Google 于 2026 年 10 月 13 日在 API 上开放了 Gemini 4 Argon,首发价格为每百万输入 token 2 美元,是 Claude Opus 5.5 的一半。Google 自己公布的基准表中,Argon 在 19 项测试里领先 13 项。但在最接近“编程智能体在终端里干活”的两项测试中,Opus 5.5 依然领先。
本文把数字并排列出,标明每个数字的来源,并给出调用两个模型的命令,方便你在自己的代码仓库里测试。所有信息核对于 2026 年 10 月 20 日。
写代码哪个更好,Gemini 4 Argon 还是 Claude Opus 5.5?
取决于任务类型。如果是在终端里工作、执行命令、反复迭代直到测试通过的智能体,Opus 5.5 明显领先:Terminal-bench 4.0 上 66.4% 对 57.4%。如果任务需要一次性读完一个巨大的代码库,Argon 领先:GraphWalks 256K 到 1M token 上 84.2% 对 66.8%。
在 Artificial Analysis 智能指数中,Opus 5.5 在 217 个模型里排名第 1(58 分),Argon 排名第 8(53 分)。Argon 每个指数任务花费 1.99 美元,Opus 5.5 为 5.98 美元。
编程基准测试怎么说?
下表汇总了 Google 发布的首发基准表中与编程相关的测试,两个模型均使用最高推理强度。这些是 Argon 厂商给出的数字,备注列说明每项测试由谁运行。
| 基准测试 | Gemini 4 Argon | Claude Opus 5.5 | 运行方 |
|---|---|---|---|
| Terminal-bench 4.0 | 57.4% | 66.4% | Argon:Google。Opus:公开排行榜 |
| FrontierSWE v2 | 55.0% | 62.3% | Proximal 排行榜 |
| DeepSWE v1.1 | 77.9% | 74.2% | Argon:Google,mini-swe-agent 框架。Opus:system card |
| Vibe Code Bench | 91.9% | 90.3% | Vals AI |
| PostTrainBench | 45.3% | 49.3% | Google,所有模型 |
| GraphWalks 256K 到 1M(长上下文) | 84.2% | 66.8% | Google,所有模型 |
来源:Gemini 4 Argon 首发基准表(Google DeepMind,2026 年 9 月 30 日),由 DataCamp 和 Apidog 转载。
使用这些数字前有两点需要注意。第一,DeepSWE 上 Argon 由 Google 用自己的测试框架测得,而 Opus 5.5 的数字来自 Anthropic 的 system card。框架不同,结果就不同,所以 3.7 分的领先并不是干净的对比。第二,Terminal-bench 4.0 上 Argon 的数字同样是自报的。由第三方用同一方法运行的两项测试(FrontierSWE 和 Vibe Code Bench)双方各赢一项。
两者各要多少钱?
目前 Argon 价格是一半。从 12 月 1 日起,每 token 价格相同。Google 宣布首发价格有效期至 2026 年 11 月 30 日。
| 属性 | Gemini 4 Argon | Claude Opus 5.5 |
|---|---|---|
| API ID | gemini-4-argon | claude-opus-5-5 |
| 输入(每百万 token) | 11 月 30 日前 2 美元,之后 4 美元 | 4 美元 |
| 输出(每百万 token) | 11 月 30 日前 10 美元,之后 20 美元 | 20 美元 |
| 缓存输入 | 优惠 95%(隐式缓存) | 读取价为输入价的 5% |
| 上下文窗口 | 1,048,576 token,输入输出合计 | 1M token |
| 单次最大输出 | 65,536 token(默认) | 128K token |
| 推理级别 | low、medium、high(默认 medium) | effort,默认 medium |
| 输出速度(Artificial Analysis) | 83.9 token/秒 | 95.1 token/秒 |
| 智能指数(Artificial Analysis) | 53,217 个中第 8 | 58,217 个中第 1 |
| 每个指数任务成本 | 1.99 美元 | 5.98 美元 |
来源:Google 博客(2026 年 10 月 13 日)、Gemini API 文档、Anthropic 模型文档,以及 Artificial Analysis 上两个模型的页面,均于 2026 年 10 月 20 日查阅。
我们根据这些数字自行计算:按首发价格,每个指数分在 Argon 上约 0.04 美元,在 Opus 5.5 上约 0.10 美元。如果 12 月价格翻倍后 Argon 每个任务消耗的 token 不变,每分成本约为 0.075 美元,优势从 2.7 倍降到 1.4 倍。它每分依然更便宜,因为它得出答案所用的 token 比 Opus 5.5 少。
什么时候选 Gemini 4 Argon?
- 任务是一次性理解一个大型 monorepo 时。GraphWalks 256K 到 1M 上的 84.2% 是整张表里两者差距最大的一项。
- 调用量大、首发价格窗口能省钱时。11 月 30 日前每 token 只付一半。
- 工作中代码与图片、视频、音频或 PDF 输入混合时。Argon 支持所有这些格式。
- 已经在 Google 生态中时:AI Studio、Android Studio 或 Antigravity(Google AI Ultra 方案)。
什么时候选 Claude Opus 5.5?
- 编程智能体常驻终端时:跑测试、读错误、修复、再跑。Terminal-bench 4.0 上领先 9 分。
- 任务是长周期、开放式的软件工程时,即 FrontierSWE v2 衡量的场景(62.3% 对 55.0%)。
- 需要很长的回答时。单次最大输出 128K token,而 Argon 默认模式为 65,536。
- 你已经在用 Claude Code、不想换工具时。
如何在自己的代码上测试两者?
基准测试给出趋势,你的代码仓库给出其余答案。把同一个请求发给两个模型,对比结果。
通过 Gemini API 调用 Gemini 4 Argon,推理级别设为最高(需要付费层级的密钥):
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"model": "gemini-4-argon",
"input": "找出这个函数里的 bug,并给出会失败的测试: ...",
"generation_config": {
"thinking_level": "high"
}
}'通过 Anthropic API 调用 Claude Opus 5.5:
curl https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-opus-5-5",
"max_tokens": 8192,
"messages": [
{"role": "user", "content": "找出这个函数里的 bug,并给出会失败的测试: ..."}
]
}'在你自己的仓库里把 Opus 5.5 当作终端智能体测试:
claude --model claude-opus-5-5一个实际的提醒:截至 2026 年 10 月 20 日,Gemini CLI 源代码的模型列表(packages/core/src/config/models.ts)里还没有 Argon。目前想把 Argon 当作智能体使用,官方途径是 Antigravity,或者在你自己的框架里直接调用 API。
总结:该选哪个?
| 如果你的场景是... | 选择 |
|---|---|
| 终端智能体,测试与修复循环 | Claude Opus 5.5 |
| 一次性读完巨大的仓库 | Gemini 4 Argon |
| 2026 年 11 月 30 日前的大调用量 | Gemini 4 Argon |
| 单次调用需要很长的回答 | Claude Opus 5.5 |
| 视频、音频或 PDF 输入 | Gemini 4 Argon |
两者都按 token 计费,而编程智能体每多尝试一次,账单就多涨一次。如果你不想再为此头疼,Verboo Code 提供无限 token。
