Gemini 4: Gleichauf mit GPT-6 Astra, hinter 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. Seine größte Stärke könnte ohnehin woanders liegen: beim Preis.

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 getesteten Rechenstufe „High“ 52,6 Punkte. GPT-6 Astra liegt mit 52,7 Punkten in der höchsten Stufe praktisch gleichauf. Claude Opus 5.5 kommt in der höchsten Stufe auf 57,6 Punkte und bleibt damit rund fünf Punkte vorne. Auch Anthropics kleineres Modell Sonnet 5.5 liegt mit 56 Punkten vor Argon. Im Gesamtranking landet Gemini 4 damit auf Platz 8, wobei die ersten sieben Plätze von verschiedenen Rechenstufen der Anthropic-Modelle und von GPT-6 Astra belegt werden.

In den Einzeltests zeigt sich ein ähnliches Bild:

• Terminal-Bench 4.0: Beim Programmieren im Terminal erreicht Argon 57,1 Prozent. Opus 5.5 kommt auf 59,6 Prozent, GPT-6 Astra auf 59,1 Prozent.
• Humanity’s Last Exam: Beim schwierigen Wissens- und Denktest liegt Argon mit 57,1 Prozent vor Astra (54,7 Prozent), aber hinter Opus 5.5 (61,4 Prozent).
• GDPval-AA: Bei realen Arbeitsaufgaben aus 44 Berufen erreicht Argon einen Elo-Wert von 1.611, vor Astra mit 1.542, aber deutlich hinter Opus 5.5 mit 1.846.
• SciCode: Beim wissenschaftlichen Programmieren kommt Argon auf 61,8 Prozent, Opus 5.5 auf 66,9 Prozent und Astra auf 56,5 Prozent.

Bemerkenswert ist der Terminal-Bench: Hier deckt sich die unabhängige Messung mit 57,1 Prozent 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 59,6 Prozent, der Abstand zu Argon schrumpft damit deutlich. Getestet wurde bisher nur die Stufe „High“ von Argon. Ob eine höhere Rechenstufe noch zulegt, ist offen.

Beim Preis spielt Argon seine Stärke aus

Deutlicher ist Googles Vorsprung beim Preis. Argon kostet 2 Dollar (rund 1,71 Euro) pro Million Input-Tokens und 10 Dollar (rund 8,55 Euro) pro Million Output-Tokens. Für Claude Opus 5.5 verlangt Anthropic 4 und 20 Dollar (rund 3,42 und 17,09 Euro), für GPT-6 Astra verlangt OpenAI 10 und 50 Dollar (rund 8,55 und 42,74 Euro). Argon kostet damit pro Token genau halb so viel wie Opus 5.5 und 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): 1,99 Dollar (rund 1,70 Euro) pro Aufgabe
• GPT-6 Astra (Max): 3,26 Dollar (rund 2,79 Euro), also rund 64 Prozent mehr als Argon
• Claude Opus 5.5 (Max): 5,98 Dollar (rund 5,11 Euro), also rund dreimal so viel wie Argon

Wer vergleichbare Leistung wie bei GPT-6 Astra will, zahlt bei Google also rund 39 Prozent weniger pro Aufgabe. Für die fünf Punkte mehr bei Opus 5.5 zahlt man dagegen den dreifachen Preis. Günstig ist Argon allerdings auch deshalb, weil Google es zu einem Einführungspreis anbietet. Wie lange dieser gilt, hat der Konzern nicht gesagt.

Die günstige Konkurrenz

Ganz allein ist Google in dieser Preisklasse nicht. OpenAIs GPT-6.1 Sol kostet pro Token genauso viel wie Argon und kommt mit 51,8 Punkten knapp dahinter ins Ziel. Pro Aufgabe ist Sol mit 0,72 Dollar (rund 0,62 Euro) sogar deutlich billiger, weil das Modell sparsamer mit Tokens umgeht. Auch Claude Sonnet 5.5 hat dieselben Listenpreise wie Argon und erreicht in der höchsten Stufe mehr Punkte, braucht dafür aber so viele Tokens, dass eine Aufgabe 7,62 Dollar kostet. Argon selbst gilt bei Artificial Analysis als eher gesprächig: Für den gesamten Index erzeugte es 110 Millionen Tokens, deutlich mehr als der Median von 82 Millionen.

Breit verfügbar ist Gemini 4 Argon ohnehin noch nicht. Google gibt das Modell zunächst nur an ausgewählte Cybersecurity-Teams und will es erst später für zahlende API-Kund:innen und Abonnent:innen von Google AI Ultra freischalten.