Kartu judul yang dihasilkan berjudul 'GPT-6.2 Astra vs Gemini 4 Argon' dengan subjudul 'selisih lima belas poin yang belum dapat Anda beli' dan tiga chip bukti bertuliskan 'Intelligence Index: 62.1 vs 52.56', 'Hospital-bench: 62.4% vs 46.9%' dan 'Argon: diumumkan, tanpa ID model', di atas footer yang mencatat GPT-6.2 Astra dirilis 17 November 2026 sementara Gemini 4 Argon diumumkan 30 September 2026 dan tidak memiliki endpoint.
Guides & Insights

GPT-6.2 Astra vs Gemini 4 Argon: Kesenjangan yang Belum Bisa Anda Beli

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

GPT-6.2 Astra dan Gemini 4 Argon muncul bersama di tiga papan peringkat independen, dan di ketiganya model yang sama menang dengan selisih yang lebih besar daripada noise antar-run. Pada Hospital-bench, evaluasi administrasi agentik dua puluh model yang diterbitkan pada 20 November 2026, GPT-6.2 Astra memperoleh rata-rata 62,4% dengan tingkat lolos penuh 29,2%, dibandingkan Gemini 4 Argon pada 46,9% dan 16,7%. Pada Blueprint-Bench 2, selisihnya adalah 0,614 berbanding 0,544. Pada Artificial Analysis Intelligence Index, angkanya 62,1 berbanding 52,56 pada upaya maksimum yang disetarakan. Itu adalah keunggulan lima belas poin pada indeks tersebut, sekitar delapan penyelesaian tugas bersih berbanding empat belas, dan hal itu tidak diperdebatkan.

Yang menjadi perselisihan adalah apakah perbandingan tersebut menggambarkan suatu pilihan. OpenAI merilis GPT-6.2 Astra pada 17 November 2026 dengan harga $8 per juta token input dan $40 per juta token output. Google mengumumkan Gemini 4 Argon pada 30 September 2026 dan belum merilisnya: tidak ada pengenal model, tidak ada endpoint API Gemini, tidak ada kuota mandiri, dan tidak ada tanggal ketersediaan umum, serta aksesnya melalui Fairwind Program, bukan halaman pendaftaran. Harga yang ada — $2,00 dan $10,00 per juta — adalah kartu tarif, bukan tagihan yang dibayar siapa pun di luar program. Jadi, kerangka jujur untuk perbandingan ini bukanlah model mana yang harus dijadikan standar. Melainkan bahwa salah satu dari keduanya adalah opsi dan yang lainnya adalah entri tolok ukur, dan selisih lima belas poin memberi tahu Anda apa yang sedang Anda tunggu, bukan apa yang harus dibeli.

Apa sebenarnya masing-masing model

GPT-6.2 Astra adalah model unggulan OpenAI untuk pekerjaan profesional berjangka panjang, dengan jendela konteks 1.050.000 token, keluaran maksimum 128.000 token, dan input multimodal mencakup teks, gambar, dan file. Penalaran selalu aktif dengan tingkat upaya yang dapat dikonfigurasi dari rendah hingga maks, dan model ini mendukung format chat-completions serta API Responses native, termasuk mode latar belakang. Ini adalah model ketiga dalam lini GPT-6 yang menempati posisi teratas dalam kartu OpenAI, dan dua hal yang berubah dari GPT-6 Astra adalah hal-hal yang penting secara operasional: penurunan 20% pada kedua arah meteran, dan penurunan 60% pada input yang di-cache, dari $1,00 menjadi $0,40.

Gemini 4 Argon adalah tingkat keempat dari keluarga Gemini 4 milik Google, diposisikan di bawah Pro dan di atas Hydrogen, dengan Neon dan Carbon menempati posisi tengah. Kartu yang diterbitkan tipis dengan cara yang justru informatif: konteks 1M token, input teks dan gambar, konfigurasi penalaran tinggi sebagaimana yang diukur oleh baris Artificial Analysis, serta tarif $2 dan $10 tersebut. Tidak ada batas maksimum token output yang diterbitkan, tidak ada permukaan penggunaan alat yang didokumentasikan, tidak ada dokumentasi caching konteks, dan tidak ada ID model. Bandingkan dengan Carbon, yang dikirim oleh keluarga yang sama dengan deskripsi lengkap mencakup pemanggilan fungsi native, output terstruktur, dan jalur generateContent yang kompatibel dengan OpenAI maupun native. Argon memiliki kartu, harga, dan baris papan peringkat. Argon belum memiliki produk.

