Ett genererat titelkort med texten "Qwen 4 vs Gemini 4 Argon: de 4,3 % som avgör mer än de sju poängen", med underrubriken "Gemini 4 Argon hallucinerar på 4,3 % av de frågor den får fel; Qwen4-Max på 28,4 %". Tre numrerade rader lyder "indexpoäng 42,9 mot 50,4, Artificial Analysis v5.0.1", "kostnad per slutförd indexuppgift 3,27 $ mot 4,97 $" och "hallucinationsfrekvens 28,4 % mot 4,3 %". En sidfot lyder "Poäng och kostnad per uppgift enligt Artificial Analysis Intelligence Index v5.0.1; priser enligt varje leverantörs publicerade prislista." Platt vektorstil på vit bakgrund med blå och cyanaccenter, OrcaRouter-märket komponerat nere till höger.
Guides & Insights

Qwen 4 vs Gemini 4 Argon: De 4,3 % som avgör mer än de sju poängen

Författare

Gideon Frost

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

The scoreboard everyone reaches for in this matchup is the headline index: 42.9 for Qwen4-Max against 50.4 for G​emini 4 Argon, seven and a half points in G​oogle's favour. But the number that should stop a deployment decision sits three columns to the right of the one everybody quotes. G​emini 4 Argon hallucinates on 4.3% of the questions it gets wrong. Qwen4-Max hallucinates on 28.4% of them. That is a factor of 6.6, and for anyone shipping output that a human reads, it is worth more than seven index points.

The two figures come from the same suite, Artificial Analysis v5.0.1, and neither is a vendor claim. G​oogle has not published a hallucination rate for Argon, and A​libaba has not published one for Qwen4-Max. The independent measurement is the only one that exists.

Två modeller säljs i samma position

Both are million-token, image-capable, text-out flagships from companies that build their own silicon. Qwen4-Max went metered on 16 November 2026 in six A​libaba Cloud regions; G​emini 4 Argon has been on sale since 30 September 2026 through G​oogle's API. The cards are close enough that price is not the differentiator people assume.

• Input, per million tokens — G​emini 4 Argon $2.00; Qwen4-Max $1.50 in Singapore and $1.413 in the other five regions. G​oogle is 33% more expensive on the Singapore comparison and 41% more against the Global rate.

• Utdata, per miljon — Argon $10.00; Qwen4-Max $4.50 och $4.24. Det här är den större skillnaden: 2,2× på rubriksiffran.

• Cached input — Argon $0.10 per million; Qwen4-Max $0.075 on a read, plus published write rates of $1.875 (five minutes) and $3.00 (one hour) that G​oogle does not break out the same way.

• Kostnad per slutförd indexuppgift — Argon 4,97 $; Qwen4-Max 3,27 $. Trots en 2,2 gånger lägre utdatatakt är Qwen4-Max bara 34 % billigare per uppgift, eftersom större delen av båda räkningarna utgörs av indata.

• Effektiv resonemangsansträngning — Argon mäts på high; Qwen4-Max på xhigh. Båda modellerna erbjuder en nivåskala, och inget av värdena är jämförbart med den andra modellens standardvärde.

• Kontext – 1 000 000 token på Argon; Qwen4-Max är samma miljon på leverantörskortet, där spåraren registrerar 983 616 eftersom indata i tänkläget är begränsad.

• Hosts — Argon is served by G​oogle; Qwen4-Max by A​libaba Cloud. Neither is open-weight.

A generated two-column scoreboard titled 'Qwen4-Max vs Gemini 4 Argon - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The Gemini 4 Argon column reads index score 50.4, cost per index task $4.97, cents per index point 9.9, input per million $2.00, output per million $10.00, hallucination rate 4.3%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

Uppdelningen per uppgift gynnar inte det billigare kortet

Dela upp $4.97 och $3.27, och överraskningen är vilken av dem som lägger mer på att tänka. Argon avger 116 368 utdatatoken per indextask, varav 68 301 är resonemang; Qwen4-Max avger 104 940, varav 68 914 är resonemang. Resonemangsvolymen är nästan identisk. Skillnaden ligger i svaret: Argon skriver 48 067 token slutligt svar per uppgift mot Qwen4-Max 36 025. Argon är mångordigare där det syns och lika mångordig där det inte syns.

That is a cheerful anomaly in G​emini's favour, because it means the 2.2× output rate is buying 33% more answer text. The per-task premium of 52% is therefore smaller than the rate card suggests, and for workloads where output dominates — long-form generation, code the model writes itself — the gap narrows further. For workloads where input dominates, which is most RAG and most agent loops, Qwen4-Max's input rate does the work instead.

Värt att säga rakt ut: det här är modellerade kostnader från en benchmark-harness, inte fakturor. Din tokenmix kommer att skilja sig, och förhållandet mellan de två modellerna kommer att förskjutas i takt med den.

Där Qwen4-Max verkligen ligger före

Argumenten mot Qwen4-Max i den här matchningen är starka men inte enhälliga, och två rader går i motsatt riktning på ett sätt som har betydelse.

• GDPval — Qwen4-Max 1 808,69 mot Argons 1 633,51. På ekonomiskt förankrade professionella uppgifter ligger Qwen4-Max 10,7 % före en modell som slår den med 7,5 indexpunkter. Detta är den tydligaste enskilda inversionen i jämförelsen.

• FrontierCode 2.0 — 26,5 % mot 25,7 %. Inom en procentenhet; i praktiken oavgjort, i den testsvit där Argons rubrikledning borde innebära en tydlig skillnad.

