Gemini 4 Argon review: test met 23 taken vs Opus 5.5 en GPT-6

Update (9 november 2026): Claude Fable 5.2 en Mythos 5.2 zijn uit - prijzen, toegang en benchmarks in mijn gids over Claude Fable 5.2.

👁 130 keer gelezen

Op de avond van 13 oktober 2026, een half uur nadat Google Gemini 4 Argon beschikbaar maakte voor betalende gebruikers, heb ik het model onderworpen aan dezelfde set van 23 taken die daags ervoor werd voorgelegd aan Muse Wonder, Claude Opus 5.5, Claude Fable 5.1, GPT-6 Astra en Gemini 3.8 Flash. Argon behaalde een score van 99,5%, kostte circa € 0,20 (0,22 USD) en voltooide de volledige test het snelst van allemaal: 135 seconden. Het enige afgetrokken punt bleek te wijten aan een fout in mijn evaluatiescript, al liet het model verderop in diezelfde opdracht wel een inhoudelijke steek vallen. Meer details over specificaties en prijzen lees je in de gids over Gemini 4 Argon.

Resultaten in één overzicht

De score is het gemiddelde over 23 taken, waarbij elke taak even zwaar weegt. Bij taken met meerdere criteria telt het percentage behaalde punten. Onder de topmodellen is Argon het voordeligst: 3,4 keer goedkoper dan Claude Opus 5.5, 5 keer goedkoper dan GPT-6 Astra en 2,9 keer goedkoper dan Muse Wonder. Alleen Gemini 3.8 Flash, een model uit een lagere klasse, was goedkoper (kosten omgerekend volgens de ECB-koers van 12 oktober 2026: 1 EUR = 1,1181 USD).

Wat er precies is getest

We hebben de taken uitgevoerd in het Pools, de oorspronkelijke testtaal voor deze benchmark.

Argon vergeleken per categorie

Vetgedrukt is het beste resultaat per rij, en bij een gelijke stand de laagste kosten. Andere modellen lieten elders punten liggen: Muse Wonder bij code (98,4% wegens een niet-bestaand samengesteld getalwoord), Gemini 3.8 Flash eveneens bij code (96,9% door een feestdag al in 2024 toe te kennen) en zowel Claude Fable 5.1 als Opus 5.5 bij de taaltest (96,4% door de limiet van 60 woorden te overschrijden).

Snelheid en kosten in het voordeel van Argon

Argon reageert bondig en direct. OpenRouter rapporteerde op redeneerniveau low bij geen enkele van de 23 taken aparte redeneertokens, en de correctie van een tekst met 10 taalfouten werd in 2,6 seconden afgehandeld. Ter vergelijking: Muse Wonder verbruikte al 636 redeneertokens enkel bij het plannen van de stedentrip. Enkele specifieke bevindingen uit de opdrachten:

• Reisplanning naar Lissabon: 4 tool calls in 2 rondes, ontweek beide valkuilen (een te vroege vlucht en een hotel met een ontoereikende beoordeling), paste het museumbezoek netjes in vanwege 80% kans op regen. Net zo effectief als de concurrentie, maar voor circa € 0,010 (0,011 USD).
• Retourverzoek: controleerde het juiste artikel in de bestelling, weigerde het retourlabel en legde de klant correct uit dat de termijn van 30 dagen met 32 dagen na levering was verstreken.
• Facturen in vreemde valuta: na een 503-foutmelding van de wisselkoers-API probeerde het model het verzoek opnieuw, sloeg reeds betaalde facturen over en berekende de juiste som.
• Lang document: 5 van de 5 vragen correct beantwoord in 4,5 seconden voor circa € 0,09 (0,10 USD). Het model detecteerde dat de magazijnoppervlakte later was gewijzigd naar 6.200 m2 en antwoordde correct met “GEEN GEGEVENS” op een vraag over een TikTok-campagne. Alleen GPT-6 Astra was sneller (3,5 s), maar kostte circa € 0,62 (0,69 USD).