Asimetri itu menentukan bentuk dari semua yang ada di bawah ini. Ketika kedua model sama-sama dapat dipanggil, perbandingan langsung adalah keputusan pembelian. Ketika satu dapat dipanggil dan yang lain baru diumumkan, perbandingannya sebenarnya adalah tiga pertanyaan yang bertumpuk: seberapa besar kesenjangan kemampuan, seberapa tahan lama keunggulan harga, dan apa yang harus terjadi agar pertanyaan kedua menjadi relevan. Pertanyaan terakhir adalah yang menarik, karena keunggulan harga itu memiliki tanggal kedaluwarsa yang tercetak di atasnya.

Tiga papan, satu arah

Kedua model muncul dalam tiga evaluasi yang sama, yang dijalankan oleh tiga organisasi berbeda, dengan menggunakan tiga metode berbeda. Kesepakatan di antara ketiganya adalah bukti terkuat dalam perbandingan ini, dan ketidaksepakatan tentang besaran menjadi bukti terkuat kedua.

• Rata-rata Hospital-bench — GPT-6.2 Astra 62,4% vs Gemini 4 Argon 46,9%, selisih 15,5 poin

• Lolos penuh tolok ukur rumah sakit — Astra 29,2% (14 dari 48) vs Argon 16,7% (8 dari 48)

• Blueprint-Bench 2 — Astra 0,614 vs Argon 0,544, selisih 0,070 pada skala 0 sampai 1

• Intelligence Index v5.0.1 — Astra 62,1 vs Argon 52,56, keduanya dengan upaya maksimal

• Biaya per tugas Index — Astra $4.00 vs Argon $1.99, diukur pada rangkaian yang identik

• Harga input per 1 juta — Astra $8,00 vs Argon $2,00 hingga 30 November, $4,00 setelahnya

A generated three-row comparison card titled 'Three boards, one direction', with row one reading 'Hospital-bench 62.4% vs 46.9%', row two 'Blueprint-Bench 2 0.614 vs 0.544' and row three 'Intelligence Index v5.0.1 62.1 vs 52.56', column headers 'GPT-6.2 Astra' and 'Gemini 4 Argon', and the footer 'Three independent evaluators, three different methods'.

Hasil Hospital-bench layak mendapat barisnya sendiri karena apa yang diukurnya. Evaluasi itu memberi agen 131 alat di tiga belas sistem terhubung dan menugaskan mereka pada empat puluh delapan tugas administratif di rumah sakit berkapasitas 320 tempat tidur — otorisasi sebelumnya, klaim yang ditolak, permintaan rekam medis. Ini adalah hal yang paling mendekati, di antara semua papan evaluasi ini, pekerjaan yang benar-benar dipekerjakan untuk dilakukan agen, dan kesenjangannya di sana adalah yang paling lebar dari ketiganya pada 15,5 poin skor rata-rata. Kolom tingkat kelulusan lebih buruk bagi Argon: delapan penyelesaian bersih berbanding empat belas, kekurangan 43% dalam tugas yang diselesaikan sepenuhnya, pada tolok ukur di mana otorisasi sebelumnya yang setengah selesai adalah klaim yang ditolak, bukan kredit parsial.

Blueprint-Bench 2 adalah celah tersempit di antara ketiga celah pada 0,070, dan di sinilah kedua model paling mirip dalam hal jenisnya — keduanya merekonstruksi grafik konektivitas denah lantai dari rangkaian foto, tugas yang lebih menghargai konsistensi jangka panjang daripada pengetahuan domain. Argon yang mendekat hingga selisih 0,07 di sana sementara tertinggal 9,5 poin pada indeks umum adalah sinyal nyata tentang di mana kekuatannya berada. Ini juga papan dengan taruhan paling kecil yang relevan bagi manusia, yang layak diingat sebelum mengutipnya.

