
GPT-6.2 Astra vs Gemini 4 Argon: uma diferença que você ainda não pode comprar
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 184 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 727 tok/s
- AlibabaNOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 407 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
GPT-6.2 Astra e Gemini 4 Argon aparecem juntos em três painéis independentes, e nos três o mesmo modelo vence por uma margem maior que o ruído entre execuções. No Hospital-bench, a avaliação agêntica de administração com vinte modelos publicada em 20 de novembro de 2026, GPT-6.2 Astra obtém 62,4% de média com uma taxa de aprovação completa de 29,2%, contra Gemini 4 Argon com 46,9% e 16,7%. No Blueprint-Bench 2, a diferença é de 0,614 para 0,544. No Artificial Analysis Intelligence Index, é de 62,1 para 52,56 com esforço máximo equiparado. Isso representa uma vantagem de quinze pontos no índice, aproximadamente oito conclusões de tarefas sem erros contra catorze, e não está em disputa.
O que está em disputa é se a comparação descreve uma escolha. A OpenAI lançou o GPT-6.2 Astra em 17 de novembro de 2026, a US$ 8 por milhão de tokens de entrada e US$ 40 por milhão de tokens de saída. O Google anunciou o Gemini 4 Argon em 30 de setembro de 2026 e não o lançou: não há identificador de modelo, nem endpoint da API do Gemini, nem cota de autoatendimento, nem data de disponibilidade geral, e o acesso se dá pelo Fairwind Program, e não por uma página de cadastro. O preço que de fato existe — US$ 2,00 e US$ 10,00 por milhão — é uma tabela de tarifas, não uma fatura que alguém fora do programa esteja pagando. Portanto, a forma honesta de enquadrar este confronto não é qual modelo adotar como padrão. É que um dos dois é uma opção e o outro é uma entrada de benchmark, e a lacuna de quinze pontos diz o que você está esperando, não o que comprar.
O que cada modelo realmente é
O GPT-6.2 Astra é o carro-chefe da OpenAI para trabalho profissional de longo horizonte, com uma janela de contexto de 1.050.000 tokens, 128.000 tokens de saída máxima e entrada multimodal em texto, imagens e arquivos. O raciocínio está sempre ativado, com esforço configurável de low até max, e o modelo fala tanto o formato chat-completions quanto a API Responses nativa, incluindo o modo em segundo plano. É o terceiro modelo da linha GPT-6 a ocupar o topo do catálogo da OpenAI, e as duas coisas que mudaram em relação ao GPT-6 Astra são as que importam operacionalmente: um corte de 20% nas duas direções do medidor e um corte de 60% na entrada em cache, de US$ 1,00 para US$ 0,40.
O Gemini 4 Argon é o quarto nível da família Gemini 4 do Google, posicionado abaixo do Pro e acima do Hydrogen, com Neon e Carbon ocupando o meio. O cartão publicado é escasso de uma forma que é, por si só, informativa: contexto de 1M de tokens, entrada de texto e imagem, configuração de alto raciocínio conforme a linha que o Artificial Analysis mede, e aquela tarifa de $2 e $10. Não há teto publicado de tokens de saída, nem superfície documentada de uso de ferramentas, nem documentação de cache de contexto e nem ID de modelo. Compare isso com o Carbon, que a mesma família traz com uma descrição completa cobrindo chamada de função nativa, saídas estruturadas e ambos os caminhos compatíveis com OpenAI e nativos generateContent. O Argon tem um cartão, um preço e uma linha na tabela de classificação. Ainda não tem um produto.
Essa assimetria define a forma de tudo o que vem abaixo. Quando dois modelos estão ambos disponíveis para uso, uma comparação direta é uma decisão de compra. Quando um está disponível e o outro foi anunciado, a comparação é, na verdade, três perguntas sobrepostas: qual é o tamanho da lacuna de capacidade, quão duradoura é a vantagem de preço e o que teria de acontecer para que a segunda pergunta importasse. A última é a interessante, porque a vantagem de preço tem uma data de validade impressa nela.
