GPT-6 vs Gemini 4 Argon: Een bijna-gelijkspel tussen een model op een prijslijst en een model op een wachtlijst

The closest model pair on the current frontier board is not a pair you can buy. Gemini 4 Argon scores 52.6 on Artificial Analysis's Intelligence Index v4.3.2. GPT-6 Astra, Ope​nAI's flagship, scores 52.7. That is a one-tenth-of-a-point gap across ten evaluations, and both figures come from the same revision of the same suite. It is the tightest top-of-table pairing in the set.

There is a symmetry in that number and none at all in availability. Goo​gle announced Gemini 4 Argon on 30 September 2026, at a stated introductory price of $2.00 per million input tokens and $10.00 per million output, rolling out first to a named cohort of cyber defenders through a program Goo​gle calls Fairwind. It has no published API model identifier, no general-availability date, and no endpoint a customer can call today. GPT-6 Astra has been purchasable since 3 September 2026, and as of 7 October 2026 the GPT-6 family is also what ChatGPT routes more than 1.2 billion weekly users to — with GPT-6 Sol, not Astra, powering the paid tiers of that rollout.

De vergelijking is dus reëel, maar asymmetrisch op een manier die verandert hoe je die moet lezen. De cijfers van Argon beschrijven een model in een gecontroleerde uitrol. Die van GPT-6 beschrijven een product met een tariefkaart. Alles hieronder geldt onder de voorwaarde "als je het zou kunnen kopen", en niets hieronder beantwoordt de vraag "moet je overstappen", want er is nog niets om naar over te stappen.

Wat is er eigenlijk bekend over de tegenhanger die bestaat?

Begin met de kant die bestaat, want de vergelijking heeft slechts één bruikbare helft. GPT-6 wordt uitgebracht in drie niveaus, en slechts twee daarvan zijn hier van belang:

• GPT-6 Astra — the flagship, model id gpt-6-astra, released 3 September 2026, 1,050,000-token context, 128,000-token output, text/image/file input, effort from low through max, $10.00 per million input and $50.00 output, repricing to $20.00/$75.00 for the whole request above 272,000 input tokens
• GPT-6 Sol — the mid tier, released 22 September 2026, same context and output ceilings, $2.00/$10.00 with the $4.00/$15.00 long-context step, and the model Ope​nAI put under ChatGPT Plus, Pro, Business and Enterprise on 7 October 2026
• GPT-6 Luna — the budget tier at $0.10/$0.50, serving ChatGPT Free and Go

Argon's side of that list is one line long. Goo​gle's announcement gave an introductory price, a capability framing — real-world coding, enterprise knowledge work and cyber defense — and a rollout plan. It did not give a model string, a context window, a maximum output, a cached-input rate, a deprecation schedule or a date for wider access. The absence of a model identifier is the practical one: any code sample you see online quoting a Gemini 4 Argon model string is guessing, because there is no string to quote.

De enige volledig vergelijkbare meting, en wat die verbergt

Eén meter laat je Argon vergelijken met een GPT-6-model zonder dat er een "if" aan vastzit, omdat Artificial Analysis beide heeft gedraaid: de kosten van het produceren van een afgerond antwoord op de evaluatiesuite.

• Kosten per voltooide indextaak — Gemini 4 Argon $1,99 vs GPT-6 Astra $3,26, een verschil van 1,6× in het voordeel van Argon
• Gegenereerde outputtokens over de hele suite — Gemini 4 Argon 112,8 mln vs GPT-6 Astra 108,8 mln, vrijwel gelijk
• Intelligentie-index, v4.3.2 — Gemini 4 Argon 52,6 vs GPT-6 Astra 52,7, een nek-aan-nekrace
• Opgegeven prijs — $2,00 in en $10,00 uit per 1 mln op Argon, als introductietarief vs Astra's vaste tarief van $10,00/$50,00
• Contextvenster — GPT-6 Astra 1.050.000 tokens vs Argon: niet gepubliceerd

Lees die eerste regel nog eens, want het is de enige verrassing op deze pagina. De tarieven die Argon vooropstelt, zijn een vijfde van die van Astra, en de kosten per taak in dezelfde suite liggen 39% lager. Een model dat hetzelfde scoort als het vlaggenschip, tegen een vijfde van het invoertarief, zou het verhaal van het kwartaal zijn als je het zo zou kunnen noemen.

De tweede regel is de reden dat de eerste regel minder dramatisch is dan hij lijkt, en hij snijdt in de tegenovergestelde richting van het gebruikelijke argument over breedsprakigheid. Argon en Astra genereerden bijna exact hetzelfde aantal tokens om bijna exact dezelfde score te behalen. Er is geen verschil in breedsprakigheid dat het kostenverschil verklaart — het verschil van $1,27 komt van de tariefkaart, niet doordat één model breedsprakig is. Dat maakt het een zuiverdere vergelijking dan de meeste in deze batch, en het maakt de ontbrekende beschikbaarheid het enige dat een rechttoe rechtaan aanbeveling voor Argon in de weg staat.

