Gemini 4 Argon fürs Programmieren: Test und Benchmarks

👁 127 Aufrufe

Gemini 4 Argon bestand in meinen vier Programmieraufgaben alle 51 Unit-Tests. Das kostete 0,025 € (0,028 USD) und dauerte insgesamt 25 Sekunden. Kein anderes Spitzenmodell in diesem Vergleich war günstiger oder schneller. Die Programmier-Benchmarks zeichnen jedoch ein gemischtes Bild: Laut Google liegt Argon bei DeepSWE vorn, unterliegt aber bei FrontierSWE und Terminal-Bench 4.0. In der unabhängigen Arena-Code-WebDev-Rangliste liegt das Modell auf Platz 8. Hier finden Sie meinen Test, die Benchmark-Zahlen und die Möglichkeiten, mit Argon zu programmieren. Eine vollständige Übersicht zum Modell bietet der Leitfaden Gemini 4 Argon.

Vier Aufgaben, 51 Tests

Die Aufgaben sind kurz, aber jede enthält eine Falle, an der Modelle scheitern können. Der Test wurde vollständig auf Polnisch durchgeführt; die folgenden Beschreibungen sind ins Deutsche übertragen und wurden nicht erneut getestet:

• Validierung einer polnischen Steueridentifikationsnummer: Schreibweisen mit Bindestrichen, Leerzeichen und dem Präfix PL, Prüfsumme mit Gewichtung; ergibt die Restklasse 10, ist die Nummer ungültig.
• Intervalle zusammenführen: Intervalle, bei denen das Ende des einen mit dem Anfang des nächsten zusammenfällt, müssen zusammengeführt werden. Umgekehrt angegebene Intervalle wie (5, 2) sind umzudrehen.
• Arbeitstage in Polen: Jahre 2024 bis 2030, bewegliche Feiertage und Heiligabend, der erst ab 2025 arbeitsfrei ist.
• Betrag für eine Rechnung ausschreiben: korrekte polnische Formen für Währungs- und Untereinheiten, Rundung auf die kleinste Untereinheit und Beträge bis zu einer Milliarde.

So sieht Argons Code aus

Argon gab ausschließlich den Code in einem Block aus, ohne Einleitung, mit Typen und polnischen Kommentaren. Der interessanteste Ausschnitt ist die Feiertagsliste aus der Aufgabe zu Arbeitstagen: Genau hier hatte sich Gemini 3.8 Flash am Vortag geirrt. Der Code und die Kommentare unten sind eine Übersetzung beziehungsweise Anpassung des im polnischen Test ausgegebenen Codes, kein neuer Test:

def get_holidays(year: int) -> set[datetime.date]:
    easter = calculate_easter(year)
    holidays = {
        datetime.date(year, 1, 1),   # Neujahr
        datetime.date(year, 1, 6),   # Feiertag der Heiligen Drei Könige
        easter,                      # Ostersonntag
        easter + datetime.timedelta(days=1),   # Ostermontag
        datetime.date(year, 5, 1),   # Staatsfeiertag (Tag der Arbeit)
        datetime.date(year, 5, 3),   # Nationalfeiertag am 3. Mai
        easter + datetime.timedelta(days=49),  # Pfingstsonntag
        easter + datetime.timedelta(days=60),  # Fronleichnam (Donnerstag)
        datetime.date(year, 8, 15),  # Mariä Himmelfahrt
        datetime.date(year, 11, 1),  # Allerheiligen
        datetime.date(year, 11, 11), # Nationaler Unabhängigkeitstag
        datetime.date(year, 12, 25), # Erster Weihnachtstag
        datetime.date(year, 12, 26), # Zweiter Weihnachtstag
    }
    # Nach der polnischen Rechtslage von 2026 (Gesetz aus dem Jahr 2024)
    # ist Heiligabend, der 24. Dezember, ab 2025 ein gesetzlicher Feiertag.
    if year >= 2025:
        holidays.add(datetime.date(year, 12, 24))
    return holidays

Ostern wird mit dem Meeus/Jones/Butcher-Algorithmus berechnet; alles nutzt die Standardbibliothek, wie gewünscht. Gemini 3.8 Flash behandelte Heiligabend in allen Jahren als arbeitsfrei und fiel damit beim Test für Dezember 2024 durch. Bei der ausgeschriebenen Summe ergänzte Argon eigenständig einen ValueError… für Beträge außerhalb des zulässigen Bereichs und gab den getesteten polnischen Betrag 12,13 korrekt als „zwölf [polnische Währungseinheiten] und dreizehn [Untereinheiten]“ wieder (Übersetzung des polnischen Originals). Diese Formulierung ist eine Übersetzung des polnischen Testergebnisses. Muse Wonder erfand dagegen die nicht existierende Form „beschädigter Schriftzug im polnischen Originaltest“.

