Gemini 4 Argon 跑分排名：第三方榜单上到底排第几

Gemini 4 Argon 跑分排名怎么看：Artificial Analysis v4.3 综合智能指数 687 行里排第 8，法律、工程等领域指数排名，编码和速度还没测，以及跑一遍指数的成本和 Google 自报数据的差别。

作者 Evelyn Park模型对比

Gemini 4 Argon 第三方跑分排名封面；封面为配图，不是跑分图表

这周搜 Gemini 4 Argon 跑分排名，会看到三个说法：Google 官方说它在 Vals Index 上排第一；Artificial Analysis 上 Gemini 4 Argon (High) 排第 8；SandBase Lab 的排行榜上它又是第 5。三个都没错，只是数的东西不一样。真要拿它干活，搞清楚这层差别比记住哪个名次更有用。

这篇只回答一个问题：把 Google 自己的表格放一边，Argon 在第三方榜单上到底什么水平。数据用的是 Artificial Analysis（下称 AA）免费 API 的快照，综合智能指数 v4.3，数据截至 2026-10-12。适合已经看过发布会数字、准备花时间评测之前想先找个独立参照的开发者和采购方。

先说结论

  • AA 综合智能指数 v4.3（数据截至 2026-10-12）里，Gemini 4 Argon (High) 得 52.6 分，在 687 个有分数的行里排第 8。这里一行是“模型 × 推理档位”，按模型去重的话，它前面只有四家：Claude Opus 5.5、Claude Sonnet 5.5、Claude Fable 5.1 和 GPT-6 Astra。
  • 领域指数里最强的是法律：60.0 分，208 行里排第 5；工程 215 行里第 7。最弱的是金融与会计，53.8 分，和另外两行并列第 13。
  • AA 还没给 Argon 出编码、Agent、医疗指数，也没有输出速度和首 token 时间，快照里这些字段都是空的。现在谁说“第三方编码跑分”，来源都不是 AA。
  • 按 Google 的介绍价 $2 / $10 算，跑完整个指数每题 $1.99。11 月 30 日之后改按 $4 / $20（SandBase 现在就是这个价），同样的 token 大约每题 $3.98。
  • Google 模型卡 19 行里 Argon 有 14 行第一，但那是 Google 自己选题、自己跑的。AA 的综合分认可它是第一梯队，不认可它是第一名。

Gemini 4 Argon 在 Artificial Analysis 上的排名

下面是快照里综合智能指数前 12 行，原样取自 AA 免费 API 在 2026-10-12（meta.fetched_at 07:34 UTC）返回的数据。“每题成本”是 AA 按各模型当时的标价跑完整个指数后折算的。数据来源：Artificial Analysis。

名次AA 测的配置厂商综合智能指数 v4.3每题成本
1Claude Opus 5.5 (Max, Default Fallback)Anthropic57.6$5.98
2Claude Opus 5.5 (Xhigh, Default Fallback)Anthropic56.0$3.46
3Claude Sonnet 5.5 (Max, Default Fallback)Anthropic56.0$5.46
4Claude Opus 5.5 (High, Default Fallback)Anthropic53.6$1.82
5Claude Fable 5.1 (Max, Default Fallback)Anthropic53.4$7.63
6Claude Fable 5.1 (Xhigh, Default Fallback)Anthropic53.2$5.98
7GPT-6 Astra (Max)OpenAI52.7$3.26
8Gemini 4 Argon (High)Google52.6$1.99
9GPT-6 Astra (Xhigh)OpenAI52.4$2.31
10Claude Sonnet 5.5 (Xhigh, Default Fallback)Anthropic51.9$2.01
11GPT-6.1 Sol (Max)OpenAI51.8$0.72
12Claude Fable 5.1 (High, Default Fallback)Anthropic51.2$3.91

第 2、3 名同为 56.0，先后顺序按快照原样；第 12 名也和 Claude Opus 5.5 (Medium) 并列 51.2。

看这张表，有两点值得说。

第一，第 5 到第 10 名只差 1.5 分。Argon 比 GPT-6 Astra (Max) 低 0.1，比 Astra (Xhigh) 高 0.2。免费数据里没有置信区间，所以我会把 Argon 和 Astra 在这个指数上当成打平，不当成先后。

