GPT-6 vs Gemini 4 Argon: Nyaris Seri Antara Model di Daftar Harga dan Model di Daftar Tunggu

Pasangan model terdekat di papan frontier saat ini bukanlah pasangan yang bisa Anda beli. Gemini 4 Argon mencetak 52,6 pada Indeks Kecerdasan v4.3.2 Artificial Analysis. GPT-6 Astra, andalan Ope​nAI, mencetak 52,7. Itu adalah selisih sepersepuluh poin di sepuluh evaluasi, dan kedua angka berasal dari revisi yang sama pada rangkaian yang sama. Ini adalah pasangan puncak tabel yang paling ketat dalam kumpulan ini.

Ada simetri pada angka itu dan sama sekali tidak ada pada ketersediaannya. Goo​gle mengumumkan Gemini 4 Argon pada 30 September 2026, dengan harga perkenalan yang dinyatakan sebesar $2.00 per juta token masukan dan $10.00 per juta keluaran, diluncurkan pertama kali kepada kohort bernama para pembela siber melalui program yang Goo​gle sebut Fairwind. Model ini tidak memiliki pengenal model API yang dipublikasikan, tidak ada tanggal ketersediaan umum, dan tidak ada endpoint yang dapat dipanggil pelanggan hari ini. GPT-6 Astra telah dapat dibeli sejak 3 September 2026, dan per 7 Oktober 2026 keluarga GPT-6 juga menjadi tujuan ChatGPT merutekan lebih dari 1,2 miliar pengguna mingguan — dengan GPT-6 Sol, bukan Astra, yang menenagai tier berbayar dari peluncuran tersebut.

Jadi, perbandingan itu nyata tetapi tidak konsisten dengan cara yang mengubah cara membacanya. Angka-angka Argon menggambarkan sebuah model dalam sebuah dokumen. Angka-angka GPT-4 menggambarkan sebuah produk dengan daftar tarif. Semua yang di bawah ini berlaku dengan syarat "jika Anda bisa membelinya", dan semua yang di bawah ini menjawab "haruskah Anda beralih" — tidak, belum ada yang bisa menjadi tujuan untuk beralih.

Apa yang sebenarnya diketahui tentang mitra yang ada?

Mulai dari sisi yang sudah ada, karena perbandingan ini hanya punya satu bagian yang bisa ditindaklanjuti. GPT-6 hadir dalam tiga tier, dan hanya dua di antaranya yang penting di sini:

• GPT-6 Astra — model andalan, ID model gpt-6-astra, dirilis 3 September 2026, konteks 1.050.000 token, output 128.000 token, input teks/gambar/file, tingkat upaya dari low hingga max, $10.00 per juta input dan $50.00 output, harga berubah menjadi $20.00/$75.00 untuk seluruh permintaan di atas 272.000 token input
• GPT-6 Sol — tier menengah, dirilis 22 September 2026, batas konteks dan output yang sama, $2.00/$10.00 dengan tingkat konteks panjang $4.00/$15.00, dan model yang OpenAI tempatkan di bawah ChatGPT Plus, Pro, Business, dan Enterprise pada 7 Oktober 2026
• GPT-6 Luna — tier hemat dengan $0.10/$0.50, melayani ChatGPT Free dan Go

Bagian Argon dalam daftar itu hanya satu baris. Pengumuman Goo​gle memberikan harga perkenalan, kerangka kemampuan — pengkodean dunia nyata, pekerjaan pengetahuan perusahaan, dan pertahanan siber — serta rencana peluncuran. Itu tidak memberikan string model, jendela konteks, output maksimum, tarif input yang di-cache, jadwal penghentian, atau tanggal untuk akses yang lebih luas. Tidak adanya pengidentifikasi model adalah hal yang praktis: setiap contoh kode yang Anda lihat online yang mengutip string model Gemini 4 Argon hanyalah tebakan, karena tidak ada string untuk dikutip.

Satu-satunya ukuran yang sepenuhnya dapat dibandingkan, dan apa yang disembunyikannya

Satu metrik memungkinkan Anda membandingkan Argon dengan model GPT-6 tanpa embel-embel "jika", karena Artificial Analysis menguji keduanya: biaya untuk menghasilkan jawaban akhir pada rangkaian evaluasi.