Três conselhos, uma direção
Ambos os modelos aparecem nas mesmas três avaliações, realizadas por três organizações diferentes, usando três métodos diferentes. A concordância entre elas é a evidência mais forte nesta comparação, e a discordância quanto à magnitude é a segunda mais forte.
• Média do Hospital-bench — GPT-6.2 Astra 62,4% vs Gemini 4 Argon 46,9%, uma diferença de 15,5 pontos
• Passes completos no benchmark hospitalar — Astra 29,2% (14 de 48) vs Argon 16,7% (8 de 48)
• Blueprint-Bench 2 — Astra 0,614 vs Argon 0,544, uma diferença de 0,070 numa escala de 0 a 1
• Índice de Inteligência v5.0.1 — Astra 62,1 vs Argon 52,56, ambos com esforço máximo
• Custo por tarefa do Index — Astra $4.00 vs Argon $1.99, medido na mesma suíte
• Preço de entrada por 1M — Astra $8,00 vs Argon $2,00 até 30 de novembro, $4,00 depois

O resultado do Hospital-bench merece uma linha própria por aquilo que mede. Essa avaliação fornece aos agentes 131 ferramentas em treze sistemas conectados e os coloca diante de quarenta e oito tarefas administrativas em um hospital de 320 leitos — autorizações prévias, solicitações negadas, pedidos de prontuários. É a coisa mais próxima, em qualquer um desses rankings, do trabalho para o qual um agente é de fato contratado, e a lacuna ali é a maior das três, com 15,5 pontos de pontuação média. A coluna de taxa de aprovação é pior para o Argon: oito conclusões limpas contra quatorze, um déficit de 43% em tarefas concluídas integralmente, em um benchmark no qual uma autorização prévia pela metade é uma solicitação negada, e não crédito parcial.
O Blueprint-Bench 2 é a mais estreita das três lacunas, com 0,070, e é aquela em que os dois modelos são mais próximos em natureza — ambos estão reconstruindo grafos de conectividade de plantas baixas a partir de sequências de fotografias, uma tarefa que recompensa mais a consistência de longo horizonte do que o conhecimento de domínio. O Argon chegar a 0,07 de diferença ali, enquanto fica 9,5 pontos atrás no índice geral, é um sinal genuíno sobre onde reside sua força. É também o quadro com a menor participação relevante para humanos, o que vale lembrar antes de citá-lo.
A vantagem de preço tem prazo de validade.
Eis o fato que reorganiza toda a comparação. A tabela de preços do Gemini 4 Argon é de US$ 2,00 de entrada e US$ 10,00 de saída por milhão de tokens até 30 de novembro de 2026. Em 1º de dezembro, passa a US$ 4,00 e US$ 20,00. Isso não é um rumor nem uma projeção: é um cronograma publicado, e é o aspecto mais consequente da economia do Argon, porque o modelo em si não muda nessa data.
Entrada por 1M — Argon $2,00 hoje, $4,00 a partir de 1º de dezembro; Astra $8,00, fixo
• Saída por 1M — Argon $10,00 hoje, $20,00 a partir de 1º de dezembro; Astra $40,00, fixo
• Entrada em cache — Argon $0,10 hoje, $0,20 depois; Astra $0,40, fixo
• Custo medido por tarefa do Index — Argon US$ 1,99 hoje, aproximadamente US$ 3,98 depois; Astra US$ 4,00
• Contexto acima de 272K — a Argon não tem nível de contexto longo publicado; a Astra reprecifica toda a solicitação em $16 e $60
Hoje, o Argon é quatro vezes mais barato por token que o Astra e custa metade do preço por tarefa Index concluída, o que é um desconto significativo para um modelo nove pontos e meio atrás. Depois de 1º de dezembro, ele fica duas vezes mais barato por token e praticamente empatado com o Astra no custo por tarefa Index — e, nesse ponto, o modelo mais barato por tarefa também é o que tem pontuação menor, e o argumento de custo deixa de ter qualquer efeito.