Argon im Vergleich mit den anderen Modellen

Unter den Modellen ohne Fehler war Argon fast dreimal günstiger als Opus 5.5 und 4,6-mal günstiger als GPT-6 Astra. Dabei gilt: Es handelt sich um kleine Funktionen mit einigen Dutzend Zeilen. Der Test zeigt, ob das Modell mit polnischen Besonderheiten umgehen kann und grobe Fehler vermeidet. Er sagt aber nicht aus, wie es sich in einem großen Repository, über mehrere Dateien hinweg oder bei längerer Agentenarbeit im Terminal schlägt. Dafür gibt es Benchmarks.

Programmier-Benchmarks laut Google

In einer Tabelle vom 30. September zeigt Google Argon mit der höchsten Reasoning-Einstellung. Bei drei Programmier-Benchmarks fällt das Ergebnis gemischt aus:

Claude Fable 5.1 erreicht in derselben Tabelle 67,4 % bei DeepSWE, 56,3 % bei FrontierSWE und 57,9 % bei Terminal-Bench. In Googles gesamter Tabelle liegt Argon bei 13 von 19 Tests vorn. Bei zwei der drei Programmier-Benchmarks liegt das Modell jedoch hinter der Konkurrenz; bei Terminal-Bench 4.0 beträgt der Rückstand auf Opus 5.5 neun Prozentpunkte.

Was unabhängige Messungen zeigen

• Artificial Analysis, Terminal-Bench 4.0: Argon 57 %, Claude Sonnet 5.5 64 %, Claude Opus 5.5 60 %, GPT-6 Astra 59 %. Die unabhängige Messung bestätigt, dass Argon bei der Arbeit im Terminal hinter den Modellen von Anthropic und OpenAI liegt.
• Arena, Code Arena: WebDev: Platz 8 mit 1679 Punkten. Zum Vergleich: In der Text Arena liegt dasselbe Modell, Argon (High), mit 1525 Punkten auf Platz 1 - vorläufiges Ergebnis.

Bloomberg: Google-Mitarbeitende äußerten Zweifel

Bloomberg berichtete am 30. September, wie Techmeme zusammenfasste, dass das Modell laut Google-Mitarbeitenden bei einigen realen Programmieraufgaben schlechter abschneide, als die Benchmarks vermuten ließen. Google widerspricht dieser Einschätzung. Mein kleiner Test kann die Frage nicht entscheiden: Kurze Funktionen schreibt Argon einwandfrei. Die unabhängigen Ergebnisse bei Terminal-Bench und Platz 8 in WebDev passen jedoch eher zur Darstellung von Bloomberg als zu den besten Werten aus Googles Tabelle.

Wo Sie mit Argon programmieren können

• Google Antigravity (Desktop-App und CLI): Argon gibt es nur im Tarif Google AI Ultra. Google AI Pro bietet Antigravity, aber keinen Zugang zu Argon. Forschende können die höchste Antigravity-Stufe sechs Monate kostenlos erhalten. Erste Schritte finden Sie im Artikel Antigravity: So starten Sie.
• Gemini API: Modellkennung gemini-4-argon, verfügbar für alle kostenpflichtigen Konten. Bis zum 30. November 2026 kostet die Nutzung rund 1,781 € (2 USD) pro Million Token für Eingaben und 8,91 € (10 USD) für Ausgaben; ab dem 1. Dezember sind es rund 3,563 € (4 USD) beziehungsweise 17,82 € (20 USD). Das gemeinsame Limit beträgt 1 Million Token für Ein- und Ausgabe zusammen. Laut 9to5Google ist Argon in der AI-Studio-Oberfläche und in Android Studio (Canary) allerdings an Ultra gebunden.
• OpenRouter: google/gemini-4-argon, dieselben Preise und ein Kontextfenster von 1 048 576 Token. Darüber habe ich den Test durchgeführt; am 13. Oktober 2026 funktionierte der Zugriff aus Polen problemlos. OpenRouter eignet sich für jedes Tool, das einen OpenRouter-Schlüssel akzeptiert.

Umrechnung der USD-Beträge in ungefähre Euro-Beträge zum ECB-Referenzkurs vom 19. Oktober 2026: 1 EUR = 1,1225 USD. Quelle: EZB-Referenzkurs. Die umgerechneten Beträge sind Schätzungen und keine lokalen Checkout-Preise.

Fazit

Für einzelne Funktionen, Skripte und Korrekturen ist Argon das günstigste Spitzenmodell, das ich bisher getestet habe, und es machte keinen einzigen Fehler. Für längere Agentenarbeit in einem Repository und im Terminal sprechen die Benchmarks, auch die unabhängigen, eher für Claude Opus 5.5. Wenn Sie über die API programmieren, lohnt sich ein eigener Test mit Ihrem Code vor dem 30. November, solange Argon nur die Hälfte des späteren Preises kostet. Weitere Werkzeuge finden Sie im Vergleich KI zum Programmieren.

// weiterlesenGemini 4 Argon: Preise, Benchmarks und TestNachrichtenGoogle Gemini 4 Argon: Neues Frontier-Modell vorgestelltNachrichtenGoogle zeigt Gemini 4 Argon: 1 Million Output-Token und KampfpreiseNachrichten