Keunggulan harga itu ada tanggal kedaluwarsanya.

Inilah fakta yang menata ulang seluruh perbandingan. Kartu tarif Gemini 4 Argon adalah $2.00 untuk input dan $10.00 untuk output per juta token hingga 30 November 2026. Pada 1 Desember, tarifnya menjadi $4.00 dan $20.00. Itu bukan rumor atau proyeksi: itu adalah jadwal yang telah dipublikasikan, dan itu adalah hal yang paling berdampak pada ekonomi Argon karena model itu sendiri tidak berubah pada tanggal tersebut.

• Input per 1 juta — Argon $2,00 hari ini, $4,00 mulai 1 Desember; Astra $8,00, tetap

• Output per 1M — Argon $10.00 hari ini, $20.00 mulai 1 Desember; Astra $40.00, tetap

• Input cache — Argon $0.10 hari ini, $0.20 setelahnya; Astra $0.40, tetap

• Biaya {{1}}terukur{{/1}} per tugas {{2}}Index{{/2}} — {{3}}Argon{{/3}} $1.99 hari ini, sekitar $3.98 setelahnya; {{4}}Astra{{/4}} $4.00

• Konteks di atas 272K — Argon tidak memiliki tingkat konteks panjang yang dipublikasikan; Astra menetapkan ulang harga seluruh permintaan sebesar $16 dan $60

Saat ini Argon empat kali lebih murah per token daripada Astra dan setengah harga per tugas Index yang diselesaikan, yang merupakan diskon berarti bagi model yang tertinggal sembilan setengah poin. Setelah 1 Desember, harganya dua kali lebih murah per token dan kurang lebih setara dengan Astra dalam hal biaya per tugas Index — pada titik itu, model yang lebih murah per tugas juga merupakan model yang skornya lebih rendah, dan argumen biaya tidak lagi berperan sama sekali.

Dua mekanisme membuat bahkan keunggulan saat ini tampak lebih kecil daripada yang sebenarnya. Yang pertama adalah jurang konteks panjang Astra itu nyata, sedangkan milik Argon tidak terdokumentasi: di atas 272.000 token prompt, Astra menetapkan ulang harga seluruh permintaan menjadi $16 untuk input dan $60 untuk output. Satu kali eksekusi agen 300K token di Astra memakan biaya $4,80 untuk input sebelum model menulis satu token pun, dibandingkan $2,17 sesaat sebelumnya pada 271.999. Jika beban kerja Anda bersifat agentic dan panjang, jurang itu dapat menghapus keunggulan 4x token dalam satu permintaan — dan jika tidak, Anda tidak akan pernah menggunakan jendela 1,05M yang Anda bayar.

Yang kedua adalah bahwa harga token bukanlah biaya tugas. Artificial Analysis mengukur kedua model pada rangkaian evaluasi yang identik dan melaporkan $1.99 untuk Argon versus $4.00 untuk Astra, yang merupakan rasio dua banding satu, bukan empat banding satu seperti yang tersirat oleh daftar tarif. Argon menghabiskan lebih banyak token untuk mencapai jawabannya, atau memerlukan lebih banyak putaran, atau keduanya. Itulah bentuk normal dari model yang lebih murah, dan itu berarti tagihan per tugas adalah satu-satunya angka yang layak dijadikan dasar anggaran.

Lima belas poin itu terbuat dari apa

Selisih indeks 9,5 poin pada upaya maksimum yang disetarakan adalah angka yang besar, dan ada baiknya kita spesifik tentang dari mana asalnya alih-alih memperlakukan indeks tersebut sebagai satu putusan tunggal. Intelligence Index dari Artificial Analysis adalah rata-rata dari sembilan evaluasi, dan kedua model tidak gagal pada evaluasi yang sama. Keunggulan Astra terkonsentrasi pada komponen agentic dan berhorizon panjang — tempat yang sama yang ditunjukkan Hospital-bench — dan menyempit pada tugas pengetahuan dan penalaran individual ketika Argon kompetitif.

