Google heeft Gemini 4 Argon aangekondigd, een nieuw AI-model voor complexe taken zoals softwareontwikkeling, zakelijke analyses en cybersecurity. De gepresenteerde benchmarks laten zien dat Google stevig kan concurreren met GPT-6 Astra, Claude Fable 5.1 en Claude Opus 5.5. Toch levert de vergelijking geen winnaar op die op ieder onderdeel de beste is.
Gemini 4 Argon wordt aanvankelijk beschikbaar gesteld aan een beperkte groep cybersecuritypartners. Google gebruikt het model ook intern. Een datum voor algemene beschikbaarheid is bij de aankondiging niet gegeven.
De benchmarkvergelijking geeft alvast een beeld van de prestaties. In de door Google gepresenteerde tabel behaalt Argon op twaalf van de negentien meetpunten de hoogste score. Op ƩƩn onderdeel deelt het de eerste plaats met GPT-6 Astra. Vooral bij kenniswerk, lange context en het begrijpen van verschillende soorten informatie scoort het model sterk.
Hoe verhoudt Gemini 4 Argon zich tot de concurrentie?
Onderstaande selectie uit de gepresenteerde tabel laat zowel de sterke punten van Gemini als de voorsprong van concurrenten zien.
Gemini 4 Argon is our next era of frontier intelligence.
— Google (@Google) September 30, 2026
It shows significant improvements across benchmarks, setting a new state of the art for real-world long-horizon software engineering tasks. pic.twitter.com/wQzNpp7Dx4
Bron: de benchmarkafbeelding bij Googles aankondiging. Vetgedrukte cijfers zijn de hoogste score per rij. De percentages van verschillende benchmarks zijn niet rechtstreeks met elkaar te vergelijken.
Gemini scoort sterk bij kenniswerk en automatisering
Bij alle vier de meetpunten voor kenniswerk staat Gemini 4 Argon bovenaan. Op de Vals Index is het verschil met Claude Opus 5.5 relatief klein: 68,9 tegenover 67,0 procent. Op AutomationBench is de voorsprong groter. Daar behaalt Gemini 51,3 procent, tegenover 42,5 procent voor Opus en 41,4 procent voor GPT-6 Astra.
Ook op de financiĆ«le en juridische tests leidt Google. Bij Vals Finance Agent v2 scoort Argon 65,4 procent. Claude Fable 5.1 volgt met 58,9 procent. Op Harveyās Legal Agent Benchmark komt Gemini uit op 19,6 procent, terwijl de concurrenten tussen 3,8 en 6,7 procent blijven.
Die juridische score vraagt wel om perspectief. Gemini eindigt duidelijk boven de andere modellen, maar een score van 19,6 procent toont ook dat deze test voor alle vier moeilijk blijft. Een eerste plaats betekent daarmee nog geen foutloze uitvoering van juridisch werk.
Bij programmeren blijft de strijd verdeeld
Voor softwareontwikkeling ontstaat een gemengd beeld. Gemini wint op DeepSWE v1.1 en Vibe Code Bench, maar GPT-6 Astra en Claude Opus 5.5 hebben ieder hun eigen sterke punten.
Op FrontierSWE v2 behaalt GPT-6 Astra 65,5 procent. Gemini komt daar op 55,0 procent uit en eindigt achter beide Claude-modellen. Claude Opus 5.5 voert juist Terminal-bench 4.0 aan met 66,4 procent, tegenover 57,4 procent voor Gemini.
De resultaten ondersteunen dus geen algemene claim dat Argon het beste programmeermodel is. Ze laten zien dat de uitkomst afhangt van het soort taak en de testomgeving.
Grote voorsprong bij lange context
Een opvallend resultaat staat bij GraphWalks, dat het verwerken van relaties binnen lange context test. Bij de variant van 256.000 tot ƩƩn miljoen tokens scoort Gemini 84,2 procent. GPT-6 Astra volgt met 71,8 procent; beide Claude-modellen blijven onder de 67 procent.
Dat suggereert dat Argon sterk is in deze specifieke test met veel informatie tegelijk. Voor toepassingen met omvangrijke documenten of codebestanden is dat interessant, al bewijst ƩƩn benchmark nog niet dat het model iedere grote informatieverzameling beter verwerkt.
Ook bij multimodaal begrip staat Gemini bovenaan: zowel op CharXiv als op LVBench behaalt het de hoogste score.
GPT-6 Astra en Claude Opus houden duidelijke sterke punten
GPT-6 Astra wint naast FrontierSWE ook op Terminal-Bench Science en de geteste offline subset van OSWorld-2.0. Bij cybersecurity deelt het met Gemini de hoogste CWE-bench-score.
Claude Opus 5.5 voert Terminal-bench 4.0 en PostTrainBench aan. Claude Fable 5.1 behaalt in deze selectie geen eerste plaats, maar deze tabel biedt geen volledige vergelijking van prijs, snelheid of dagelijks gebruik.
Wat zeggen de benchmarks over de beste keuze?
De eerste cijfers zetten Gemini 4 Argon neer als een sterke concurrent, vooral voor kenniswerk en het verwerken van lange context. Voor programmeertaken is het beeld minder eenduidig: GPT-6 Astra en Claude Opus 5.5 blijven op verschillende tests voorlopen.
Daarbij gaat het om een vergelijking die Google zelf presenteert. Zonder onafhankelijke praktijktests en een beoordeling van kosten, snelheid en betrouwbaarheid is een algemene ranglijst voorbarig. Argon heeft op papier een sterke uitgangspositie; bredere toegang moet uitwijzen hoe die prestaties zich vertalen naar dagelijks gebruik.