Dois mecanismos fazem até a vantagem atual parecer menor do que é. O primeiro é que o penhasco de contexto longo da Astra é real e o da Argon não é documentado: acima de 272.000 tokens de prompt, a Astra reajusta o preço da solicitação inteira para US$ 16 de entrada e US$ 60 de saída. Uma execução de agente de 300 mil tokens na Astra custa US$ 4,80 de entrada antes de o modelo escrever um token, contra US$ 2,17 um instante antes, em 271.999. Se suas cargas de trabalho forem agênticas e longas, esse penhasco pode apagar a vantagem de 4x em tokens em uma única solicitação — e, se não forem, você nunca iria usar a janela de 1,05 milhão pela qual está pagando.
O segundo é que o preço de um token não é o custo de uma tarefa. O Artificial Analysis mede os dois modelos na mesma suíte de avaliação e reporta US$ 1,99 para o Argon contra US$ 4,00 para o Astra, o que é uma proporção de dois para um, e não de quatro para um como a tabela de preços sugere. O Argon consome mais tokens para chegar à resposta, ou usa mais turnos, ou ambos. Essa é a forma normal de um modelo mais barato, e significa que a conta por tarefa é o único número que vale a pena usar como base de orçamento.
Do que são feitos os quinze pontos
Uma diferença de 9,5 pontos no índice com esforço máximo equivalente é um número grande, e vale a pena especificar de onde ela vem em vez de tratar o índice como um veredito único. O Intelligence Index da Artificial Analysis é uma média de nove avaliações, e os dois modelos não falham nas mesmas. A vantagem da Astra concentra-se nos componentes agênticos e de horizonte longo — o mesmo lugar em que o Hospital-bench a coloca — e diminui em tarefas individuais de conhecimento e raciocínio nas quais o Argon é competitivo.
Esse padrão é consistente com a forma como os dois modelos são construídos. O Astra é um modelo de raciocínio com pensamento sempre ativo e esforço configurável até o máximo, e a configuração de esforço é a maior alavanca tanto na pontuação quanto no custo. A linha publicada do Argon é sua configuração de raciocínio alto, que é o ajuste que o Google posiciona como ponto de equilíbrio, e não como teto; não há degrau xhigh na família. Quando você compara "o melhor que cada modelo pode fazer", está comparando o Astra no máximo com o Argon um nível abaixo, e a diferença reflete isso tanto quanto reflete as arquiteturas.
Há uma ressalva real do outro lado, e ela pesa contra a Astra. Um modelo que raciocina por mais tempo é um modelo que custa mais por tarefa, mesmo com o mesmo preço por token, e os 20,2 minutos da Astra por tarefa do Intelligence Index ficam bem acima da mediana da suíte. A vantagem de quinze pontos é obtida ao custo de tempo real e também de dinheiro, e, para um produto sensível à latência — um agente voltado ao cliente, um loop de triagem de suporte —, a comparação útil é Astra com esforço médio contra Argon com esforço alto, em que a diferença é consideravelmente menor que 9,5 pontos e o quadro de custos muda junto.
Aquele que é chamável
Tudo isso remete à disponibilidade, porque é a dimensão pela qual esta comparação é de fato decidida hoje. Em 20 de novembro de 2026, o GPT-6.2 Astra não está no catálogo do OrcaRouter — os modelos OpenAI que roteamos são o GPT-6 Astra, com 46,7% no Hospital-bench, e a linha GPT-6 Sol, em que o GPT-6.2 Sol registra 57,6% e 25,0%. O Gemini 4 Argon também não é roteável aqui, pelo motivo mais simples de que o Google não publicou nenhum identificador para o qual rotear.
Isso deixa os dois lados deste confronto fora de alcance no nosso próprio endpoint, o que é um lugar incomum para um artigo de comparativo terminar — e vale dizer sem rodeios. O que está disponível hoje é a geração anterior dos dois lados: GPT-6 Astra e GPT-6.2 Sol da OpenAI, Gemini 4 Carbon e Gemini 4 Neon do Google. Todos os quatro são cobrados pelo preço de tabela do provedor, sem nenhuma margem repassada, então um corte de preço do fornecedor chega à sua tarifa no mesmo dia, e não na próxima renovação de contrato. O failover automático entre provedores significa que um limite de taxa em um modelo não paralisa um lote, e a DSL de roteamento permite fixar uma classe de tarefa a um modelo sem reescrever a integração.