第二，排在 Argon 前面的 7 行里，只有一行每题比它便宜：Claude Opus 5.5 的 High 档，53.6 分、每题 $1.82，Argon 是 52.6 分、$1.99。按 AA 的价格算，Argon 在第一梯队里不算性价比之选，它和 Opus 5.5 (High)、Sonnet 5.5 (Xhigh) 在同一个价位，分数夹在两者中间。

放到 Google 自家产品线里看，快照里 Google 第二高的是 Gemini 3.8 Flash (High)，40.9 分，比 Argon 低 11.7 分。没拿到第一，但对 Google 来说这一步迈得不小。

SandBase Lab 综合智能排行榜：Claude Opus 5.5 57.6、Claude Sonnet 5.5 56.0、Claude Fable 5.1 53.4、GPT-6 Astra (Max) 52.7，Gemini 4 Argon (High) 52.6 排第 5，下方显示 15 of 87 models

SandBase Lab 的排行榜用的是同一个 AA 分数（52.6），但 Argon 排第 5：它每个模型只留一行，范围是 AA 有数据的 87 个 SandBase 上架模型（2026-10-15 截图）。

同一个模型，为什么一会儿第 8、一会儿第 5

名次不同，是因为参与排名的集合不同。引用之前先对一下口径：

在哪看到的排的是什么Argon 的位置
AA 快照全部行687 个有综合分的行，每行是一个模型的一个推理档位第 8
按模型去重（每个模型取最高一行）同一份数据，每个模型一行第 5，前面是 Opus 5.5、Sonnet 5.5、Fable 5.1、GPT-6 Astra
SandBase Lab 综合智能榜每个模型一行，只含 AA 有数据的 87 个 SandBase 模型第 5
Google 发布博客Vals Index，另一个基准，由 Google 自己跑、自己报第 1（Google 自报）

AA 自己的模型页还写着“#8 / 216”，那是 AA 按模型类别划的比较范围，免费数据里复现不出来，这里不用。

还有一点容易忽略：AA 测的是“Gemini 4 Argon (High)”，快照里 Argon 只有这一行，没有 Low、Medium 档。Opus 5.5 的 Medium（51.2 分、每题 $1.34）和 High（53.6 分、$1.82）成本差得很远，Argon 这条曲线现在画不出来。打算用低档位跑 Argon 的话，这个分数说明不了你的配置。

领域指数：法律最突出

AA 免费数据里还有六个领域指数，Argon 有五个有分。下表的名次只在“该指数有分数的行”里算，并列就写并列，不按列表顺序硬拆。数据来源：Artificial Analysis，v4.3，截至 2026-10-12。

领域指数Argon (High)名次有分数的行数该指数第一名
法律 Legal60.0第 5208Claude Opus 5.5 (Max)，63.3
工程 Engineering55.2第 7215Claude Opus 5.5 (Max)，60.4
经济 Economics60.4并列第 8（与 Claude Fable 5 Max）223Claude Opus 5.5 (Max)，65.6
战略与运营 Strategy & ops56.2并列第 12（与 Claude Sonnet 5.5 Xhigh）208Claude Opus 5.5 (Max)，63.7
金融与会计 Finance & accounting53.8并列第 13（与 Claude Fable 5 Max、Fable 5.1 High）208Claude Opus 5.5 (Max)，60.7
医疗 Healthcare & medical未测—81Claude Opus 5.5 (Max)，60.5

分领域看，形状和总榜不一样。法律上，Argon 只比 Claude Fable 5.1 (Max) 低 0.5，比 Fable 5.1 (Xhigh) 和 Opus 5.5 (Xhigh) 低 0.8，每题成本却比这几行都低（$1.99 对 $3.46 到 $7.63）。到了金融与会计，它掉到并列第 13，排在 GPT-6 Astra (Max) 的 55.2 和 GPT-6.1 Sol (Max) 的 54.0 后面。

第三方数据和 Google 的说法，恰好在金融这里对不上。Google 模型卡里 Vals Finance Agent v2，Argon 65.4%，GPT-6 Astra 53.5%，领先 12 个点；AA 的金融指数却是 Astra (Max) 领先 1.4 分。两者测的不是一回事：一个是 Agent 式的金融任务集，一个是 AA 为综合指数自建的领域分。但如果你做金融场景，别拿那 12 个点当预期。这个对比我们在法律与金融那篇里展开讲。

