Gemini 4 Argon para programação: teste e benchmarks

👁 123 leituras

O Gemini 4 Argon passou em todos os 51 testes unitários das quatro tarefas de programação que avaliei. O custo foi de US$ 0,028, e o modelo levou 25 segundos no total. Nenhum modelo de ponta que testei fez isso por menos ou mais rápido. Os benchmarks de programação, porém, mostram um quadro mais misto: segundo o Google, o Argon lidera no DeepSWE, mas fica atrás no FrontierSWE e no Terminal-Bench 4.0. No ranking independente da Arena Code WebDev, aparece em 8º lugar. A seguir, veja meu teste, os resultados dos benchmarks e onde é possível programar com o Argon. Leia também o guia completo do Gemini 4 Argon.

Quatro tarefas e 51 testes

As tarefas são curtas, mas cada uma inclui uma dificuldade capaz de confundir alguns modelos:

• Validação de NIP: aceitar números com hífens, espaços e o prefixo PL; aplicar uma soma de verificação com pesos; rejeitar o NIP se o resto for 10. NIP é o identificador fiscal usado na Polônia.
• União de intervalos: unir intervalos que se tocam e inverter os que aparecem de trás para frente, como (5, 2).
• Dias úteis na Polônia: considerar os anos de 2024 a 2030, feriados móveis e a véspera de Natal, que só passou a ser um dia de folga em 2025.
• Valor por extenso em uma fatura: aplicar corretamente as formas polonesas das unidades monetárias locais de zloty e grosz, arredondar para o centavo e aceitar valores de até um bilhão.

Como é o código do Argon

O Argon retornou apenas o código, sem introdução, com tipos e comentários em polonês. Abaixo está uma tradução dos comentários do trecho original, não um código retestado em português. A parte mais interessante é a lista de feriados da tarefa sobre dias úteis: foi justamente nesse ponto que o Gemini 3.8 Flash errou no dia anterior.

def obter_feriados(ano: int) -> set[datetime.date]:
    pascoa = calcular_pascoa(ano)
    feriados = {
        datetime.date(ano, 1, 1),   # Ano-Novo
        datetime.date(ano, 1, 6),   # Dia dos Reis
        pascoa,                     # Domingo de Páscoa
        pascoa + datetime.timedelta(days=1),   # Segunda-feira de Páscoa
        datetime.date(ano, 5, 1),   # Dia do Trabalho
        datetime.date(ano, 5, 3),   # Dia da Constituição
        pascoa + datetime.timedelta(days=49),  # Pentecostes
        pascoa + datetime.timedelta(days=60),  # Corpus Christi
        datetime.date(ano, 8, 15),  # Assunção de Maria
        datetime.date(ano, 11, 1),  # Dia de Todos os Santos
        datetime.date(ano, 11, 11), # Dia da Independência
        datetime.date(ano, 12, 25), # Natal
        datetime.date(ano, 12, 26), # Segundo dia de Natal
    }
    # De acordo com as regras usadas no teste polonês:
    # a véspera de Natal (24 de dezembro) é feriado a partir de 2025.
    if ano >= 2025:
        feriados.add(datetime.date(ano, 12, 24))
    return feriados

A Páscoa é calculada pelo algoritmo de Meeus/Jones/Butcher, usando apenas a biblioteca padrão, como eu havia pedido. O Gemini 3.8 Flash incluiu a véspera de Natal como dia de folga em todos os anos e falhou no teste de dezembro de 2024. Na tarefa de valor por extenso, o Argon também adicionou um ValueError para valores fora do intervalo e converteu corretamente 12,13 unidades da moeda polonesa em “doze zlotys e treze groszes”, em tradução do teste original em polonês. Nesse caso, o Muse Wonder inventou uma forma com grafia corrompida no teste original em polonês. Os resultados refletem o teste original em polonês; as expressões em português são traduções, não novos testes.

