Uygulamalı testte Gemini 4 Argon, aynı prompt'larla Claude Opus 5.5 ve GPT-6 Astra ile karşılaştırıldı

Test

13 Ekim 2026'da Google, Gemini 4 Argon'u genel kullanıma sundu. Ertesi gün Anass Kartit tarafından dev.to'da yayımlanan uygulamalı inceleme, yeni modeli Anthropic'in Claude Opus 5.5'i ve OpenAI'ın GPT-6 Astra'sı ile aynı prompt'ları kullanarak karşılaştırdı: tamamen kodla yazılmış bir 3D Lamborghini, tek atımlık (one-shot) bir 3D kart oyunu, animasyonlu bir SVG çizim ve 82 kısa etiketli soru. Argon opencode içinde, Opus 5.5 Claude Code içinde, Astra ise Codex içinde çalıştırıldı; dolayısıyla yazarın da belirttiği gibi, ana karşılaştırma çıplak modellerden çok agent kurulumlarını ölçüyor ve her test yalnızca bir kez çalıştırıldı.

Tek görüntüden bir 3D araba

Vitrin parçası bir Blender yapımıydı. Codex, önden, yandan, arkadan ve üstten görünen bir süper otomobilin tek bir referans sayfasını ürettikten sonra, bir MCP sunucusu üzerinden Blender'a bağlanan Argon gövdeyi, tekerlekleri, kanadı ve camları parça parça Python ile modelledi; sonuç 43 obje, çalışan farlar ve stoplar, bir döner sahne düzeneği ve 240 karelik bir kamera hareketiyle tamamlandı.

Bu oturum, yazarın Gemini API anahtarında 22,13 dolara mal oldu: 61 adım, 10,2 milyondan biraz fazla input token ve yaklaşık 127.000 output token; input'un yalnızca yüzde 4'ü civarı cache'ten sunuldu. Her adım görüntüler dahil tüm konuşmayı yeniden gönderdiği için yazar, agent oturumlarını kısa tutmayı ve prompt öneklerini (prefix) sabit tutmayı öneriyor; çünkü Google'ın örtük cache'lemesi yalnızca 6.144 token ve üzeri ortak öneklere uygulanıyor.

Üç agent, bir Lamborghini

Ana kodlama testi, model dosyası olmadan tamamen kodla yazılmış, sonsuz bir neon otoyolunda ilerleyen; kamera takibi, hız göstergesi, turbo egzoz alevleri, altı boya rengi ve bir yörünge modu içeren bir three.js süper otomobili istedi. dev.to yazısına göre Codex'teki Astra, 193 satırla 9 dakika 17 saniyede bitirdi; Claude Code'daki Opus 5.5, 1.166 satır için 14 dakika 39 saniye aldı; Argon ise ilk dosyasını yaklaşık 7 dakikada üretti ve ardından 2.540 satıra giden yolda 17 dakika daha kendi kendini test etti; maliyeti API anahtarında 2,45 dolardı. Claude Code ve Codex için yapılan abonelikle çalıştırmalar, OpenRouter liste fiyatlarıyla kabaca 14,14 ve 3,30 dolara çevrildi.

Yazarın görünüm konusundaki kararı Argon'dan yanaydı; kama silüeti, Y şeklindeki farlar ve arka kanada atıf yaparken, sürüş hissini üçünün en zayıfı olarak niteledi.

Tek atımlık çağrılar ve kısa yanıtlar

Çalışan bir 3D kart oyunu üretmek için OpenRouter üzerinden yapılan tek bir API çağrısında Argon hem en hızlı hem en ucuzdu: 220,6 saniye ve 0,306 dolar, 10 üzerinden 9,5 puan. Astra 323,4 saniye ve 0,704 dolara ihtiyaç duydu ama 10 üzerinden 10'luk bir sonuç sundu; Opus 5.5 ise 307,6 saniye ve 0,641 dolarla 32.000 token sınırında kesildi — bu token'ların 20.770'i akıl yürütmede harcandı — ve kullanılabilir bir şey üretmedi. SVG çizim görevinde, yüksek düşünme modundaki (high thinking) Argon üçünün en detaylı arabasını üretti.

Tam olarak tek bir kelime beklenen 82 etiketli soruda Argon ve Astra 82'nin 82'sini de yanıtladı; Opus 5.5 ise 82'nin 81'ini aldı ve tek hatası bir mantık hatası değil biçim kaymasıydı. Argon burada en yavaştı: medyan süresi 3,355 saniye iken Astra'nınki 1,701 saniyeydi.

Yapılandırma sürtünmesi

Argon ilk denemede opencode'da çalışmadı ve inceleme iki düzeltmeyi belgeliyor. Argon ilk token'ı üretmeden önce beş dakikadan uzun düşünebiliyor ve bu, opencode'un varsayılan header timeout'unu tetikliyor; yazar bu yüzden headerTimeout ve chunkTimeout değerlerini 1.800.000 milisaniyeye yükseltti. Ayrıca opencode 1.19.0 yanıtları 32.000 output token ile sınırlıyor ve üç çalıştırma tam olarak bu sınırda bitti, dosya sessizce atıldı; OPENCODE_EXPERIMENTAL_OUTPUT_TOKEN_MAX=65536 ayarı bunu çözdü. Yazarın belirttiğine göre opencode v2'de sınır artık modelin kendi output limitini izliyor ve Google'ın Argon için varsayılan output limiti 65.536 token.

Google'ın kendi bildirdikleri

İncelemede alıntılanan Google'ın lansman tablosu, Argon'u agent'lı kodlama ve uzun bağlamda öne çıkarıyor: DeepSWE v1.1'de yüzde 77,9 ve GraphWalks 256k-1M'de yüzde 84,2; ancak Terminal-bench 4.0'da (Opus 5.5'in yüzde 66,4'üne karşı yüzde 57,4) ve FrontierSWE v2'de (Astra'nın yüzde 65,5'ine karşı yüzde 55,0) geride. Bunlar satıcı tarafından bildirilen rakamlar ve incelemenin kendi testleri de model çıktılarının çalıştırmadan çalıştırmaya değiştiği gibi her zamanki uyarıyı taşıyor.

Neden önemli

Argon, 1.048.576 token'lık bir bağlam penceresi ve multimodal girdiyle geliyor; 30 Kasım 2026'ya kadar milyon input token başına 2 dolar ve milyon output token başına 10 dolar, sonrasında iki katına çıkarak 4 ve 20 dolar. dev.to testleri, görsel çıktıda şu an üçünün en güçlüsü ve tek atımlık üretimde maliyet ile hız açısından rekabetçi olduğunu, ama her alanda net bir kazanan olmadığını ve ciddi bir operasyonel sürtünmeyle geldiğini gösteriyor. Agent çalıştıran herkes için iki pratik ders öne çıkıyor: bir agent her adımda multimodal bir bağlamı yeniden gönderdiğinde token faturaları hızla birikiyor ve araç tarafındaki output sınırları uzun tek dosyalık yanıtları sessizce yok edebiliyor. Sınır modelleri arasındaki seçim hâlâ göreve bağlı görünüyor: Astra cilalı tek atımlık uygulamalardan yana, Opus 5.5 sıfır yapılandırma deneyimi sunuyor ve Argon görsellerde önde.