• Biaya per tugas indeks yang diselesaikan — Gemini 4 Argon $1,99 vs GPT-6 Astra $3,26, selisih 1,6× yang condong ke Argon
• Token output yang dihasilkan di seluruh suite — Gemini 4 Argon 112,8M vs GPT-6 Astra 108,8M, praktis setara
• Indeks Kecerdasan, v4.3.2 — Gemini 4 Argon 52,6 vs GPT-6 Astra 52,7, seri ketat
• Harga yang tertera — $2,00 masuk dan $10,00 keluar per 1 juta pada Argon, sebagai tarif pengenalan vs tarif tetap Astra $10,00/$50,00
• Jendela konteks — GPT-6 Astra 1.050.000 token vs milik Argon yang tidak dipublikasikan

Baca lagi baris pertama itu, karena itulah satu-satunya kejutan di halaman ini. Tarif utama Argon hanya seperlima tarif Astra, dan biaya per tugasnya pada suite yang sama 39% lebih rendah. Model yang mencetak skor sama dengan model unggulan, dengan tarif input seperlima, akan menjadi berita utama kuartal ini jika itu bisa disebut demikian.

Baris kedua adalah alasan mengapa baris pertama tidak sedramatis yang terlihat, dan hal itu berlawanan arah dengan argumen verbositas yang biasa. Argon dan Astra menulis jumlah token yang hampir persis sama untuk menghasilkan skor yang hampir persis sama. Tidak ada kesenjangan verbositas untuk menjelaskan penyebaran biaya — perbedaan $1,27 berasal dari kartu tarif, bukan dari salah satu model yang bertele-tele. Itu membuat perbandingannya lebih bersih daripada sebagian besar di batch ini, dan menjadikan ketersediaan yang hilang sebagai satu-satunya hal yang menghalangi Argon dari rekomendasi yang lugas.

Tabel milik Google sendiri bukanlah yang independen.

Goo​gle menerbitkan tabel peluncuran untuk Argon yang membandingkannya dengan GPT-6 Astra di sembilan belas benchmark. Jika Anda membaca tabel itu saja, Argon menang empat belas, Astra menang empat, dan satu seri. Itu hasil yang mencolok dan harus ditangani dengan hati-hati: setiap angka di dalamnya berasal dari Goo​gle, dipilih dan diurutkan oleh Goo​gle, dan tidak ada satu pun yang direproduksi secara independen. Itu adalah argumen Goo​gle untuk Argon, yang memang menjadi tujuan tabel peluncuran, dan dalam sebuah perbandingan hal itu sebaiknya ditempatkan sebagai klaim vendor berlabel, bukan sebagai bukti.

Bandingkan dengan uji independen, dan gambaran itu berubah sifat. Pada suite Artificial Analysis, keduanya setara pada 52.6 dan 52.7 — keunggulan yang jauh lebih kecil daripada yang disiratkan oleh kemenangan 14-4, pada suite yang tidak disusun oleh vendor mana pun. Ringkasan yang jujur adalah bahwa Argon mungkin setara dengan Astra dan mungkin lebih baik dalam rekayasa perangkat lunak, bahwa tabel milik vendor sendiri membayangkan selisih yang lebih lebar daripada yang ditemukan oleh pihak independen, dan bahwa sampai seseorang di luar Goo​gle menjalankannya pada sesuatu selain tugas-tugas Goo​gle, tak satu pun dari itu menjadi pasti.

Mengapa model yang belum dirilis tetap layak mendapat satu bagian

Karena pola peluncuran Goo​gle sendiri merupakan informasi, dan itu menunjukkan ke mana rilis tingkat Pro berikutnya akan mengarah. Goo​gle menghabiskan tahun 2026 untuk merilis model tingkat Flash — lini Flash 3.5, 3.6, dan 3.8, varian Lite, Flash 3.8 yang disetel untuk keamanan siber — sementara tingkat Pro tetap bertahan pada Gemini 3.1 Pro Preview, model yang telah dalam pratinjau sejak Februari 2026 tanpa komitmen ketersediaan umum dan tanpa tanggal penghentian. Argon adalah pergerakan pertama di jajaran teratas dalam tujuh bulan, dan ia dirilis lebih dulu kepada para defender, bukan kepada pengembang.

