Gemini 4 Argon domine 13 des 19 lignes du tableau de benchmarks de Google face à GPT-6 Astra, Claude Opus 5.5 et Claude Fable 5.1. Mais le critère le plus important pour une équipe produit reste la disponibilité : Astra et Opus 5.5 sont accessibles aujourd’hui, tandis qu’Argon est réservé aux partenaires du programme Fairwind. Google annonce un tarif de lancement de 2 $/10 $ par million de jetons, puis 4 $/20 $, soit le même tarif qu’Opus 5.5.
Essayez Apidog dès aujourd’hui
Cette comparaison met les quatre modèles face à face sur le prix, les limites et les benchmarks. Elle propose aussi une stratégie de routage et une procédure pour tester Astra, Opus et Gemini avec vos propres invites dans Apidog. Pour découvrir Argon, consultez qu’est-ce que Gemini 4 Argon, puis le guide des dates de sortie d’Argon.
Prix et limites côte à côte
Le tableau de Google inclut Claude Fable 5.1. Les tarifs ci-dessous sont exprimés par million de jetons et proviennent de l’annonce de lancement de Google, de la page du modèle GPT-6 Astra et de la page de tarification Anthropic.
| Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 | Claude Fable 5.1 | |
|---|---|---|---|---|
| Pouvez-vous l’appeler aujourd’hui ? | Non, Fairwind uniquement | Oui | Oui | Oui |
| ID du modèle API | Non publié | gpt-6-astra |
claude-opus-5-5 |
claude-fable-5-1 |
| Entrée | 2 $ au lancement, puis 4 $ | 10 $ | 4 $ | 10 $ |
| Entrée en cache | 0,10 $ au lancement, puis 0,20 $ | 1 $ | 0,20 $ | 0,25 $ |
| Sortie | 10 $ au lancement, puis 20 $ | 50 $ | 20 $ | 50 $ |
| Sortie max. | 1M, limite annoncée par Google | 128K | 128K — 300K sur Batch, bêta | 128K |
| Fenêtre de contexte | Non publiée | 1 050 000 — 922K d’entrée max. | 1M | 1M |
| Surtaxe pour invite longue | Non précisée | Au-delà de 272K d’entrée : 2× entrée/cache et 1,5× sortie sur la requête complète | Aucune | Aucune |
Points pratiques à retenir :
- Argon et Opus 5.5 ont le même tarif catalogue. L’avantage tarifaire d’Argon n’existe que pendant sa période de lancement, dont Google n’a pas communiqué la date de fin.
- Astra et Fable 5.1 coûtent plus cher par jeton. Leurs tarifs d’entrée et de sortie sont 2,5× ceux d’Argon au tarif standard, et 5× ceux du tarif de lancement d’Argon.
- La limite de sortie d’Argon doit être validée dans votre environnement. Google annonce 1M de jetons, mais Vals AI indique 262K pour la configuration qu’il a testée.
Pour calculer le coût par requête, utilisez la tarification de Gemini 4 Argon.
Où chaque modèle domine dans le tableau de Google
Avant d’utiliser ces chiffres pour décider d’une architecture, gardez un point en tête : il s’agit du tableau de Google. Les scores d’Argon sont rapportés par Google, parfois auto-calculés et parfois issus de classements. Les résultats concurrents viennent principalement des fournisseurs ou de classements publics, avec les paramètres de raisonnement maximum disponibles.
Traitez les petits écarts comme du bruit tant que vous ne les avez pas reproduits sur votre workload.