Argon contra os outros modelos nas mesmas tarefas

Entre os modelos sem erros, o Argon custa quase três vezes menos que o Opus 5.5 e 4,6 vezes menos que o GPT-6 Astra. Vale lembrar que são funções pequenas, com algumas dezenas de linhas. O teste mostra se o modelo consegue lidar com particularidades polonesas e evitar erros básicos, mas não revela como ele se sairia em um repositório grande, com vários arquivos e uma longa sessão de agente no terminal. Para isso, existem os benchmarks.

Benchmarks de programação divulgados pelo Google

Em uma tabela publicada em 30 de setembro, o Google mostra o Argon na configuração de raciocínio mais alta. O desempenho nos três testes de programação é variado:

Na mesma tabela, o Claude Fable 5.1 registra 67,4% no DeepSWE, 56,3% no FrontierSWE e 57,9% no Terminal-Bench. Considerando todos os resultados publicados pelo Google, o Argon lidera em 13 de 19 testes. Mas fica atrás dos concorrentes em dois dos três benchmarks de programação e, no Terminal-Bench 4.0, perde para o Opus 5.5 por 9 pontos percentuais.

O que mostram as avaliações independentes

• Artificial Analysis, Terminal-Bench 4.0: Argon, 57%; Claude Sonnet 5.5, 64%; Claude Opus 5.5, 60%; GPT-6 Astra, 59%. A avaliação independente também indica que o Argon fica atrás dos modelos da Anthropic e da OpenAI em tarefas no terminal.
• Arena, Code Arena: WebDev: 8º lugar, com 1.679 pontos. Em contraste, na Text Arena o mesmo Argon (High) fica em 1º lugar, com 1.525 pontos, em resultado preliminar.

Bloomberg: funcionários do Google teriam dúvidas

Em 30 de setembro, a Bloomberg, citada pelo Techmeme, publicou que, segundo funcionários do Google, o modelo se sairia pior em algumas tarefas reais de programação do que os benchmarks sugerem. O Google contesta essa avaliação. Meu teste pequeno não resolve a questão: o Argon escreveu as funções curtas sem problemas. Mas os resultados independentes do Terminal-Bench e o 8º lugar no WebDev parecem mais próximos da avaliação da Bloomberg do que dos melhores resultados da tabela do Google.

Onde programar com o Argon

• Google Antigravity (aplicativo para computador e CLI): o Argon está disponível apenas no plano Google AI Ultra. O Google AI Pro dá acesso ao Antigravity, mas não ao Argon. Pesquisadores podem obter o nível mais alto do Antigravity gratuitamente por seis meses. Veja como começar no guia Antigravity: como começar.
• Gemini API: identificador gemini-4-argon, disponível para contas pagas. Até 30 de novembro de 2026, custa US$ 2/US$ 10 por milhão de tokens; a partir de 1º de dezembro, US$ 4/US$ 20. O limite é compartilhado: 1 milhão de tokens somando entrada e saída. Segundo o 9to5Google, usar o Argon na interface do AI Studio e no Android Studio (Canary) exige o plano Ultra.
• OpenRouter: google/gemini-4-argon, com os mesmos preços e contexto de 1.048.576 tokens. Fiz o teste por essa plataforma. Em 13 de outubro de 2026, o acesso funcionou na Polônia; isso não confirma a disponibilidade em outros países. Consulte o provedor para verificar o acesso onde você está. O modelo pode ser usado em ferramentas que aceitam uma chave do OpenRouter.

Veredito

Para escrever funções, scripts e pequenas correções, o Argon é o modelo de ponta mais barato que testei até agora e não cometeu nenhum erro. Para longas sessões de agente em repositórios e no terminal, os benchmarks, inclusive os independentes, favorecem o Claude Opus 5.5. Se você programa pela API, vale testar o Argon no seu próprio código antes de 30 de novembro, enquanto o preço é metade do valor previsto a partir de dezembro. Compare outras opções no guia de IA para programação.

// continue lendoClaude Opus 5.5: preço, benchmarks e testesBenchmarksElevenLabs Sound Effects: teste multilíngue de efeitos sonorosBenchmarksVoicebot ElevenLabs Agents: teste de atendimento por vozBenchmarks