Urutan itu adalah pilihan yang koheren — keamanan siber adalah beban kerja di mana model terdepan dengan penggunaan alat agentik dan otonomi jangka panjang memiliki nilai yang paling jelas dan paling terukur, dan itu juga beban kerja di mana vendor menginginkan akses yang terkendali sebelum rilis umum. Itu adalah bukti bahwa Google memperlakukan ketersediaan umum sebagai keputusan yang lebih belakangan, bukan keputusan pada hari peluncuran, yang persis sama dengan yang disampaikan oleh tidak adanya pengenal model dan tidak adanya tanggal, hanya dengan cara yang berbeda.

Bagi seorang pengembang, konsekuensinya sederhana: Anda tidak dapat merencanakan dengan berpatokan pada Argon. Anda dapat merencanakan dengan berpatokan pada GPT-6 Astra atau GPT-6 Sol, karena keduanya memiliki pengenal, endpoint, kartu tarif, dan vendor yang telah menerbitkan kebijakan pensiun untuk lini produk tersebut. Model tanpa pengenal adalah model yang tidak dapat Anda buatkan adaptornya.

Apa yang akan mengubah perbandingan ini?

Tiga hal, dan salah satu pun dari ketiganya akan membuat artikel di atas menjadi persoalan yang sudah terjawab. Yang pertama adalah pengenal model — string nyata yang dilayani oleh API Google, karena pada titik itulah adaptor menjadi dapat ditulis dan estimasi integrasi menjadi bermakna. Yang kedua adalah tanggal ketersediaan umum, yang membedakan pratinjau dari produk dan merupakan satu-satunya tanggal yang sama sekali tidak disebutkan dalam pengumuman Argon. Yang ketiga adalah pengujian benchmark independen pada tugas-tugas yang tidak dipilih Google; rangkaian yang disusun oleh vendor adalah klaim, dan rangkaian yang disusun oleh pihak lain adalah pengukuran.

Sampai ketiganya ada, peran Argon dalam sebuah perbandingan adalah sebagai batas atas, bukan sebagai pilihan. Angka-angkanya memberi tahu Anda ke arah mana tier Gemini Pro menuju dan memberi Anda gambaran seberapa besar ruang harga yang dimiliki Google di jajaran teratas. Angka-angka itu tidak memberi tahu Anda apa yang harus dibangun di atasnya.

Apa yang harus dilakukan sementara Argon menunggu

Jika alasan Anda berada di sini adalah karena angka-angka Argon terlihat bagus, langkah yang berguna adalah menguji kelas beban kerja yang sama terhadap model yang benar-benar dapat Anda panggil hari ini, dan untuk rekayasa perangkat lunak serta pekerjaan agentic berjangka panjang, itu berarti GPT-6 Astra. Model ini ada di katalog OrcaRouter dengan pola penetapan harga pass-through khas Google — tarif vendor $10.00/$50.00 dengan tier konteks panjang $20.00/$75.00, tanpa markup alias 0%, sehingga perubahan tarif vendor sampai kepada Anda pada hari yang sama, bukan pada siklus penagihan berikutnya. GPT-6 Sol dengan harga $2.00/$10.00 juga tersedia di sana, dan untuk sebagian besar beban kerja, model itu adalah pilihan yang lebih baik: skornya 47,6 berbanding 52,7 milik Astra, dan biayanya sekitar sepertiga per tugas yang diselesaikan.

Lapisan perutean adalah yang membuat jadwal peluncuran vendor dapat bertahan. Ketika Argon benar-benar mendapatkan pengenal, itu tidak harus menjadi proyek migrasi: aturan perutean dapat mengirim sebagian trafik Anda ke sana, atau menggunakan konfigurasi fusi model untuk menjalankan panel dan membandingkan jawaban, sementara GPT-6 Astra atau Sol tetap menjadi default di belakangnya. Failover otomatis menangani kasus yang paling penting di sini — model dalam peluncuran terkendali adalah persis jenis rute yang dapat dibatasi lajunya atau ditarik tanpa peringatan, dan jalur fallback berarti itu menjadi permintaan yang lambat alih-alih gangguan layanan.

Yang tidak boleh dilakukan adalah memulai rencana migrasi berdasarkan tabel peluncuran untuk model tanpa endpoint. Selisih dengan GPT-6 Astra adalah sepersepuluh poin dan perbedaan harganya nyata, tetapi keduanya tidak sepadan untuk membangun ulang integrasi bagi sesuatu yang tidak dapat Anda kirimi permintaan.