Artificial Analysis 还没测什么

发布周的报道大多跳过了这一块。2026-10-12 的快照里，Argon 下面这些字段是 null：

  • artificial_analysis_coding_index（编码指数）
  • artificial_analysis_agentic_index（Agent 指数）
  • artificial_analysis_healthcare_and_medical_index（医疗指数）
  • median_output_tokens_per_second、median_time_to_first_token_seconds 等速度字段

也就是说，截至这个日期，AA 没有 Argon 的编码分、Agent 分和速度数据。这倒不算坏消息：同样 9 月下旬发布的 Claude Opus 5.5 和 Sonnet 5.5，在快照里也没有编码和 Agent 指数。目前 AA 编码指数前三全是 Claude Fable 5.1（81.6、80.7、79.1），GPT-6 Astra (Max) 是 76.9。Argon 大概率只是还没跑到这几套题。

落到实处就是：有人说 Argon“编码吊打 Opus”，来源要么是 Google 的表，要么是他自己测的，反正不是 AA。而 Google 自己的表里，四个 Agent 编码项 Argon 还输了两个。

Artificial Analysis 上 Gemini 4 Argon (High) 的模型页：Intelligence 53，Speed 显示 N/A，按 $2.00 输入、$10.00 输出、缓存 95% 折扣计每个指数任务 $1.99

AA 官网的 Gemini 4 Argon (High) 页面：综合分四舍五入显示为 53，按 $2 / $10 介绍价每题 $1.99，速度显示 N/A，和快照里速度字段为空一致（2026-10-15 截图）。

速度再多说一句。等 AA 的速度数据出来，那也是 AA 测的各家 API 服务商的中位数，不是 SandBase 的路由延迟。Google 模型卡自己也把“偶尔变慢或超时”列为已知限制。延迟请在你实际要用的线路上测。

跑一遍指数的成本：现在 $1.99，之后约 $3.98

AA 跑指数时按各模型的标价计费。Argon 用的是 Google 介绍价：每百万输入 token $2、输出 $10，缓存命中 $0.10。结果是整个指数 $2,407.24，折合每题 $1.99。

介绍价 2026 年 11 月 30 日到期，Google 博客和 Google Cloud 都写了之后按 $4 / $20。各项单价都翻倍，同样的 token 用量大约每题 $3.98，整个指数约 $4,814。这是我拿 AA 的数字算的，不是 AA 公布的。

配置综合分AA 每题成本备注
Gemini 4 Argon (High)，介绍价52.6$1.99$2 / $10
Gemini 4 Argon (High)，按 $4 / $2052.6约 $3.98（估算）token 不变，按标准价
Claude Opus 5.5 (High)53.6$1.82$4 / $20
Claude Sonnet 5.5 (Xhigh)51.9$2.01$2 / $10
GPT-6 Astra (Xhigh)52.4$2.31$10 / $50
GPT-6 Astra (Max)52.7$3.26$10 / $50
GPT-6.1 Sol (Max)51.8$0.72$2 / $10

介绍价下，Argon 在中间。换成 $4 / $20，它就和分数差不多的 GPT-6 Astra (Max) 一个价位，还比高一分的 Opus 5.5 (High) 贵。GPT-6.1 Sol (Max) 差 0.8 分，成本只有介绍价下 Argon 的三分之一左右。12 月 1 日调价对实际业务的影响，见 Argon 价格那篇。

SandBase 上 Argon 现在的标价是输入 $4、输出 $20（每百万 token），缓存读取 $0.20。这是 Google 11 月 30 日之后的标准价，在那之前是 Google 直连介绍价的两倍。如果这个月要跑大规模评测、只看价格，Google 直连更便宜；SandBase 的价值在于一个 key、一套 API，就能把 Argon 和它的对手放在一起测。

SandBase 上 Gemini 4 Argon 的模型页，id 为 google/gemini-4-argon，输入 $4.00、输出 $20.00 每百万 token，1M 上下文，最大输出 65.5K，生产线路 Live

SandBase 的 google/gemini-4-argon 模型页：每百万 token $4 / $20、1M 上下文、最大输出 65.5K，上面“约 $3.98”的估算就是按这个价格算的（2026-10-15 截图）。

Google 自报和第三方数据：哪里一致

DeepMind 模型卡拿 Argon 和 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5 比了 19 行。Argon 14 行最高，其中 CWE-bench v1 和 Astra 并列。输的那几行，输得也很明显：