| Qui mène | Benchmark | Argon | Astra | Fable 5.1 | Opus 5.5 |
|---|---|---|---|---|---|
| Argon : travail de connaissance | Vals Index | 68,9 % | 63,1 % | 65,8 % | 67,0 % |
| Argon : travail de connaissance | AutomationBench | 51,3 % | 41,4 % | 31,4 % | 42,5 % |
| Argon : travail de connaissance | Harvey’s Legal Agent Benchmark | 19,6 % | 5,4 % | 6,7 % | 3,8 % |
| Argon : codage | DeepSWE v1.1 | 77,9 % | 74,1 % | 67,4 % | 74,2 % |
| Argon : contexte long | GraphWalks 256K à 1M, F1 | 84,2 % | 71,8 % | 65,0 % | 66,8 % |
| Argon : multimodal | LVBench | 91,7 % | 87,5 % | 79,7 % | 83,7 % |
| Argon : multimodal | Chartography | 71,6 % | 71,0 % | 46,2 % | 66,3 % |
| Astra | FrontierSWE v2 | 55,0 % | 65,5 % | 56,3 % | 62,3 % |
| Astra | Terminal-Bench Science 0.1 | 57,6 % | 68,1 % | 52,6 % | 63,3 % |
| Astra | OSWorld-2.0, hors ligne, partiel | 69,2 % | 72,6 % | Non rapporté | Non rapporté |
| Opus 5.5 | Terminal-bench 4.0 | 57,4 % | 58,2 % | 57,9 % | 66,4 % |
| Opus 5.5 | PostTrainBench | 45,3 % | 44,3 % | 40,2 % | 49,3 % |
| Égalité | CWE-bench v1 | 68,0 % | 68,0 % | 58,0 % | 67,0 % |
Les autres victoires nettes d’Argon sont Vals Finance Agent v2, Vibe Code Bench, LABBench 2, RiemannBench, GraphWalks jusqu’à 128K et Agent’s Last Exam.
Fable 5.1 ne mène aucune ligne dans ce tableau. Sur CWE-bench v1, le classement cyber de DeepMind indique une égalité à trois à 68 % entre Argon, Astra et Grok 4.7, avec Opus 5.5 à 67 %.
Sur les 17 lignes où Argon et Fable 5.1 publient tous deux un résultat, Argon est devant sur 15. Fable dépasse Argon uniquement sur FrontierSWE v2, 56,3 % contre 55,0 %, et Terminal-bench 4.0, 57,9 % contre 57,4 %.
Consultez les chiffres Anthropic dans notre article sur les benchmarks de Claude Fable 5.1, ainsi que le tableau complet dans les benchmarks de Gemini 4 Argon.
Trois mises en garde avant de comparer les scores
1. Les scores concurrents ne sont pas forcément exécutés par Google
La méthodologie de Google précise que les résultats non-Gemini « proviennent des chiffres auto-déclarés par les fournisseurs, sauf mention contraire ». Plusieurs lignes proviennent aussi de classements publics tels que Vals AI, Proximal et Surge.
À faire : ne mélangez pas des scores provenant de pages, de versions ou de systèmes d’évaluation différents dans votre propre tableau de décision.
2. Les systèmes d’agent diffèrent
Sur DeepSWE v1.1, Google a calculé les 77,9 % d’Argon avec un système mini-swe-agent. Le score d’Astra vient d’un classement public, tandis que les résultats Anthropic proviennent de fiches système.
Sur LVBench, les conditions sont également différentes :
- Gemini a échantillonné la vidéo à 1 image par seconde ;
- Astra a reçu 800 images ;
- Opus 5.5 a reçu 600 images ;
- Fable 5.1 a reçu 300 images, en raison de limitations d’API.
À faire : pour une tâche agentique ou multimodale, évaluez le modèle avec votre propre boucle d’outils, vos limites de temps et votre stratégie d’échantillonnage.
3. Un même modèle peut avoir plusieurs scores valides
Le score Terminal-bench 4.0 d’Opus 5.5 varie selon le système employé et le paramètre d’effort. Anthropic rapporte 66,4 % avec un effort très élevé.
À faire : stockez avec chaque résultat le modèle exact, la date, le niveau d’effort, les outils disponibles et les paramètres de génération.
Ce que disent les évaluateurs tiers
Les classements indépendants réduisent l’écart observé dans le tableau de Google.
Artificial Analysis place Argon au rang 8 sur 223 entrées, mais ce classement compte séparément les paramètres de raisonnement. En comparant les modèles distincts :
- Argon : 53 ;
- GPT-6 Astra : 53 ;
- Claude Fable 5.1 : 53 ;
- Claude Opus 5.5 : 58 au maximum ;
- Claude Sonnet 5.5 : 56.
Artificial Analysis indique aussi un taux d’hallucination de 15 % pour Argon sur AA-Omniscience, contre 51 % pour Astra avec son réglage maximal.
