Gemini 4 Argon vs Gemini 3.1 Pro: รุ่นสืบทอดราคาถูกกว่า และโมเดลเก่ายังชนะสองไฟต์

Gemini 4 Argon มีต้นทุนการรันที่ต่ำกว่าโมเดลที่มันตั้งใจจะมาแทนที่ นั่นไม่ใช่การพิมพ์ผิด อัตราเอาต์พุตช่วงแนะนำตัวของ Google สำหรับ Gemini 4 Argon อยู่ที่ $10 ต่อล้านโทเคน และ Gemini 3.1 Pro Preview — โมเดลที่อยู่ในแค็ตตาล็อกของ OrcaRouter ในปัจจุบัน และเป็นโมเดลที่การมีอยู่ทั้งหมดของ Argon เป็นข้อโต้แย้งต่อต้าน — คิดค่าบริการ $12 อินพุตเท่ากันที่ $2 ทั้งคู่ เว้นแต่คุณจะดัน Gemini 3.1 Pro Preview ให้เกิน 200,000 อินพุตโทเคน ซึ่งเมื่อถึงจุดนั้นอัตราของมันจะเพิ่มเป็นสองเท่าเป็น $4 ขาเข้าและ $18 ขาออก ผู้สืบทอดที่ถูกกว่าถือเป็นเรื่องผิดปกติพอที่จะคุ้มค่าที่จะขึ้นเป็นพาดหัวข่าวได้ด้วยตัวมันเอง

ส่วนที่เหลือของภาพยังไม่ค่อยเรียบร้อยนัก ในดัชนี Intelligence Index ของ Artificial Analysis นั้น Gemini 4 Argon ได้ 52.6 เทียบกับ 29.7 ของ Gemini 3.1 Pro Preview — ช่องว่าง 22.9 จุด ซึ่งหากมองเพียงอย่างเดียวก็อาจชี้ว่าโมเดลรุ่นเก่าอยู่คนละลีก แต่โมเดลรุ่นเก่ากลับชนะ GPQA Diamond 94.1% เมื่อเทียบกับฝั่งที่ไม่ได้เผยแพร่ผล ชนะการให้เหตุผลแบบบริบทยาว 82.0 ต่อ 79.7 และทำคะแนน τ²-Bench ด้านการใช้เครื่องมือแบบเอเจนต์ได้ 95.6 ซึ่ง DeepSeek นำไปอ้างเป็นพาดหัวของโมเดลเรือธงตัวเอง ดังนั้นกรอบที่ตรงไปตรงมาจึงไม่ใช่ "Argon แทนที่ 3.1 Pro" แต่คือ "Argon เข้ามาทำหน้าที่แทน 3.1 Pro ในราคาเอาต์พุตที่ต่ำกว่า ขณะที่ 3.1 Pro ยังคงมีข้อได้เปรียบเฉพาะทางอยู่สองสามข้อ ซึ่งจะสำคัญกับงานบางประเภทที่เป็นส่วนน้อยเท่านั้น"

จริงๆ แล้ว Gemini 3.1 Pro Preview คืออะไร

มันอยู่ในแค็ตตาล็อกตั้งแต่ 2026-02-19 และถูกเรียกว่าพรีวิวมาตลอดเจ็ดเดือนนับจากนั้น Google ใช้ช่วงเวลาที่ผ่านมาในการเปิดตัวโมเดลระดับ Flash — 3.6 Flash, 3.8 Flash, 3.8 Flash Cyber ที่ปรับแต่งสำหรับความปลอดภัยไซเบอร์ — ในขณะที่ระดับ Pro ยังคงอยู่ที่เดิม ช่องว่างนั้นคือบริบทของทุกสิ่งที่ Argon กล่าวอ้าง และเป็นเหตุผลว่าทำไมคำถามจากช่วงเดือนพฤษภาคม ("เมื่อใดที่ระดับ Pro จะถูกแทนที่?") จึงยังคงเป็นคำถามที่ถูกต้องในเดือนตุลาคม

การ์ดนี้เป็นโมเดลระดับแนวหน้าตัวจริง ไม่ใช่ของตกค้าง บริบท 1,048,576 โทเค็น อินพุตแบบหลายรูปแบบครอบคลุมข้อความ รูปภาพ เสียง วิดีโอ และไฟล์ การใช้เครื่องมือ เอาต์พุตแบบมีโครงสร้าง และการให้เหตุผล พร้อมแท็กความสามารถห้ารายการทางฝั่งเรา จุดอ่อนของมันอยู่ตรงที่มันถูกฝึกมา: เอาต์พุตสูงสุด 65,536 โทเค็น และโปรไฟล์งานที่ดูล้าสมัยเมื่อเทียบกับโมเดลปี 2026