基准（Google 自报）Argon其他最高第一
Vals Index68.967.0Argon
Harvey Legal Agent19.66.7Argon
DeepSWE v1.177.974.2Argon
FrontierSWE v255.065.5GPT-6 Astra
Terminal-bench 4.057.466.4Claude Opus 5.5
PostTrainBench45.349.3Claude Opus 5.5
Terminal-Bench Science 0.157.668.1GPT-6 Astra
OSWorld-2.0（离线子集）69.272.6GPT-6 Astra

DeepMind 模型卡里的 Gemini 4 Argon 评测表，与 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5 在知识工作、Agent 编码、机器学习工程、科学、长上下文、电脑操作、多模态和网络安全等基准上对比

Google 模型卡评测表（2026 年 10 月 13 日发布）：大多数行 Argon 高亮第一，但 FrontierSWE v2、Terminal-bench 4.0、PostTrainBench、Terminal-Bench Science 和 OSWorld-2.0 落后；表中所有数字均为 Google 自报（2026-10-15 截图）。

我不觉得两边矛盾。Google 挑的基准贴近它为 Argon 设计的长程知识工作，在这些题上 Argon 领先；AA 的综合指数覆盖面更广，Argon 落在 Anthropic 最强几档后面。另外，模型卡表头只写模型名，没写推理档位，Google 的测试设置在它的方法说明页，这篇没有细看。Google 的数字我们一个都没复现。

两边一致的地方：Argon 是第一梯队，法律和长文档强，终端类 Agent 编码不是它的强项。不一致的地方：它是不是总体最强。按截至 2026-10-12 的第三方数据，不是。

这些数字怎么用

做法律审阅、长文档分析，AA 的法律指数和 Google 的 Harvey 结果指向同一个方向：Argon 应该进候选名单，而且 12 月 1 日前测最便宜。

选编码 Agent，AA 目前没有 Argon 的数据，Google 自己的表也是有输有赢，只能拿自己的仓库任务去跑。Argon、Claude Opus 5.5、GPT-6 Astra 三方对比里有我们在 SandBase 上做的同题小测。

如果看的是“每分多少钱”，按 AA 的数字，GPT-6.1 Sol (Max) 和 Claude Opus 5.5 (High) 都比 Argon 划算，11 月 30 日之后差距更大。

想用一个 key 把 Argon 和表里这些模型放一起测，可以从 Gemini 4 Argon 模型页或 Python 调用教程开始。GA 之前的背景，见我们早先那篇 Argon 开放进度与 Gemini 实测。

常见问题

Gemini 4 Argon 在 Artificial Analysis 上排第几？

Gemini 4 Argon (High) 在 AA 综合智能指数 v4.3 上得 52.6 分，687 个有分数的行里排第 8，数据截至 2026-10-12。按模型去重是第 5，前面是 Claude Opus 5.5、Claude Sonnet 5.5、Claude Fable 5.1 和 GPT-6 Astra。

Gemini 4 Argon 比 Claude Opus 5.5 强吗？

看 AA 综合分，不强：Opus 5.5 (Max) 57.6，连 High 档都有 53.6。Google 模型卡里 Argon 多数项领先 Opus 5.5，但 Terminal-bench 4.0 和 PostTrainBench 落后。哪个更重要，取决于你的任务。

AA 有 Gemini 4 Argon 的编码跑分吗？

截至 2026-10-12 没有。快照里 Argon 的编码、Agent、医疗指数和所有速度字段都是空的。Opus 5.5 和 Sonnet 5.5 也还没有编码和 Agent 指数。

在 Argon 上跑一遍综合指数要多少钱？

按 Google 介绍价 $2 / $10，每题 $1.99，总计 $2,407。11 月 30 日之后按 $4 / $20，同样 token 我们估算约每题 $3.98。

这份分析的边界

这是一个综合指数的一份快照，数据截至 2026-10-12，只覆盖 Argon 的一个配置（High）。AA 的方法见其智能指数方法说明。我们用的免费 API 没有单项基准分，也没有误差范围，零点几分的差距不要当成先后。AA 重跑后分数可能变化，编码、Agent 和速度字段之后的快照里可能补上。这篇没有调用 Argon，$3.98 是基于 AA token 成本的估算，不是实测。数据来源：Artificial Analysis（Argon 模型页）。Google 的数字来自发布博客、Google Cloud 公告和 DeepMind 模型卡，均于 2026-10-15 获取。