• AutomationBench — 72,6 % mot 77,5 %. Argon vinner, men med fem poäng i en svit som ligger närmare kontorsautomatisering än programvaruutveckling.

• Terminal-Bench 4.0 – 48,5 % mot 57,1 %. Här är Argons försprång verkligt: åtta och en halv poäng på shell-drivet arbete.

• HLE Diamond — 44,9 % mot 56,7 %. Tolv poäng i hård vetenskap.

• Terminal-Bench Science – 23,3 % mot 52,9 %. Den största skillnaden på resultattavlan, och den som tydligast skiljer de två modellernas forskningsförmåga åt.

• Omniscience-noggrannhet — 27,7 mot 46,1, med förbehållet om hallucinationer från början av den här texten kopplat till båda.

Läst som en helhet är mönstret att Qwen4-Max hävdar sig i uppgifter som kräver professionellt omdöme och förlorar stort på allt som kräver uthålligt tekniskt resonemang. Det är ett snävare och mer användbart påstående än "sju indexpoäng efter", och det pekar mot en annan driftsättning.

A headless-browser screenshot of the Artificial Analysis page for Gemini 4 Argon, captured 17 November 2026 in English, showing Google's mark, the label Proprietary model, Released September 2026, the heading Gemini 4 Argon: Intelligence, Performance & Price Analysis, a rank strip reading Intelligence #22 of 81, Performance #72 of 79, Cost #59 of 80 and Verbosity #57 of 80, a statistics row giving a 45.598-second time to first answer token, 66 output tokens per second, $2.00 input and $10.00 output per million tokens, a 95% cache discount, 7.55 billion input tokens and an 11.5% output-to-input ratio, a $4.97 per-task cost, and the summary paragraph describing the model as above average in intelligence and reasonably priced for its band, notably slow per task and somewhat verbose, with text and image input, text output and a 1M-token context window.

Varför en hallucineringsfrekvens på 4,3 % är värd att betala för

Sätt en siffra på skillnaden. Om en granskare kan kontrollera ett påstående på trettio sekunder och ett påhittat påstående kostar tio minuters omarbete när det når produktion, drivs den förväntade granskningskostnaden per tusen svar nästan helt av andelen påhittade snarare än andelen felaktiga. Argons 4,3 % innebär att ungefär ett svar av tjugotre i dess felaktiga uppsättning behöver omarbetas; Qwen4-Maxs 28,4 % innebär att ungefär ett av tre och ett halvt.

Ställt mot detta försvinner premien på 52 % per uppgift för alla arbetsflöden som har en mänsklig granskare, eftersom granskarens tid vida överstiger tokenkostnaden vid nästan vilken fullt belastad timtaxa som helst. Den försvinner åt andra hållet för alla arbetsflöden som inte har det, eftersom ett fabricerat svar utan granskare inte är en kostnad – det är en incident.

The honest caveat: hallucination rate is measured on a fixed question set and is a property of the measurement as much as the model. G​oogle could change Argon's behaviour with a system-prompt revision tomorrow and this number would not move until the suite is re-run. Treat it as a strong prior, not a guarantee.

Routningsfrågan, besvarad för en sida

Gemini 4 Argon is on our catalogue as google/gemini-4-argon at G​oogle's list price, $2.00 in and $10.00 out per million, with 0% markup on top — the same rates G​oogle publishes, passed through rather than repriced. Qwen4-Max is not on our catalogue: a qwen4 identifier returns not-found, its route is A​libaba's Model Studio API and several third-party platforms, and the closest Qwen model we serve is qwen/qwen3.8-max at $2.00 and $6.00.

Den asymmetrin är i sig svaret på driftsättningsfrågan för de flesta team. Modellen som vinner hallucinationskolumnen är den du kan anropa i dag via den slutpunkt du redan har, och modellen som vinner på GDPval kostar dig ett andra leverantörsavtal för att prova. Om du vill testa GDPval-påståendet på dina egna data innan du binder dig, låter ett routing-DSL dig skicka en fast utvärderingsuppsättning genom båda vägarna från ett enda anrop och jämföra resultaten sida vid sida – vilket är ett billigare experiment än vad någon av modellernas pris per uppgift antyder.

A headless-browser screenshot of the OrcaRouter model page for Gemini 4 Argon, captured 17 November 2026 in English, showing the identifier google/gemini-4-argon, the byline Google, an input price of $2.00 per million, a zero-data-retention badge, the note that zero data retention is available under agreement, and both the OpenAI-compatible and generateContent endpoint paths.

Vad de sju punkterna inte säger dig

Två saker skulle ändra den här jämförelsen, och ingen av dem är långt borta. En oberoende hallucinationsmätning på en Qwen4-Max-driftsättning med en systemprompt inställd för att avstå från att svara skulle testa om 28,4 % är en egenskap hos modellen eller hos hur den frågades — ingen leverantör har publicerat någon sådan. Och en ny körning av GDPval på ett större urval skulle säga oss om Qwen4-Max försprång på 10,7 % på professionella uppgifter är verkligt eller brus, eftersom benchmarkens intervall är breda och de två modellerna ligger tillräckligt nära varandra för att ordningen ska kunna vända.

Until either lands, the split is clean and it is not the one the index suggests. Sustained technical reasoning, science, shell work, or anything a customer reads unreviewed: G​emini 4 Argon, and the 52% premium is the least interesting number in the deal. Grounded professional judgement at volume, with a review step you were going to run anyway: Qwen4-Max is 10.7% better on the suite that measures exactly that, and it is 34% cheaper per task while you find out.