ตารางที่คุณควรอ่านสองครั้ง

ราคา ทั้งสองรายการตามที่ระบุ ต่อหนึ่งล้านโทเค็น:

• อินพุต — Gemini 4 Argon $2.00 เทียบกับ Gemini 3.1 Pro Preview $2.00 ระดับ

• เอาต์พุต — Gemini 4 Argon $10.00 เทียบกับ Gemini 3.1 Pro Preview $12.00 โดย Argon ถูกกว่า 17%

• อินพุตที่แคชไว้ — Gemini 4 Argon $0.10 เทียบกับ Gemini 3.1 Pro Preview $0.20

• ระดับอินพุตแบบยาว — Gemini 4 Argon ระบุอัตราเปิดตัวแบบคงที่; Gemini 3.1 Pro Preview ปรับขึ้นเป็นอินพุต $4.00 / เอาต์พุต $18.00 เมื่อเกิน 200,000 โทเค็นอินพุต

• เอาต์พุตสูงสุด — Gemini 4 Argon 1,000,000 โทเค็น เทียบกับ Gemini 3.1 Pro Preview 65,536

• ต้นทุนที่วัดได้ต่อหนึ่งงานจัดทำดัชนี — Gemini 4 Argon $1.99 เทียบกับ Gemini 3.1 Pro Preview $0.67 ตามข้อมูลของ Artificial Analysis ในที่นี้ โมเดลที่เก่ากว่ามีราคาถูกกว่าถึงสามเท่า เพราะเป็นงานที่เล็กกว่ามากสำหรับฮาร์เนสในการรัน

บรรทัดสุดท้ายนั้นคือการกระทบยอด Argon แบบต่อโทเคนถูกกว่า แต่เมื่อคิดต่องานกลับแพงกว่าสามเท่า เพราะมันตอบคำถามที่ยากกว่า ถ้าภาระงานของคุณเป็นแบบอินพุตคงที่ เอาต์พุตคงที่ — การจำแนกประเภท การสกัดข้อมูล การสรุปความที่ความยาวที่ทราบ — ตัวเลขต่อโทเคนคือตัวเลขที่ส่งผลถึงใบแจ้งหนี้ของคุณ ถ้าภาระงานของคุณคือ "แก้ปัญหานี้" ตัวเลขต่องานคือตัวเลขที่ตรงความจริง และส่วนเพิ่มราคาของ Argon นั้นมีอยู่จริง

ช่องว่าง 22.9 จุด และที่มาของมัน

Artificial Analysis ใช้ชุดแบบทดสอบคงที่ ดังนั้นช่องว่างที่กว้างขนาดนั้นควรปรากฏให้เห็นอย่างสม่ำเสมอ โดยส่วนใหญ่ก็เป็นเช่นนั้น และรูปแบบที่ได้ก็ให้ข้อมูลที่เป็นประโยชน์:

• Terminal-Bench 4.0 — Gemini 4 Argon 57.1% เทียบกับ Gemini 3.1 Pro Preview 4.0% ไม่ใช่การพิมพ์ผิด วิศวกรรมซอฟต์แวร์ระยะยาวคือการเปลี่ยนแปลงขีดความสามารถที่ใหญ่ที่สุดเพียงหนึ่งเดียวระหว่างทั้งสอง

• AutomationBench-AA — Gemini 4 Argon 77.5% เทียบกับ Gemini 3.1 Pro Preview 35.4%

• ApexAgents — Gemini 3.1 Pro Preview 32.0% เมื่อเทียบกับกรณีที่ไม่มีตัวเลข Argon เผยแพร่บนบอร์ดเดียวกัน

• SciCode — Gemini 4 Argon 61.8% เทียบกับ Gemini 3.1 Pro Preview 58.7% สูสีกัน

• การสอบสุดท้ายของมนุษยชาติ — Gemini 4 Argon 57.1% เทียบกับ Gemini 3.1 Pro Preview 47.0%

• การให้เหตุผลแบบบริบทยาว — Gemini 3.1 Pro Preview 82.0% เทียบกับ Gemini 4 Argon 79.7% โมเดลเก่าชนะอย่างหวุดหวิด

• GPQA Diamond — Gemini 3.1 Pro Preview 94.1% Argon ไม่เผยแพร่ข้อมูลใด ๆ บนบอร์ดนี้