Sur Arena, Argon est premier en Texte avec 1525, marqué Préliminaire après 4 942 votes. Opus 5.5 est quatrième. Vals AI classe Argon premier sur 41 modèles dans son indice Vals, ce qui en ferait le premier modèle Gemini à prendre cette place.
Il existe aussi des retours moins favorables. Bloomberg a rapporté que certains employés ayant accès à Argon le jugent décevant sur certains travaux de codage et de conception front-end par rapport à ses benchmarks. Google a qualifié cette caractérisation d’inexacte.
Vers lequel router aujourd’hui
Il n’existe pas un unique meilleur modèle pour toutes les charges de travail. Routez les requêtes selon la tâche et préparez votre intégration Gemini pour Argon dès sa disponibilité.
| Tâche | Router aujourd’hui | Quand Argon sera disponible |
|---|---|---|
| Agents juridiques, financiers et de bureau | Opus 5.5 — 67,0 % sur Vals Index | Testez Argon : il mène les quatre lignes de travail de connaissance |
| Agents de codage intensif en terminal | Opus 5.5 — 66,4 % sur Terminal-bench 4.0 | Opus 5.5 reste devant sur cette ligne |
| Ingénierie logicielle agentique | Astra — 65,5 % sur FrontierSWE v2 — ou Opus 5.5 | Testez Astra et Argon : Argon mène DeepSWE, mais pas FrontierSWE |
| Agents GUI et utilisation d’ordinateur | Astra — 72,6 % sur OSWorld-2.0 | Astra mène OSWorld ; Argon mène Agent’s Last Exam |
| Raisonnement sur plus de 256K jetons | Opus 5.5, sans surtaxe, ou Astra avec surtaxe au-delà de 272K | Argon — 84,2 % sur GraphWalks 256K à 1M |
| Compréhension vidéo et graphiques | Astra — 87,5 % sur LVBench | Argon — 91,7 %, avec prudence sur le nombre d’images |
| Ingénierie scientifique et ML | Astra sur Terminal-Bench Science ; Opus 5.5 sur PostTrainBench | Testez Argon : il mène LABBench 2 et RiemannBench |
| Réponses uniques de plus de 128K jetons | Opus 5.5 sur Batch — 300K, bêta | Argon, jusqu’à 1M annoncé par Google |
| Travail à haut volume et sensible aux coûts | Opus 5.5 — 4 $/20 $ | Argon à 2 $/10 $ pendant l’offre de lancement |
Si votre priorité est le coût plutôt que les scores maximum, consultez notre comparaison GPT-6 Sol vs Claude Opus 5.5.
Comparez les modèles sur vos propres invites
Les benchmarks publics ne mesurent pas forcément vos prompts, vos outils, vos documents ou votre niveau de qualité requis. Construisez un scénario d’évaluation reproductible dans Apidog.
1. Créez trois requêtes
Ajoutez une requête par fournisseur :
- GPT-6 Astra avec
gpt-6-astra; - Claude Opus 5.5 avec
claude-opus-5-5; - Gemini avec une variable de modèle, par exemple
{{GEMINI_MODEL}}.
Tant que Google ne publie pas l’ID API d’Argon, utilisez gemini-3.8-flash pour conserver votre requête Gemini testable. Consultez le guide de l’API GPT-6 Astra et qu’est-ce que Claude Opus 5.5 pour les formats de requête.
2. Centralisez les variables d’environnement
Créez des variables séparées pour les clés API :
OPENAI_API_KEY
ANTHROPIC_API_KEY
GEMINI_API_KEY
GEMINI_MODEL
EVAL_PROMPT
Placez l’invite dans EVAL_PROMPT afin que les trois fournisseurs reçoivent exactement la même entrée.
{
"model": "{{GEMINI_MODEL}}",
"input": "{{EVAL_PROMPT}}"
}
3. Ajoutez des assertions minimales
Ajoutez au moins ces contrôles à chaque requête :
- statut HTTP égal à
200; - contenu de réponse non vide ;
- nombre de jetons de sortie sous votre plafond ;
- coût estimé inférieur à votre budget ;
- présence éventuelle d’un format structuré ou de champs obligatoires.