Bij omvangrijke documenten speelt de tokenizer een grote rol. Dezelfde tekst van 158.111 tekens vereiste voor Argon 51.482 tokens, tegenover 87.675 voor Claude (ruim 70% meer). In combinatie met de lagere tokenprijs levert dit duidelijke kostenverschillen op: het analyseren van de 80 notulen kostte bij Argon circa € 0,09 (0,10 USD), bij Muse Wonder circa € 0,17 (0,19 USD, met 46.929 tokens maar tegen een hoger tarief), bij Opus 5.5 circa € 0,32 (0,35 USD), bij Astra circa € 0,62 (0,69 USD) en bij Fable 5.1 circa € 0,79 (0,88 USD).

Bezwaarschrift: onterechte puntaftrek, maar een hallucinatie in de toelichting

Het evaluatiescript kende Argon 8 van de 9 punten toe voor een bezwaarschrift tegen een afgewezen arbeidsongeschiktheidsuitkering. Het script miste de vermelding van de arrondissementsrechtbank als geadresseerde. Bij handmatige controle bleek de rechtbank wel degelijk genoemd, maar in een verbogen vorm: “Aan: de Rechtbank te Krakau, VIIe Kamer voor Arbeid en Sociale Zekerheid” met de toevoeging “via het uitvoeringsorgaan”. Mijn script zocht uitsluitend naar de onverbogen basisvorm; een fout in het script dus, niet van het model. Met een handmatige correctie zou Argon 100% scoren, gelijk aan GPT-6 Astra. In het overzicht blijft de automatische score staan zodat alle modellen identiek worden afgerekend.

Veel juridische details stonden er keurig in. Argon waarschuwde dat intern bezwaar bij een medische commissie vaak een verplichte tussenstap is en berekende de termijn foutloos (een bezwaartermijn van een maand vanaf 1 oktober liep af op 2 november, omdat 1 november op een zondagse feestdag viel). De daadwerkelijke misslag zat in de motivering. De prompt meldde uitsluitend dat de arts medische gegevens van cardiologische behandelingen uit 2026 had genegeerd. Argon verzon daar eigenhandig symptomen en een beschuldiging bij (vertaald uit de geteste Poolse reactie):

“Ziekteverschijnselen zoals snelle vermoeidheid, kortademigheid bij inspanning, bloeddrukschommelingen en pijn op de borst belemmeren mijn normale dagelijkse functioneren (…)”

“De verzekeringsarts heeft bij het uitbrengen van het oordeel het onderzoek op oppervlakkige wijze verricht (…)”

Opus 5.5 stelde vergelijkbare klachten voor, maar plaatste die netjes tussen teksthaken als suggestie om zelf aan te vullen. Argon voerde ze op als vaststaand feit. In een juridisch document dat door een deskundige wordt getoetst aan het medisch dossier is zo’n aanname riskant. Wie Argon juridische brieven laat opstellen, doet er goed aan de motivering nauwkeurig na te lopen.

Tarieven na 1 december

Het tarief van circa € 1,79 (2 USD) per miljoen inputtokens en circa € 8,94 (10 USD) per miljoen outputtokens geldt tot en met 30 november 2026. Vanaf 1 december verdubbelt de prijs van Argon naar circa € 3,58 (4 USD) en circa € 17,89 (20 USD), waarmee het op gelijke hoogte komt met Opus 5.5 en Muse Wonder. Uitgaande van dezelfde tokenverhoudingen zouden de kosten voor deze testreeks ruwweg verdubbelen (een schatting, geen exacte meting):

Zelfs na de prijsverhoging blijft Argon in deze specifieke testopzet naar verwachting zo’n 1,7 keer goedkoper dan Opus 5.5 bij gelijke nominale tokenprijzen. Dat komt door de beknopte antwoorden zonder gerapporteerde redeneertokens en een compactere tokenisatie. Prompt caching stijgt per 1 december eveneens, van circa € 0,089 (0,10 USD) naar circa € 0,179 (0,20 USD) per miljoen tokens (ECB-koers 12 oktober 2026: 1 EUR = 1,1181 USD).