• ความรอบรู้ — Gemini 4 Argon 42.4 เทียบกับ Gemini 3.1 Pro Preview 31.9

• GDPval — Gemini 4 Argon 1,611 เทียบกับ Gemini 3.1 Pro Preview 776

• ITBench-SRE — Gemini 4 Argon ไม่ปรากฏ; Gemini 3.1 Pro Preview 30.3%

ดังนั้น: ช่องว่างนี้เกือบทั้งหมดเป็นเรื่องของความอึดในการทำงานแบบเอเจนต์และการปฏิบัติงานระยะยาว และช่องว่างตรงนั้นมีมหาศาล ในด้านการให้เหตุผลแบบปรนัยทางวิทยาศาสตร์ ในงานให้เหตุผลขนาด 1M โทเคน และใน GPQA สองโมเดลนี้ต่างกันเพียงในระดับความคลาดเคลื่อนทางสถิติ หรือโมเดลที่เก่ากว่านำอยู่ ผล 4.0% เทียบกับ 57.1% ของ Terminal-Bench 4.0 คือตัวเลขที่ควรใช้ตัดสินใจเรื่องการย้ายโมเดลส่วนใหญ่ และเป็นตัวเลขที่ผู้สนับสนุนโมเดลเก่าจะมองข้ามไป

สองข้อกำหนดที่ปรับเปลี่ยนสถาปัตยกรรมของคุณ

เพดานเอาต์พุตของ Argon อยู่ที่ 1,000,000 โทเค็น เพิ่มขึ้นจาก 64K ที่รุ่นก่อนหน้าจำกัดไว้ — และ 64K ก็คือสิ่งที่ Gemini 3.1 Pro Preview มอบให้พอดี หรือพูดให้แม่นคือ 65,536 พื้นที่เหลือถึงสิบหกเท่าในเทราเจกทอรีเดียวเปลี่ยนสิ่งที่การเรียกเพียงครั้งเดียวจะทำได้

พูดให้ชัดเจนคือ อะไรก็ตามที่คุณทำอยู่ตอนนี้โดยการเรียกแบบต่อกันเพื่อให้ไม่เกินเพดานเอาต์พุต 65K — การสร้างแพตช์หลายไฟล์ รายงานการตรวจสอบแบบยาว การร่างเอกสารฉบับเต็มในรอบเดียว — จะกลายเป็นการเรียกครั้งเดียว การเรียกน้อยลงหมายถึงมีจุดให้ลูปของเอเจนต์สูญเสียสถานะน้อยลง และหมายความว่าลอจิกการลองใหม่ของคุณจะเรียบง่ายขึ้นแทนที่จะซับซ้อนขึ้น หากคุณสร้างสแคฟโฟลดิงที่ซับซ้อนไว้รอบเพดาน 64K สแคฟโฟลดิงนั้นจะกลายเป็นต้นทุนในการโยกย้าย

Gemini 3.1 Pro Preview ยังคงมีข้อได้เปรียบด้านสเปกอยู่หนึ่งอย่างที่ประกาศของ Argon ไม่ได้กล่าวถึง: อินพุตเสียงและวิดีโอ รายการมอดาลิตีของ Argon ครอบคลุมข้อความ รูปภาพ วิดีโอ และไฟล์ — ไม่มีการระบุชื่อเสียงในสื่อเปิดตัว และตัวอย่างวิดีโอของ Google คือ LVBench ซึ่งเป็นเบนช์มาร์กการทำความเข้าใจวิดีโอความยาวมาก หากไปป์ไลน์ของคุณรับข้อมูลเสียง ควรตรวจสอบมอดาลิตี้นั้นก่อนสันนิษฐานว่าการอัปเกรดรองรับมัน นี่เป็นข้อเท็จจริงที่ตรวจสอบได้เกี่ยวกับโมเดลที่ยังไม่สามารถเรียกใช้ได้ ซึ่งจัดอยู่ในประเภทของข้อกล่าวอ้างที่เสื่อมค่าเมื่อเวลาผ่านไปพอดี

ตัวอย่าง (Preview) ติดขวางทางอยู่

มีปัญหาจริงจัง น่าเบื่อ และมีค่าใช้จ่ายสูงอยู่ตรงนี้: โมเดลรุ่นเก่าถูกเรียกว่าพรีวิว ถูกเรียกเช่นนั้นมาเจ็ดเดือนแล้ว และยังไม่มีใครบอกว่าจะเกิดอะไรขึ้นกับมัน มีสองสถานการณ์ที่เป็นไปได้ และทั้งสองส่งผลตรงกันข้ามต่อโค้ดเบสของคุณ ไม่ Gemini 3.1 Pro Preview ถูกยกเลิกเมื่อ Argon ถึงความพร้อมใช้งานทั่วไป และคุณต้องโยกย้าย ก็ถูกแทนที่และค่อย ๆ เลิกใช้งานไปเรื่อย ๆ ในขณะที่ยังให้บริการอยู่ และคุณยังมีเวลา

