GPT-6 vs Gemini 4 Argon: Ett nästan dött lopp mellan en modell på en prislista och en på en väntelista

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.

Så jämförelsen är verklig men asymmetrisk på ett sätt som förändrar hur den bör läsas. Argons siffror beskriver en modell i en kontrollerad utrullning. GPT-6:s beskriver en produkt med en prislista. Allt nedan gäller under villkoret "om du kunde köpa den", och inget nedan svarar på "bör du byta", eftersom det ännu inte finns något att byta till.

Vad är egentligen känt om motsvarigheten som finns?

Börja med den sida som faktiskt finns, för jämförelsen har bara en halva som går att agera på. GPT-6 släpps i tre nivåer, och bara två av dem spelar roll här:

• 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.

Den enda fullt jämförbara mätningen, och vad den döljer

Ett mått låter dig jämföra Argon mot en GPT-6-modell utan något "om" kopplat till det, eftersom Artificial Analysis körde båda: kostnaden för att producera ett färdigt svar i utvärderingssviten.

• Kostnad per slutförd indexuppgift – Gemini 4 Argon $1,99 mot GPT-6 Astra $3,26, en spridning på 1,6× till Argons fördel
• Utdatatokens som genererats i sviten – Gemini 4 Argon 112,8M mot GPT-6 Astra 108,8M, i praktiken jämnt
• Intelligensindex, v4.3.2 – Gemini 4 Argon 52,6 mot GPT-6 Astra 52,7, ett dött lopp
• Angivet pris – $2,00 för in och $10,00 för ut per 1M för Argon, som introduktionspris mot Astras ordinarie taxa $10,00/$50,00
• Kontextfönster – GPT-6 Astra 1 050 000 tokens mot Argon, vars kontextfönster inte har publicerats

Läs den första raden igen, för den är den enda överraskningen på den här sidan. Argons officiella priser är en femtedel av Astras, och kostnaden per uppgift i samma svit är 39 % lägre. En modell som får samma resultat som flaggskeppet, till en femtedel av indatapriset, skulle vara kvartalets stora nyhet om man kunde kalla den det.

Den andra raden är anledningen till att den första raden är mindre dramatisk än den ser ut, och den talar i motsatt riktning mot det vanliga mångordighetsargumentet. Argon och Astra skrev nästan exakt lika många tokens för att producera nästan exakt samma poäng. Det finns ingen mångordighetsklyfta som förklarar kostnadsspridningen — skillnaden på $1.27 kommer från prislistan, inte från att en modell svamlar. Det gör jämförelsen renare än de flesta i den här omgången, och det gör den saknade tillgängligheten till det enda som står mellan Argon och en enkel rekommendation.

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.

Varför en ännu inte släppt modell ändå är värd ett avsnitt

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.

För en byggare är konsekvensen enkel: du kan inte planera kring Argon. Du kan planera kring GPT-6 Astra eller GPT-6 Sol, eftersom båda har identifierare, slutpunkter, prislistor och en leverantör som redan har publicerat en avvecklingspolicy för linjen. En modell utan identifierare är en modell du inte kan skriva en adapter för.

Vad skulle ändra denna jämförelse

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.

Vad man kan göra medan Argon väntar

Om anledningen till att du är här är att Argons siffror ser bra ut, är det användbara draget att testa samma typ av arbetsbelastning mot den modell du faktiskt kan anropa i dag, och för programvaruutveckling och agentiskt arbete över lång horisont betyder det GPT-6 Astra. Den finns i OrcaRouters katalog enligt Googles eget mönster för vidarefakturerad prissättning — leverantörens $10.00/$50.00 med nivån $20.00/$75.00 för lång kontext, med 0 % påslag, så att en ändring i leverantörens pris når dig samma dag i stället för vid nästa faktureringscykel. GPT-6 Sol för $2.00/$10.00 finns också där, och för de flesta arbetsbelastningar är den det bättre köpet: den får 47,6 mot Astras 52,7, och den kostar ungefär en tredjedel per slutförd uppgift.

Det är routningslagret som gör en leverantörs utrullningsschema överlevbart. När Argon väl får en identifierare behöver det inte bli ett migreringsprojekt: en routningsregel kan skicka en del av din trafik till den, eller använda modellfusionskonfigurationen för att köra en panel och jämföra svar, medan GPT-6 Astra eller Sol förblir standardvalet bakom den. Automatisk failover täcker det fall som är viktigast här — en modell i en kontrollerad utrullning är precis den typ av rutt som kan hastighetsbegränsas eller dras tillbaka utan varning, och en reservväg gör att det blir en långsam förfrågan i stället för ett avbrott.

Det man inte ska göra är att inleda en migreringsplan kring en lanseringstabell för en modell utan endpoint. Gapet till GPT-6 Astra är en tiondels poäng och prisskillnaden är verklig, men inget av dem är värt att bygga om en integration för något som man inte kan skicka en förfrågan till.