Kanttekeningen bij het onderzoek

• Effort=low. Alle modellen zijn getest op de laagste redeneerstand om de vergelijking gelijk en betaalbaar te houden. De officiële benchmarks van Google tonen Argon op het hoogste redeneerniveau; dat betreft dus andere randvoorwaarden.
• Beperkte omvang en eenmalige run. De set bestaat uit 23 taken, elk eenmaal uitgevoerd. Een verschil van één taak kan toeval zijn.
• Verschillende testmomenten. De concurrerende modellen zijn gedraaid op 12 oktober, Argon op 13 oktober kort na de API-release. Taken en testscripts waren identiek, maar responstijden kunnen variëren door actuele serverbelasting.
• Plafondeffect. Vrijwel alle geteste modellen behaalden tussen 99% en 100%. Dit toont vooral verschillen in doorlooptijd, kosten en specifieke foutpatronen, maar meet niet de uiterste grenzen bij complexe denkstappen.
• Geautomatiseerde evaluatie. Deze controleert feiten en syntax, geen schrijfstijl. Zoals het bezwaarschrift liet zien, kan een script zich vergissen, reden waarom elk foutpunt handmatig is geverifieerd.
• OpenRouter in plaats van directe Gemini API. De basisprijzen en modelgewichten zijn identiek, maar de directe betaalde Gemini API van Google zelf is in deze test niet gebruikt.

Conclusie

In praktische automatiseringstaken presteert Gemini 4 Argon vergelijkbaar met Opus 5.5, Astra en Fable 5.1, maar sneller en tegen lagere kosten. Tot 30 november 2026 is het het voordeligste topmodel in deze metingen, en ook na 1 december behoudt het een kostenvoordeel door efficiënte tokenisatie. Aandachtspunten blijven er wel: het model heeft de neiging om ontbrekende details zelfstandig in te vullen bij formele brieven. Bovendien eindigde Argon in mijn afzonderlijke blinde schrijftest op de 8e plaats met 81,8 punten, duidelijk achter Opus 5.5 (90,1 punten) - zie het verslag Gemini 4 Argon po polsku. Dit oordeel is gebaseerd op een eenmalige testrun op 13 oktober 2026.

Veelgestelde vragen

Is Gemini 4 Argon beter dan Claude Opus 5.5?

In deze test met 23 taken ontlopen de scores elkaar nauwelijks: 99,5% tegenover 99,4%. Argon was 3,4 keer goedkoper en aanzienlijk sneller in responstijd. Bij complexe schrijfvaardigheid scoorde Opus 5.5 daarentegen hoger.

Wat kost Gemini 4 Argon via de API?

Tot en met 30 november 2026 circa € 1,79 (2 USD) per miljoen inputtokens en circa € 8,94 (10 USD) per miljoen outputtokens. Vanaf 1 december 2026 wordt dat circa € 3,58 (4 USD) en circa € 17,89 (20 USD). Indicatieve omrekening op basis van de ECB-koers van 12 oktober 2026 (1 EUR = 1,1181 USD).

Hoe is de beschikbaarheid van Argon getest?

De test is uitgevoerd via OpenRouter (google/gemini-4-argon), dat op 13 oktober 2026 functioneerde tijdens de metingen vanuit Polen. Controleer de actuele beschikbaarheid via het dashboard van de betreffende provider.

// lees verderAI-modellen test 16.09.2026: 7 modellen, 4 taken, volledige resultatenBenchmarksAI paddenstoelen herkennen: test GPT en Gemini op 6 foto’sBenchmarksHalloween kostuum passen in AI: Gemini en ChatGPTHandleidingen

Kinetyra