เอกสารของ Google เองไม่ได้ให้คำตอบที่ชัดเจน ประกาศของ Argon กล่าวว่าการเข้าถึงที่กว้างขึ้นจะมาถึง "โดยเร็วที่สุด" โดยเริ่มจากลูกค้า API แบบเสียค่าใช้จ่ายและผู้สมัครสมาชิก Google AI Ultra และไม่ได้กล่าวถึงชะตากรรมของระดับ Pro ที่มันเข้ามาแทนที่ จุดยืนทางวิศวกรรมแบบอนุรักษ์นิยมคือจุดยืนที่ไม่มีค่าใช้จ่าย: เก็บ model id ไว้ในคอนฟิกูเรชันแทนที่จะอยู่ในโค้ด เก็บ evaluation harness ที่สามารถรันพรอมป์จริงของคุณกับโมเดลตัวเลือกได้ในเวลาแค่บ่ายเดียว และมองการสลับในที่สุดเป็นงานด้านปฏิบัติการแทนที่จะเป็นการเขียนใหม่

ตำแหน่งนั้นมีต้นทุนต่ำบน OrcaRouter โดยเฉพาะ เพราะการสลับเป็นเพียงสตริง google/gemini-3.1-pro-preview เปิดให้ใช้งานแล้วในแคตตาล็อกในอัตราข้างต้น อยู่เบื้องหลังเอนด์พอยต์ที่รองรับ OpenAI เดียวกันกับโมเดลกว่า 200 รายการที่เราให้บริการ ในราคาตามที่ผู้ให้บริการกำหนดโดยไม่บวกเพิ่ม — ดังนั้นเมื่อ Google ปรับราคาของ 3.1 Pro หรือ Argon ถูกเผยแพร่ อัตราของฝั่งเราก็จะปรับตามในวันเดียวกัน การรันพรอมป์ของคุณกับทั้งสองเป็นเพียงการเปลี่ยนคอนฟิกและการเรียกครั้งที่สอง ไม่ใช่การผสานรวมครั้งที่สอง และการสลับไปใช้ระบบสำรองอัตโนมัติหมายความว่าการนำเข้าที่ล้าสมัยจะไม่ทำให้เอนด์พอยต์ล่มไปด้วย

ทำอะไรดีเดือนนี้

หากคุณใช้งาน Gemini 3.1 Pro Preview อยู่ และภาระงานของคุณคือการค้นคืนข้อมูลเหนือบริบทความยาว การให้เหตุผลเชิงวิทยาศาสตร์ในรูปแบบ GPQA หรือสิ่งใดก็ตามที่ความแม่นยำด้านการให้เหตุผลเชิงวิทยาศาสตร์ที่ 94.1% เป็นปัจจัยชี้ขาด ยังไม่มีเหตุผลให้ย้าย — Argon ยังไม่สามารถเรียกใช้ได้ และกลุ่มงานเฉพาะที่โมเดลเก่ามีความได้เปรียบอยู่ก็ยังไม่มีการพิสูจน์ว่าความได้เปรียบนั้นปิดลงแล้ว อย่าย้ายโดยอาศัยเพียงช่องว่างของดัชนีเพียงอย่างเดียว

หากเวิร์กโหลดของคุณคือการเขียนโค้ดแบบเอเจนต์ การทำงานหลายขั้นตอนของงานธุรกิจ หรืออะไรก็ตามที่สร้างเอาต์พุตขนาดใหญ่ เหตุผลสนับสนุนก็แข็งแกร่งอยู่แล้วในทางทฤษฎี: เพดานเอาต์พุตสูงเป็น 16 เท่า ส่วนต่าง 53 คะแนนบน Terminal-Bench และราคาเอาต์พุตที่ต่ำกว่า อุปสรรคอยู่เพียงแค่ Argon เป็นการทยอยเปิดตัวเป็นระยะให้กับผู้ป้องกันไซเบอร์ที่เชื่อถือได้ผ่าน Fairwind Program ของ Google โดยไม่มี endpoint สาธารณะ ใส่การโยกย้ายไว้ใน roadmap ของคุณ สร้าง evaluation harness ตอนนี้ในขณะที่ยังไม่มีแรงกดดัน และรันมันในสัปดาห์ที่ Argon เรียกใช้งานได้ รุ่นสืบทอดถูกกว่า การเตรียมพร้อมสำหรับมันแทบไม่มีค่าใช้จ่าย