Pola itu konsisten dengan cara kedua model dibangun. Astra adalah model penalaran dengan pemikiran yang selalu aktif dan upaya yang dapat dikonfigurasi hingga max, dan pengaturan upaya adalah tuas terbesar tunggal terhadap skor sekaligus biayanya. Baris publik Argon adalah konfigurasi penalaran tingginya, yaitu pengaturan yang diposisikan Google sebagai titik keseimbangan, bukan batas atas; tidak ada tingkat xhigh dalam keluarga ini. Saat Anda membandingkan "yang terbaik yang bisa dilakukan masing-masing model," Anda membandingkan Astra pada max dengan Argon satu tingkat di bawahnya, dan selisihnya mencerminkan hal itu sama seperti mencerminkan arsitekturnya.

Ada peringatan nyata di sisi lain, dan itu merugikan Astra. Model yang bernalar lebih lama adalah model yang lebih mahal per tugas bahkan pada harga token yang sama, dan 20,2 menit Astra per tugas Intelligence Index jauh di atas median suite. Keunggulan lima belas poin diperoleh dengan waktu aktual sekaligus uang, dan untuk produk yang sensitif terhadap latensi — agen yang menghadap pelanggan, alur triase dukungan — perbandingan yang berguna adalah Astra pada upaya sedang versus Argon pada upaya tinggi, di mana selisihnya jauh lebih sempit daripada 9,5 poin dan gambaran biayanya ikut berubah.

Yang dapat dipanggil

Semua itu kembali pada ketersediaan, karena itulah dimensi yang benar-benar menentukan perbandingan ini saat ini. Per 20 November 2026, GPT-6.2 Astra tidak ada dalam katalog OrcaRouter — model O​penAI yang kami rutekan adalah GPT-6 Astra, dengan 46,7% pada Hospital-bench, dan lini GPT-6 Sol, di mana GPT-6.2 Sol mencatat 57,6% dan 25,0%. Gemini 4 Argon juga tidak dapat dirutekan di sini, karena alasan yang lebih sederhana, yaitu G​oogle belum menerbitkan pengenal apa pun untuk dirutekan.

Itu membuat kedua sisi perbandingan ini di luar jangkauan di endpoint kami sendiri, yang merupakan tempat tidak biasa bagi artikel versus untuk berakhir dan layak dinyatakan tanpa basa-basi. Yang tersedia hari ini adalah generasi sebelumnya di kedua sisi: GPT-6 Astra dan GPT-6.2 Sol dari O​penAI, Gemini 4 Carbon dan G​emini 4 Neon dari G​oogle. Keempatnya ditagih sebesar harga daftar penyedia tanpa markup yang diteruskan, sehingga pemotongan harga vendor langsung tercermin pada tarif Anda pada hari yang sama, bukan pada perpanjangan kontrak berikutnya. Failover otomatis lintas penyedia berarti batas laju pada satu model tidak menghentikan batch, dan DSL perutean memungkinkan Anda menyematkan kelas tugas ke model tanpa menulis ulang integrasi.

• Yang bisa Anda panggil sekarang — GPT-6 Astra, GPT-6.2 Sol, Gemini 4 Carbon, G​emini 4 Neon

• Apa yang tidak bisa Anda lakukan — GPT-6.2 Astra (tidak ada di katalog kami per 20 November), Gemini 4 Argon (tidak ada ID model yang dipublikasikan di mana pun)

• Berapa nilai kesenjangan itu — 15,5 poin pada Hospital-bench, 9,5 pada Intelligence Index, 0,070 pada Blueprint-Bench 2

• Berapa biaya untuk beralih nanti — satu string model, setelah pengenal tersedia

A generated pricing timeline card titled 'The price advantage has a date on it', with rows reading 'Argon today $2.00 in / $10.00 out per 1M', 'Argon from 1 December 2026 $4.00 in / $20.00 out', 'Astra, flat $8.00 in / $40.00 out' and 'Cost per Index task: Argon $1.99 now, about $3.98 after; Astra $4.00', over a footer noting Argon's pricing is a published schedule and the model itself does not change on 1 December.

