Google Gemini 4 Argon'u piyasaya sürdü: kıyas testlerinin ince yazısı, süresi dolan tanıtım fiyatı ve API tuzakları

dev.to'daki bir incelemeye göre Google, modeli 30 Eylül'de tanıttıktan sonra bu hafta Gemini 4 Argon'u genel kullanıma sundu. Yazı, herkes iş yüklerini taşımadan önce dikkat etmesi gereken iki ince ayrıntıya işaret ediyor: haberlerde yer alan kıyas testi puanları, varsayılan olmayan bir reasoning ayarında ölçüldü ve ön plana çıkarılan API fiyatı, üçüncü taraf haberlerine göre iki katına çıkacak bir tanıtım fiyatı.

Google ne sundu

dev.to'ya göre Argon, API üzerinden milyon girdi tokenı başına 2 dolar ve milyon çıktı tokenı başına 10 dolar olan tanıtım fiyatlarıyla çağrılabiliyor. Google AI Pro aboneleri modelin reasoning yeteneklerini Gemini uygulamasında ve Search'teki AI Mode'da kullanabiliyor; dosyaları düzenleyen, testleri çalıştıran ve promptlar arasında iterasyon yapan Google'ın agentic kodlama ortamı Antigravity ise yalnızca Ultra abonelerine özel kalıyor.

Model, girdi, iç reasoning ve çıktı arasında paylaşılan 1.048.576 tokenlık bir bağlam penceresine sahip ve yanıtlar varsayılan olarak 65.536 çıktı tokenıyla sınırlı. Background istekleri, toplamda kabaca bir milyon çıktı tokenına ulaşmak için 64K'lık devam adımlarını zincirleyebiliyor. Argon girdi olarak metin, görsel, video, ses ve PDF kabul ediyor ama yalnızca metinle yanıt veriyor; görsel ve ses üretimi desteklenmiyor.

Kıyas testleri High modunda ölçüldü

Google, kendi karşılaştırmasında Argon'un 19 kıyas testinin 13'ünde Claude Opus 5.5 ve GPT-6 Astra'yı geçtiğini iddia ediyor. VentureBeat'in aktardığı rakamlar arasında DeepSWE v1.1'de yüzde 77,9 (Opus 5.5 için yüzde 74,2 ve Astra için yüzde 74,1'e karşı), Zapier AutomationBench'te yüzde 51,3 (yüzde 42,5 ve yüzde 41,4'e karşı) ve Terminal-Bench 4.0'da Opus 5.5'in yüzde 66,4 ile daha yüksek puan aldığı bir yüzde 57,4 var.

dev.to'nun belirttiği sorun şu: Bu tablolar Argon'un High reasoning ayarını kullanırken model varsayılan olarak Medium ile geliyor. Artificial Analysis'ın bağımsız testleri Argon'u High modunda Zeka Endeksi'nde 52,56 puanla konumlandırıyor; bu, Astra'nın yarım puan içinde ama Claude Sonnet 5.5'in (56,00) ve Claude Opus 5.5'in (57,62) altında. Bir rakam Argon'un lehine: Yüzde 15'lik halüsinasyon oranı, endekste 45'in üzerindeki tüm modeller arasında en düşük; Astra'nın oranı ise maksimum ayarında yüzde 51.

Varsayılan efor düzeyindeki sonuçlar daha belirsiz. Cursor, CursorBench'te Opus 5.5 ile eşit yüzde 52,8 bildiriyor; Scale AI, Argon'u Sixth Sense testinde yüzde 54,4 ile ilk sıraya koyuyor; Arena'nın metin liderlik tablosu ise onu 4.942 oyla 1525 puanla açıkça ön sonuç olarak işaretleyerek birinci sıraya yerleştiriyor. dev.to ayrıca üç amiral gemisi laboratuvarın da artık varsayılan efor düzeyini medium olarak adlandırdığını ama bu ayarların eşdeğer olmadığını söylüyor: Örneğin Anthropic'in Opus 5.5 için Terminal-Bench'teki puanı xhigh efor düzeyinde ölçüldü.

Süresi dolan tanıtım fiyatı

dev.to'nun aktardığı üçüncü taraf haberler, oranın tanıtım döneminden sonra milyon token başına 4 ve 20 dolara çıktığını söylüyor; ancak yayınlar zamanlama konusunda ayrışıyor: Biri 1 Aralık 2026'ya işaret ederken diğeri oranın 2026 sonuna kadar geçerli olduğunu söylüyor ve Google bir tarih doğrulamadı. Bütçeye etkisi somut. Bağımsız maliyet analizi Argon'u tanıtım fiyatlarıyla Artificial Analysis endeksinde görev başına yaklaşık 1,99 dolara, yani kabaca Astra maliyetinin yüzde 60'ına konumlandırıyor; tanıtım dönemi sona erdiğinde ise bu rakam yaklaşık 3,98 dolara, yani Astra'nın yaklaşık yüzde 120'sine çıkıyor.

Göçleri zorlaştıran API davranışları

dev.to, kod taşıyan ekipler için birkaç tuzak işaret ediyor. Temperature, top_p ve top_k kabul ediliyor ama yok sayılıyor; anlamlı tek denetim olarak thinking_level (low, medium, high) kalıyor. Açık cachedContents çağrıları başarısız oluyor; yalnızca en az 4.096 tokenlık promptlarda örtük caching destekleniyor. Bağımsız kıyas testleri 10.000 tokenlık promptlarda ilk tokena kadar medyan 43 ila 45 saniye ölçüyor ve Google'ın göç kontrol listesi zor promptlar için en az 15 dakikalık HTTP timeout öneriyor. 65.536 tokenı aşan çıktı background modu gerektiriyor.

İlk test edenlerden karışık tepkiler

80 yorumlu bir Facebook geliştirici grubu başlığında deneme yapanların çoğunun hayal kırıklığına uğradığı, çıktıları çok sayfalı web sitelerinde ve motion graphics işlerinde Opus 5.5'ten daha az doğru bulduğu, azınlık bir kesim ise Argon'u karşılaştırılabilir veya daha hızlı bulduğu görüldü. Bloomberg, bazı Google çalışanlarının modeli kıyas testlerine göre kodlama ve front-end işlerinde bekleneni vermemiş olarak değerlendirdiğini, Google'ın ise bu tanımlamayı yanlış olarak nitelediğini bildirdi. Red Dragon AI'dan Sam Witteveen, VentureBeat'e modelin "gerçekten iyi bir model ama elbette mevcut en iyi model olmadığını" söyledi. dev.to, Argon'un üstünlüğünün DeepSWE, AutomationBench ve CyberBench gibi agentic kodlama ve iş otomasyonu kıyas testlerinde yoğunlaştığını belirtiyor.

Neden önemli

Argon, model konumlandırmasının ne kadarının alıcıların hiç görmediği yapılandırma seçimlerine dayandığını gösteriyor. Birkaç puanlık endeks farkı tek bir High etiketinin arkasına saklanıyor ve cazip bir fiyat aylar içinde sessizce premium fiyata dönüşüyor. Frontier modelleri değerlendiren herkes, yayınlanan her puanın arkasındaki reasoning ayarını netleştirmeli, bütçeyi tanıtım sonrası fiyatlara göre yapmalı ve bağımsız varsayılan efor testleri birikene kadar erken birincilikleri ön sonuç olarak görmeli.