GPT-Rosalind vs Gemini 4 Argon: En grind du kan passera, en som ännu saknar dörr

GPT-Rosalind och Gemini 4 Argon är båda frontiermodeller inriktade på vetenskapligt arbete, båda annonserade som åtkomstbegränsade lanseringar och båda omöjliga att utvärdera på samma sätt som du skulle utvärdera en vanlig modellansering. Skillnaden ligger i vad grinden består av. GPT-Rosalind har kunnat köpas sedan 5 oktober 2026 för 5,00 USD per miljon indatatoken och 25,00 USD per miljon utdatatoken, av alla organisationer som klarar O​penAI:s granskning för betrodd åtkomst – en riktig dörr, med en riktig kö framför den. Gemini 4 Argon, som annonserades den 30 september 2026, har ett resultat, ett introduktionspris och en utrullning i tre steg, och ingen modellidentifierare som du kan skicka en begäran till. Den ena är åtkomstbegränsad. Den andra är beskriven. Åtkomstbegränsade utrullningar och lanseringsdatum som skjuts upp efter publicering loggas med sina datum och källor i AI Incident Archive, bredvid de andra modell- och leverantörsincidenter vi följer.

Testet som skiljer en modell från ett namn

Fyra saker måste vara sanna innan en modell är något som ett team faktiskt kan planera utifrån: det finns en identifierare som du kan anropa, det finns ett pris som du kan faktureras mot, det finns ett dokumenterat kontextfönster och det finns ett datum då allmän åtkomst kommer. Kör båda modellerna genom dessa fyra, och jämförelsen handlar inte längre om förmåga.

• Anropsbar identifierare — GPT-Rosalind: ja, via API:et för godkända organisationer. Gemini 4 Argon: nej. Googles API-modelllista innehåller ingen gemini-4 eller argon-post, och de nyaste identifierarna som dokumentationen känner igen finns i 3.8-familjen.

• Debiterbart pris — GPT-Rosalind: 5,00 / 25,00 USD per miljon, publicerat och gällande sedan 5 oktober. Gemini 4 Argon: 2,00 / 10,00 USD per miljon angivet som introduktionspris för en utrullning som inte har nått betalande kunder.

• Dokumenterad kontext — GPT-Rosalind: 1 miljon tokens. Gemini 4 Argon: Google publicerade ett tak på 1 miljon tokens för utdata, upp från en tidigare gräns på 64K, och publicerade inte inmatningssidan; Artificial Analysis anger 1 miljon för den konfiguration som mättes.

• Datum för allmän åtkomst — GPT-Rosalind: öppen globalt för behöriga organisationer sedan 11 september 2026. Gemini 4 Argon: inget datum för något utrullningsskede efter det första.

Två av fyra för Argon, fyra av fyra för Rosalind. Det är inte en kritik av Argons ingenjörskonst; det är ett konstaterande om vad ett inköpsteam kan skriva under.

Vad Argon faktiskt rullar ut till

Tillkännagivandet, som tillskrivs Koray Kavukcuoglu, beskriver tre faser utan att några varaktigheter anges. Först en namngiven grupp cyberförsvarare genom Fairwind Program. Därefter betalande API-kunder och prenumeranter på G​oogle AI Ultra. Tredje, utvecklare, företag och konsumenter. Endast den första har några observerbara medlemmar, och programmet är uttryckligen en grupp cyberförsvarare – vilket är ett märkligt första hem för en modell vars publicerade styrkor är programvaruutveckling, juridiskt och finansiellt arbete samt vetenskapligt resonemang.

Jämför sekvensen som O​penAI körde. GPT-Rosalind började i april 2026 med en namngiven uppsättning betrodda åtkomstpartner i USA – Amgen, Moderna, Allen Institute, Thermo Fisher – övergick i september till global behörighet för godkända organisationer och publicerade först därefter ett pris. Den åtkomstbegränsade kohorten kom först, sedan den allmänna åtkomstgränsen, sedan fakturan. G​oogle har tagit det första steget och stannat.

Två poäng som inte är samma sorts tal

Det är här de flesta jämförelser går fel, så det är värt att vara rättfram. Siffran som är kopplad till Gemini 4 Argon – 52,56 på Artificial Analysis Intelligence Index, revision v4.3.2 – togs fram av en oberoende utvärderare utifrån ett allmänt sammansatt mått av tio utvärderingar. Det är en verklig mätning av en verklig konfiguration, och det är det enda oberoende tal som någon av modellerna har. Siffrorna som är kopplade till GPT-Rosalind kommer från OpenAIs egen svit för livsvetenskaper, och inget externt laboratorium har reproducerat någon av dem.

• Oberoende sammansatt resultat — Gemini 4 Argon 52,56 på AA v4.3.2, uppmätt vid en tänknivå. GPT-Rosalind: följs inte alls på den resultattavlan, eftersom specialiserade modeller inte förekommer på den allmänna resultattavlan.

• Domänbenchmark — Gemini 4 Argon: Googles tabell toppar med Harvey's Legal Agent Benchmark på 19,6 mot en konkurrents 3,8, och Vals Finance Agent v2 på 65,4. GPT-Rosalind: MedChemBench 27,5 % mot 25,1 % för GPT-5.5, GeneBench 21,6 % mot 20,4 %, LabWorkBench 63,2 % mot 55,8 %, alla körda av leverantören.

• Vad domännumren har gemensamt — Ingen av uppsättningarna har körts om av en oberoende part, och båda leverantörerna valde benchmarkarna. De två största relativa marginalerna i tabellen från G​oogle är också de två rader som mest sannolikt kommer att testas om av någon som inte arbetar för G​oogle.