Rekomendasi praktisnya mengikuti tanggal, bukan skor. Jika Anda memerlukan model O​penAI frontier untuk pekerjaan administratif agentic bulan ini, GPT-6.2 Sol adalah hal terdekat di katalog kami dengan puncak tabel Hospital-bench dan opsi yang lebih murah di antara dua opsi O​penAI dengan selisih empat kali per token. Jika Anda memerlukan model G​oogle, Carbon dan Neon sama-sama aktif dan keduanya mengalahkan indeks Argon pada beberapa subevaluasi. Tidak satu pun dari keduanya adalah model yang secara nominal menjadi fokus artikel ini, dan berpura-pura sebaliknya adalah jenis hal yang terdengar bagus tetapi buruk dalam perutean.

Apa yang akan mengubah pembacaan ini?

Tiga perkembangan akan mengubah jawabannya, dan yang pertama adalah dirilisnya Gemini 4 Argon. Pengenal model yang dipublikasikan, endpoint swalayan, dan antarmuka penggunaan alat yang terdokumentasi akan mengubah ini dari perbandingan produk terhadap daftar tarif menjadi keputusan pembelian — dan juga akan menuntaskan apakah baris indeks 52,56 bertahan saat diuji dengan API nyata, karena setiap angka Argon yang beredar berasal dari konfigurasi yang hampir tidak bisa dijalankan siapa pun.

Yang kedua adalah 1 Desember 2026. Penggandaan rate card adalah peristiwa ekonomi tunggal terbesar dalam perbandingan ini dan terjadi pada tanggal yang sudah diketahui. Jika biaya per tugas Argon mendekati $4,00 seperti yang ditunjukkan perhitungan, model tersebut setara dengan Astra dalam hal biaya per tugas Index yang diselesaikan tetapi tertinggal 9,5 poin, dan argumen untuknya menyusut menjadi hal-hal spesifik — tugas-tugas tempat ia kompetitif, beban kerja yang pengeluaran tokennya lebih rendah, tim-tim yang sudah berada dalam Fairwind Program. Jika biaya terukur lebih rendah daripada proyeksi, posisi murah-dan-sedikit-lebih-buruk tetap bertahan dan ini menjadi persaingan dua kuda yang sungguhan dalam hal harga.

Yang ketiga adalah eksekusi kedua Hospital-bench. Publikasi 20 November adalah satu kampanye tunggal tanpa halaman metodologi, tanpa kumpulan tugas, dan tanpa log eksekusi, dan selisih lima belas poin pada empat puluh delapan tugas adalah hasil kuat yang layak diukur ulang sebelum ada yang menjadikannya standar. Perbandingan antargenerasi di dalam tabel itu adalah bagian yang paling kecil kemungkinannya berubah: GPT-6.2 Astra pada 62,4% versus GPT-6 Astra pada 46,7%, dengan penyelesaian bersih naik dari 8,3% ke 29,2%, adalah lompatan yang cukup besar untuk bertahan terhadap noise.

Jadi lima belas poin itu nyata, keunggulan harga bersifat sementara, dan perbandingan itu belum menjadi pilihan. GPT-6.2 Astra adalah model yang lebih baik di setiap papan peringkat tempat keduanya muncul bersamaan, dengan selisih terbesar pada evaluasi yang paling dekat dengan pekerjaan agen nyata, dan ia adalah satu-satunya dari keduanya yang benar-benar bisa Anda panggil hari ini. Gemini 4 Argon adalah kartu tarif dengan satu baris papan peringkat dan tanggal kedaluwarsa pada satu-satunya keunggulannya. Beli yang pertama, pantau yang kedua, dan baca ulang ini pada 1 Desember, saat perhitungannya berubah tanpa kedua model bergerak.

The Hospital-bench leaderboard graphic from the 20 November 2026 X thread, headed 'Hospital-bench' with the methodology line about the administrative operations of a 320-bed hospital across 13 connected systems, labelled 'Top 10 of 20 models' with 'Mean score' and 'Pass rate' columns. The two rows this comparison turns on read GPT-6.2 Astra 62.4% / 29.2% at the top and Gemini 4 Argon 46.9% / 16.7% in ninth, with the rest of the field between them.

Dibandingkan dalam artikel ini2

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari