Google Gemini 4: Gleichauf mit GPT-6 Astra, aber hinter Anthropics Opus 5.5

Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.

Google sparte nicht mit Eigenlob. Gemini 4 Argon sei „die nächste Ära der Frontier-Intelligenz“, verändere grundlegend, wie bei Google gearbeitet werde, und liefere Spitzenleistung beim Programmieren, bei Wissensarbeit und in der Cyberabwehr. Das erste echte Flaggschiff-Modell seit fast einem Jahr kann bis zu eine Million Tokens in einer einzigen Antwort erzeugen und lag in Googles eigener Vergleichstabelle bei 13 von 19 Benchmarks allein an der Spitze, vor Anthropic und OpenAI.

Der unabhängige Benchmark-Anbieter Artificial Analysis kommt nun zu einem deutlich nüchterneren Ergebnis. In seinem Intelligence Index erreicht Gemini 4 Argon 53 Punkte. Damit zieht Googles neues Flaggschiff zwar mit OpenAIs GPT-6 Astra gleich, bleibt aber klar hinter Anthropics Claude Opus 5.5. Schon zuvor hatte Bloomberg über interne Zweifel berichtet: Mitarbeiter:innen zufolge schneidet das Modell im praktischen Einsatz, etwa bei bestimmten Programmieraufgaben, schlechter ab als in den Benchmarks. Für Google ist das Ergebnis trotzdem ein großer Schritt: Laut Artificial Analysis gehört der Konzern damit wieder zu den drei führenden KI-Labors.

Gleichauf mit OpenAI, fünf Punkte hinter Anthropic

Der Intelligence Index von Artificial Analysis fasst zehn Einzeltests zusammen, von Programmieraufgaben im Terminal über wissenschaftliches Denken bis zu agentischer Büroarbeit. Gemini 4 Argon erreicht in der höchsten verfügbaren Rechenstufe „High“ 52,6 Punkte. GPT-6 Astra liegt mit 52,7 Punkten in der höchsten Stufe praktisch gleichauf, das günstigere GPT-6.1 Sol kommt auf 52 Punkte. Claude Opus 5.5 erreicht in der höchsten Stufe 57,6 Punkte und bleibt damit rund fünf Punkte vorne. Auch Anthropics kleineres Modell Sonnet 5.5 liegt mit 56 Punkten vor Argon.

Gegenüber Googles bisherigen Modellen ist der Sprung allerdings gewaltig. Das letzte Pro-Modell, Gemini 3.1 Pro, kam auf 30 Punkte, Argon liegt 23 Punkte darüber. Auch das zuletzt beste Google-Modell Gemini 3.8 Flash übertrifft es um 12 Punkte.

In den Einzeltests zeigt sich ein gemischtes Bild:

• Agentische Aufgaben: Hier, bisher eine Schwäche der Gemini-Modelle, legt Argon deutlich zu. Beim AutomationBench, der automatisierte Arbeitsabläufe in Business-Software testet, liegt es mit 78 Prozent auf Platz 1, sieben Punkte vor Claude Sonnet 5.5.
• Terminal-Bench 4.0: Beim Programmieren im Terminal erreicht Argon 57 Prozent, ein Plus von 53 Punkten gegenüber Gemini 3.1 Pro. Vorne liegen aber Sonnet 5.5 (64 Prozent), Opus 5.5 (60 Prozent) und GPT-6 Astra (59 Prozent).
• Wissensarbeit: Beim Test AA-Briefcase erfüllt Argon mit 65 Prozent so viele Bewertungskriterien wie kein Modell zuvor. Bei analytischer Qualität und Präsentation fällt es aber zurück, insgesamt kommt es auf 1.494 Elo.
• Halluzinationen: Argon erfindet seltener Antworten als die Konkurrenz. Seine Halluzinationsrate liegt bei 15 Prozent, der niedrigste Wert unter den Spitzenmodellen. GPT-6 Astra kommt auf 51 Prozent, GPT-6.1 Sol auf 54 Prozent. Argon gibt also eher zu, wenn es etwas nicht weiß. Bei der reinen Trefferquote liegt es mit 50 Prozent allerdings 13 Punkte hinter Astra.