• O que você pode chamar agora — GPT-6 Astra, GPT-6.2 Sol, Gemini 4 Carbon, Gemini 4 Neon
• O que você não pode — GPT-6.2 Astra (não está no nosso catálogo em 20 de novembro), Gemini 4 Argon (nenhum ID de modelo publicado em lugar algum)
• Quanto vale a diferença — 15,5 pontos no Hospital-bench, 9,5 no Intelligence Index, 0,070 no Blueprint-Bench 2
• Quanto custa trocar mais tarde — uma string de modelo, depois que um identificador existir

A recomendação prática decorre das datas, e não das pontuações. Se você precisa de um modelo OpenAI de fronteira para trabalho administrativo agêntico neste mês, o GPT-6.2 Sol é o que mais se aproxima, no nosso catálogo, do topo da tabela Hospital-bench e é a mais barata das duas opções OpenAI, quatro vezes mais barata por token. Se você precisa de um modelo Google, Carbon e Neon estão ambos disponíveis e ambos superam o índice do Argon em algumas subavaliações. Nenhum deles é o modelo sobre o qual este artigo trata nominalmente, e fingir o contrário seria o tipo de coisa que lê bem e encaminha mal.
O que mudaria essa leitura?
Três desenvolvimentos mudariam a resposta, e o primeiro é o lançamento do Gemini 4 Argon. Um identificador de modelo publicado, um endpoint de autoatendimento e uma superfície documentada de uso de ferramentas converteriam isto de uma comparação de um produto com uma tabela de preços em uma decisão de compra — e também resolveriam se a linha de índice 52,56 sobrevive ao contato com uma API real, já que todos os números do Argon em circulação vêm de uma configuração que quase ninguém consegue executar.
O segundo é 1º de dezembro de 2026. A duplicação do rate card é o maior evento econômico isolado nesta comparação e ocorre em uma data conhecida. Se o custo por tarefa da Argon ficar perto de US$ 4,00, como a aritmética sugere, o modelo fica empatado com a Astra no custo por Index task concluída, embora esteja 9,5 pontos atrás, e o argumento a seu favor se reduz a especificidades — as tarefas em que é competitivo, as cargas de trabalho em que seu gasto com tokens é menor, as equipes já dentro do Fairwind Program. Se o custo medido ficar abaixo da projeção, a posição de barato e ligeiramente pior é durável, e isto se torna uma verdadeira disputa entre dois concorrentes no preço.
O terceiro é uma segunda execução do Hospital-bench. A publicação de 20 de novembro é uma única campanha, sem página de metodologia, sem conjunto de tarefas e sem registros de execução, e uma diferença de quinze pontos em quarenta e oito tarefas é um resultado forte que merece uma segunda medição antes que alguém o adote como padrão. A comparação geracional dentro dessa tabela é a parte com menor probabilidade de mudar: GPT-6.2 Astra com 62,4% contra GPT-6 Astra com 46,7%, com conclusões limpas passando de 8,3% para 29,2%, é um salto grande o suficiente para sobreviver ao ruído.
Então, os quinze pontos são reais, a vantagem de preço é temporária e a comparação ainda não é uma escolha. O GPT-6.2 Astra é o melhor modelo em todos os rankings em que os dois aparecem juntos, por uma margem que é maior na avaliação mais próxima do trabalho real de agentes, e é o único dos dois que você pode realmente invocar hoje. O Gemini 4 Argon é uma tabela de tarifas com uma linha numa tabela de classificação e uma data de validade na sua única vantagem. Compre o primeiro, observe o segundo e releia isto em 1 de dezembro, quando a aritmética mudar sem que nenhum dos modelos se mova.

Comparados neste artigo2
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