Goo​gle's own table is not the independent one

Goo​gle published a launch table for Argon comparing it against GPT-6 Astra across nineteen benchmarks. If you read that table alone, Argon wins fourteen, Astra wins four, and one is a tie. That is a striking result and it should be handled carefully: every number in it comes from Goo​gle, selected and ordered by Goo​gle, and none of it has been independently reproduced. It is Goo​gle's case for Argon, which is what a launch table is for, and it belongs in a comparison as a labelled vendor claim rather than as evidence.

Set it against the independent run and the picture changes character. On Artificial Analysis's suite the two are level at 52.6 and 52.7 — a much smaller advantage than a 14-to-4 sweep implies, on a suite neither vendor assembled. The honest summary is that Argon is plausibly Astra's equal and possibly its better on software engineering, that the vendor's own table imagines a wider gap than the independent one finds, and that until someone outside Goo​gle runs it on something other than Goo​gle's tasks, none of it settles.

Waarom een nog niet uitgebracht model toch een sectie waard is

Because Goo​gle's rollout pattern is itself information, and it points at where the next Pro-tier release is going. Goo​gle spent 2026 shipping Flash-tier models — the 3.5, 3.6 and 3.8 Flash line, the Lite variants, a cybersecurity-tuned 3.8 Flash — while the Pro tier sat on Gemini 3.1 Pro Preview, a model that has been in preview since February 2026 with no general-availability commitment and no shutdown date. Argon is the first movement at the top of the line in seven months, and it went out first to defenders rather than to developers.

That sequencing is a coherent choice — cybersecurity is the workload where a frontier model with agentic tool use and long-horizon autonomy has the clearest, most measurable value, and it is also the workload where a vendor wants a controlled cohort before general release. It is not evidence that the model is unready. It is evidence that Goo​gle is treating general availability as a later decision rather than a launch-day one, which is exactly what the missing model identifier and the missing date say in a different way.

Voor een bouwer is de consequentie simpel: je kunt niet om Argon heen plannen. Je kunt wel om GPT-6 Astra of GPT-6 Sol heen plannen, omdat beide identifiers, endpoints, tariefkaarten en een leverancier hebben die al een uitfaseringsbeleid voor de lijn heeft gepubliceerd. Een model zonder identifier is een model waarvoor je geen adapter kunt schrijven.

Wat zou deze vergelijking veranderen?

Three things, and any one of them turns the article above into a settled question. The first is a model identifier — a real string served from Goo​gle's API, because that is the point at which an adapter becomes writable and an integration estimate becomes meaningful. The second is a general-availability date, which is what distinguishes a preview from a product and is the one date Argon's announcement omitted entirely. The third is independent benchmarking on tasks Goo​gle did not choose; a suite assembled by the vendor is a claim, and a suite assembled by someone else is a measurement.

Until all three exist, Argon's role in a comparison is as a ceiling rather than as an option. Its numbers tell you where the Gemini Pro tier is heading and give you a sense of how much price room Goo​gle has at the top of the line. They do not tell you what to build on.

Wat te doen terwijl Argon wacht

Als de reden dat je hier bent is dat Argons cijfers er goed uitzien, is de nuttige stap om dezelfde klasse van workloads te testen tegen het model dat je vandaag daadwerkelijk kunt aanroepen, en voor software-engineering en agentisch werk met een lange horizon betekent dat GPT-6 Astra. Het staat in de catalogus van OrcaRouter volgens Googles eigen patroon van pass-through-prijzen — de $10,00/$50,00 van de leverancier met het long-contexttarief van $20,00/$75,00, tegen 0% opslag, zodat een tariefwijziging van de leverancier je dezelfde dag bereikt in plaats van bij de volgende factureringscyclus. GPT-6 Sol voor $2,00/$10,00 staat er ook, en voor de meeste workloads is het de betere keuze: het scoort 47,6 tegenover de 52,7 van Astra, en het kost ongeveer een derde per voltooide taak.

De routinglaag is wat het uitrolschema van een leverancier overleefbaar maakt. Wanneer Argon eenmaal een identificatie krijgt, hoeft het geen migratieproject te worden: een routeringsregel kan een deel van je verkeer erheen sturen, of de model-fusion-configuratie gebruiken om een panel te draaien en antwoorden te vergelijken, terwijl GPT-6 Astra of Sol erachter de standaard blijft. Automatische failover dekt het geval dat hier het belangrijkst is — een model in een gecontroleerde uitrol is precies het soort route waarvan de snelheid zonder waarschuwing kan worden beperkt of dat kan worden stopgezet, en een fallbackpad betekent dat dat een trage aanvraag wordt in plaats van een storing.

Wat je vooral niet moet doen, is een migratieplan opzetten rond een lanceringsschema voor een model zonder endpoint. Het verschil met GPT-6 Astra is een tiende van een punt en het prijsverschil is reëel, maar geen van beide is het waard om een integratie te herbouwen voor iets waarnaar je geen request kunt sturen.