergebnis.
Im Coding-Index von Artificial Analysis liegt Argon mit 78,8 % bei DeepSWE auf Platz eins. Bei Terminal-Bench erreicht es jedoch nur 56,1 % und landet im Mittelfeld – weit hinter Claude Sonnet 5.5 mit 66,2 %.
Mein Urteil: Argon ist am stärksten bei „langwierigen und spezialisierten Aufgaben“ – etwa in den Bereichen Finanzen, Recht und Buchhaltung, wo Aufgaben stundenlang laufen und fehlerfrei erledigt werden müssen. Für schnelle, einfache Programmieraufgaben sollte man sich nicht darauf versteifen.
Man muss die ganze Leistungsbilanz betrachten, nicht nur einzelne Ergebnisse herauspicken.
DYOR, und handelt mit Vernunft.
Laut dem von DualEntry veröffentlichten Buchhaltungs-Benchmark erreicht Argon eine Genauigkeit von 91,1 % und liegt damit unter 18 Modellen auf Platz eins. Auch bei der Konsistenz liegt es mit 86,1 % vorn. Eine Aufgabe kostet 0,11 $, bei Claude Fable sind es 1,18 $ – zehnmal so viel, bei einem niedrigeren Ergebnis.
Im Coding-Index von Artificial Analysis liegt Argon mit 78,8 % bei DeepSWE auf Platz eins. Bei Terminal-Bench erreicht es jedoch nur 56,1 % und landet im Mittelfeld – weit hinter Claude Sonnet 5.5 mit 66,2 %.
Mein Urteil: Argon ist am stärksten bei „langwierigen und spezialisierten Aufgaben“ – etwa in den Bereichen Finanzen, Recht und Buchhaltung, wo Aufgaben stundenlang laufen und fehlerfrei erledigt werden müssen. Für schnelle, einfache Programmieraufgaben sollte man sich nicht darauf versteifen.
Man muss die ganze Leistungsbilanz betrachten, nicht nur einzelne Ergebnisse herauspicken.
DYOR, und handelt mit Vernunft.