Gemini 4 Argon marca 52,6, mas ainda não fecha a conta da API

Se você usa um modelo em produção, a notícia principal não é que o Gemini 4 Argon chegou ao topo. É que ele estreou com nota de 52,6 e preço de referência de US$ 4 por milhão de tokens, mas ainda não há uma ficha de API com preço separado para entrada, saída e contexto. O benchmark parece competitivo. A conta mensal continua parcialmente aberta.

O modelo foi apresentado pelo Google como opção voltada a programação, trabalho intelectual e cibersegurança. O anúncio do Google Brasil está disponível em seu blog oficial. No Artificial Analysis, porém, o que aparece neste momento é a estreia do Gemini 4 Argon (High) no índice de inteligência — não uma avaliação específica de código ou de uso agêntico.

52,6 coloca o Argon na frente da estreia do GPT-6.1 Sol

O Gemini 4 Argon (High) entrou no índice do Artificial Analysis com 52,6 pontos. Entre os modelos que estrearam no mesmo dia, ficou acima do GPT-6.1 Sol (max), com 51,8, e das variantes xhigh, high, medium e low, que marcaram 51, 50,2, 47,8 e 42,1, respectivamente.

A diferença para o GPT-6.1 Sol (max) é de 0,8 ponto. Isso é suficiente para colocar o modelo do Google no topo dessa leva, mas não para dizer que ele lidera o ranking geral. O Claude Opus 5.5, em configuração Adaptive Reasoning, Max Effort, aparece com 57,6. O Claude Sonnet 5.5, também em Max Effort, marca 56.

A posição do Argon é mais interessante pelo custo relativo. O Artificial Analysis lista Gemini 4 Argon (High) e GPT-6.1 Sol (max) a US$ 4 por milhão de tokens na comparação de custo-benefício. O Argon aparece em primeiro nessa lista, seguido pelo GPT-6.1 Sol (Max) e pelo Claude Sonnet 5.5 em configuração Max Effort, também com nota 56 e preço de US$ 4.

O número que falta para a fatura

O preço de US$ 4 ajuda a comparar modelos no índice, mas não responde sozinho à pergunta que importa na operação: quanto custa cada milhão de tokens de entrada e de saída?

A ficha disponível para o Gemini 4 Argon não informa esses campos separadamente. Também não há janela de contexto, preço de cache, velocidade de geração ou modalidade de lote registrada para o modelo. Portanto, não é possível transformar a nota de benchmark em uma estimativa confiável para a sua fatura mensal.

Essa lacuna muda a leitura do anúncio. Para uma equipe escolhendo um modelo para protótipos, a combinação de 52,6 pontos e US$ 4 de referência é um sinal para testar o Argon. Para quem já tem um sistema em produção, ainda é cedo para trocar o modelo apenas com base nesse ranking. A diferença entre preço de entrada e saída pode alterar completamente o custo de um agente que produz respostas longas.

Programação e cibersegurança ainda precisam de prova própria

O foco anunciado é relevante para quem usa o modelo em revisão de código, geração de testes, análise de incidentes ou automação de tarefas. Mas a estreia registrada nos dados disponíveis traz apenas a nota de inteligência geral. Não há nota de coding nem de agentic para o Gemini 4 Argon.

Isso não invalida a promessa do Google. Apenas impede uma conclusão mais específica. Um modelo pode ter bom desempenho geral e ainda apresentar custo, latência ou consistência diferentes em um fluxo de programação. Se você pretende delegar mudanças em repositórios ou tarefas de segurança, precisa medir taxa de sucesso, quantidade de intervenções humanas e consumo de tokens no seu próprio conjunto de casos.

Para quem o lançamento vale agora

O Argon vale atenção imediata para desenvolvedores que querem comparar uma alternativa do Google contra o GPT-6.1 Sol e modelos Claude em tarefas intelectuais de maior complexidade. A nota de 52,6 coloca o modelo em uma faixa competitiva, e o preço de referência de US$ 4 aparece entre os melhores resultados de custo-benefício do índice.

Para quem precisa de preço previsível na API, a novidade ainda não muda a decisão. A ficha não apresenta a separação entre entrada e saída nem a janela de contexto. Também não há evidência numérica, nos dados disponíveis, de que o Argon seja superior especificamente em código ou em agentes.

Na prática, o próximo passo é colocar o modelo em um teste controlado e esperar a publicação da ficha completa de API antes de migrar tráfego relevante. Até lá, o Gemini 4 Argon é uma boa aposta para entrar no banco de testes — não uma autorização para recalcular a fatura.