Bemerkenswert ist der Terminal-Bench: Hier deckt sich die unabhängige Messung fast genau mit Googles eigener Angabe von 57,4 Prozent. Googles Vergleichstabelle hatte allerdings für Opus 5.5 den von Anthropic selbst angegebenen Wert von 66,4 Prozent verwendet. Artificial Analysis misst für Opus 5.5 nur rund 60 Prozent, der Abstand zu Argon schrumpft damit deutlich.

Günstig nur dank Rabatt

Beim Preis hat Google einen Trick parat. Der reguläre Preis für Argon liegt bei 4 Dollar (rund 3,42 Euro) pro Million Input-Tokens und 20 Dollar (rund 17,09 Euro) pro Million Output-Tokens, genauso viel wie für Claude Opus 5.5. Zum Start gewährt Google aber für mindestens einen Monat 50 Prozent Rabatt, Argon kostet derzeit also nur 2 und 10 Dollar (rund 1,71 und 8,55 Euro). GPT-6 Astra kostet 10 und 50 Dollar (rund 8,55 und 42,74 Euro). Zum Rabattpreis ist Argon pro Token damit halb so teuer wie Opus 5.5 und kostet nur ein Fünftel von GPT-6 Astra.

Noch aussagekräftiger ist, was ein typischer Einsatz tatsächlich kostet, denn Modelle verbrauchen je nach Denkaufwand unterschiedlich viele Tokens. Artificial Analysis rechnet deshalb aus, was eine durchschnittliche Aufgabe aus dem Intelligence Index kostet:

• Gemini 4 Argon (High), Rabattpreis: 1,99 Dollar (rund 1,70 Euro) pro Aufgabe
• Gemini 4 Argon (High), regulärer Preis: 3,98 Dollar (rund 3,40 Euro)
• GPT-6 Astra (Max): 3,26 Dollar (rund 2,79 Euro)
• Claude Opus 5.5 (Max): 5,98 Dollar (rund 5,11 Euro)

Solange der Rabatt gilt, kostet Argon pro Aufgabe also nur rund 60 Prozent von GPT-6 Astra bei vergleichbarer Leistung und rund ein Drittel von Opus 5.5. Fällt der Rabatt weg, wird Argon pro Aufgabe rund 22 Prozent teurer als Astra und kostet immer noch rund ein Drittel weniger als Opus 5.5. Der Grund: Argon ist nicht sparsam, sondern nur pro Token billig. Im Schnitt erzeugt es 62.000 Output-Tokens pro Aufgabe, GPT-6 Astra nur 27.000. Wann der Rabatt endet, hat Google noch nicht bekanntgegeben.

Die günstige Konkurrenz

Ganz allein ist Google in dieser Preisklasse nicht. OpenAIs GPT-6.1 Sol kostet pro Token genauso viel wie Argon zum Rabattpreis und liegt nur einen Punkt dahinter. Pro Aufgabe ist Sol mit 0,72 Dollar (rund 0,62 Euro) aber deutlich billiger, Argon kostet selbst mit Rabatt das 2,7-Fache. Auch Claude Sonnet 5.5 hat dieselben Listenpreise wie Argon im Angebot und erreicht in der höchsten Stufe mehr Punkte, braucht dafür aber so viele Tokens, dass eine Aufgabe 7,62 Dollar kostet.

Breit verfügbar ist Gemini 4 Argon ohnehin noch nicht. Google gibt das Modell zunächst nur an ausgewählte Nutzer:innen, vor allem Cybersecurity-Teams, und will es erst später für zahlende API-Kund:innen und Abonnent:innen von Google AI Ultra freischalten. Laut Artificial Analysis versteht Argon neben Text auch Bilder, Videos und Sprache und hat ein Kontextfenster von einer Million Tokens.