Vous pouvez calculer un coût estimé avec cette formule :
const coût = (
(jetonsEntree / 1_000_000) * tarifEntree +
(jetonsSortie / 1_000_000) * tarifSortie
);
Exemple pour 20 000 jetons d’entrée et 4 000 jetons de sortie :
const jetonsEntree = 20_000;
const jetonsSortie = 4_000;
const astra = (jetonsEntree / 1_000_000) * 10 +
(jetonsSortie / 1_000_000) * 50;
// 0,40 $
const opus = (jetonsEntree / 1_000_000) * 4 +
(jetonsSortie / 1_000_000) * 20;
// 0,16 $
const argonLancement = (jetonsEntree / 1_000_000) * 2 +
(jetonsSortie / 1_000_000) * 10;
// 0,08 $
const argonStandard = (jetonsEntree / 1_000_000) * 4 +
(jetonsSortie / 1_000_000) * 20;
// 0,16 $
4. Exécutez le scénario comme un test comparatif
Exécutez les trois requêtes dans le même scénario, puis comparez :
- la réponse produite ;
- le taux de réussite ;
- la latence ;
- les jetons d’entrée et de sortie ;
- le coût estimé ;
- vos critères fonctionnels métier.
Le prix par jeton n’est pas le coût réel par tâche. Artificial Analysis a mesuré environ 62K jetons de sortie par tâche pour Argon, contre environ 27K pour Astra à l’effort maximal. Mesurez donc les sorties sur vos propres prompts avant de choisir un routeur par défaut.
Lorsque Argon sera disponible, changez uniquement :
GEMINI_MODEL=<id-d-argon-publié-par-google>
Relancez ensuite exactement le même scénario. Vous obtiendrez une comparaison sur des invites identiques, face aux modèles disponibles aujourd’hui.
FAQ
Gemini 4 Argon est-il meilleur que GPT-6 Astra ?
Ils sont à égalité à 53 sur Artificial Analysis. Dans le tableau de Google, Argon est devant sur la plupart des lignes, mais Astra gagne FrontierSWE v2, Terminal-Bench Science 0.1 et OSWorld-2.0. Astra est aussi disponible aujourd’hui.
Gemini 4 Argon ou Claude Opus 5.5 : lequel choisir ?
Le tableau de Google favorise Argon sur la majorité des lignes. Opus 5.5 gagne Terminal-bench 4.0 et PostTrainBench, et mène Artificial Analysis, 58 contre 53. Aux tarifs standard, les deux modèles coûtent le même prix.
Gemini 4 Argon est-il moins cher que Claude Opus 5.5 ?
Pendant la période de lancement, oui : 2 $/10 $ contre 4 $/20 $. Après cette période, les tarifs catalogue sont identiques. Google n’a pas communiqué de date de fin pour l’offre de lancement.
Quel modèle a la plus grande limite de sortie ?
Argon, avec une limite annoncée de 1M de jetons. Vals AI liste toutefois 262K pour la configuration testée. Les autres modèles plafonnent la sortie synchrone à 128K. Consultez notre guide des 1M de jetons de sortie pour les implications côté client.
Puis-je utiliser Gemini 4 Argon aujourd’hui ?
Uniquement via le programme Fairwind de Google, destiné à un ensemble de partenaires approuvés de cyberdéfense. Les clients API payants et les abonnés Google AI Ultra sont annoncés pour plus tard, sans date précise.
Choisissez par charge de travail, puis testez
Argon semble le plus performant pour le travail de connaissance, les contextes longs et certaines tâches multimodales. Astra mène sur FrontierSWE, Terminal-Bench Science et OSWorld. Opus 5.5 reste solide pour le travail en terminal et l’ingénierie ML, au même prix qu’Argon après la période de lancement.
En pratique :
- utilisez aujourd’hui Astra et Opus 5.5 selon votre charge de travail ;
- gardez le modèle Gemini dans une variable d’environnement ;
- testez Argon avec le même scénario dès que son ID API est publié ;
- choisissez le routeur sur vos métriques : qualité, coût, latence et fiabilité.
Pour configurer cette comparaison à trois requêtes dans un seul projet, téléchargez Apidog.
Top comments (0)