Så du kan inte jämföra 52,56 med 27,5, och du kan inte jämföra 52,56 med något som Rosalind har publicerat, eftersom de två modellerna aldrig har genomfört samma prov. Det du kan säga är snävare och mer användbart: Argon har mätts av någon utan egenintresse i resultatet, på uppgifter som inte har något med biologi att göra, och det hamnade mitt i frontlinjen. Rosalind har mätts av sin skapare, inom biologi, och vinsterna är blygsamma i absoluta termer – en poäng på 27,5 % på ett benchmark för läkemedelskemi innebär att båda modellerna misslyckas med större delen av det.

Om Argon lanseras till introduktionspriset inverteras prisargumentet.

GPT-Rosalind med 5,00 USD för indata och 25,00 USD för utdata är den dyraste modellen i den här jämförelsen med bred marginal, och det är den som har en faktisk faktura. Argons angivna 2,00 / 10,00 USD skulle underbjuda den med 60 % på indata och 60 % på utdata – om den taxan överlever till API-stadiet. Det är ett stort om. Introduktionspris i en etappvis utrullning är en signal om avsikt, inte ett åtagande, och G​oogle har inte kopplat något datum till den fas där någon skulle betala det.

• Indata — GPT-Rosalind $5.00 per 1 miljon, debiterbar nu vs Gemini 4 Argon $2.00 angivet pris, inte debiterbar.

• Utdata – GPT-Rosalind $25.00 per 1 miljon jämfört med Gemini 4 Argon $10.00 enligt offert.

• Kostnad per indexuppgift — Gemini 4 Argon 1,99 USD, enligt Artificial Analysis, som också registrerar en cacherabatt som gör att effektiv indata hamnar nära 1,99 USD per miljon. GPT-Rosalind har ingen motsvarande siffra eftersom den saknar indexpoäng.

• Cachehantering — OpenAI debiterar 0,50 USD per miljon cachad indata på Rosalind och publicerar ingen rad för cache-skrivning. Google har inte publicerat någon cachetaxa för Argon alls.

Det finns en version av den här jämförelsen, som kommer när fas två börjar, där Argon är en generell modell till mindre än halva specialistens pris med en oberoende poäng kopplad, och biologipremien kollapsar. Den versionen finns inte ännu. Att planera mot den i dag innebär att planera mot ett pressmeddelande.

Var biologiargumentet faktiskt landar

Argons tillkännagivande gör inte anspråk på biologiskt arbete. Det gör anspråk på programvaruutveckling, företags kunskapsarbete inom juridik och finans samt cybersäkerhetsförsvar. Den vetenskapliga inramningen kring GPT-Rosalind – våtlabbsprotokollen, genomiken, läkemedelskemin – har ingen motsvarighet i Googles material för den här modellen. Så frågan ”vilken är bättre för ett forskningslaboratorium” har ett oglamoröst svar: bara en av dem har finjusterats för det och publicerat siffror om det, och den andra har inte gett sig in i kategorin.

Det skulle kunna ändras med ett modellkort. Ett kontextfönster, en parameterredovisning, en rad i en vetenskaplig utvärdering – vilket som helst av dessa skulle vända bedömningen inom ett dygn. Fram till dess är den ärliga sammanfattningen att dessa två modeller inte konkurrerar. Den ena är en specialist med en grind du kan passera. Den andra är en generalist med en poäng och en kö som du ännu inte kan ställa dig i.

Vad du kan ringa idag, och vad det kostar dig

Ingen av modellerna finns på OrcaRouter. GPT-Rosalind finns inte på någon tredjepartsrouter och körs direkt genom OpenAI:s program för betrodd åtkomst; Gemini 4 Argon har ingen endpoint att routa till. Att påstå något annat skulle vara den enklaste lögnen i den här artikeln, så det säger vi inte.

Det som finns på våra rutter är den del av arbetet som omger vetenskapen. Gemini 3.8 Flash finns där till $0.75 för indata och $3.75 för utdata per miljon token med en kontext på 1 048 576 token – modellen som Argon kommer att jämföras med av alla som har ett kreditkort, och det närmaste man kommer en Argon-formad arbetsbelastning som går att köra den här veckan. Claude Opus 5.5 finns där till $4.00 / $20.00 för skrivandet, kodgranskningen och de långa agentlooparna. Båda ligger bakom en enda nyckel och en enda faktura tillsammans med 200+ andra modeller, till leverantörens listpris med 0 % påslag, så en leverantörsprissänkning slår igenom hos oss samma dag som den publiceras i stället för när ett avtal förnyas.

För biologihalvan är arkitekturen en direkt nyckel och en namngiven rutt, inte en gissning. Om en förfrågan behöver specialisten bör den misslyckas högljutt när specialisten inte är tillgänglig i stället för att tyst hamna på en allmän modell – vilket är precis det felbeteende som en reservkedja konfigurerad för kostnad kommer att ge upphov till om ingen uttryckligen har dragit gränsen.

Tecknet att hålla utkik efter

En enda händelse avgör den här jämförelsen, och det är inte ett benchmark. Det är en gemini-4 identifierare som dyker upp i G​oogles API-modelllista. I samma stund som det händer upphör introduktionspriset att vara en siffra i ett blogginlägg och blir något som du kan faktureras för, kontextfrågan får ett svar och en jämförelse mellan två modeller blir möjlig för första gången.

Fram till dess: behandla Gemini 4 Argon som ett namn med en poäng kopplad till sig och GPT-Rosalind som en specialist med en kö. Om ditt arbete är molekylärbiologi och du kan klara en granskning är specialisten tillgänglig nu och premien är priset för att vara tidig. Om ditt arbete är något närliggande – pipelines, litteratur, kod, ramverket runt vetenskapen – är modellerna du kan anropa i dag billigare, oberoende poängsatta och väntar inte på en utrullningsfas som saknar datum.