Gemini 4 Argon en Claude Opus 5.5 leveren geen algemene winnaar op: in de gerapporteerde praktijktests wisselt de uitkomst per taak. The New Stack meldde een gelijkspel bij het opsporen van bugs en hogere scores voor Opus bij facturering en lange context. In een afzonderlijke test van Paddo.dev slaagde Argon in meer runs voor alle tests, maar kostten die runs samen meer.
Deze vergelijking bouwt voort op NeoTeo’s eerdere artikel over Gemini 4 Argon en Claude Opus 5.5 en zet twee verschillende praktische evaluaties naast elkaar. De uitkomsten zijn vooral bruikbaar als je werk lijkt op de taken die daarin zijn getest.
Wat de praktijktests lieten zien
The New Stack publiceerde zijn vergelijking op 18 oktober 2026. De auteur voerde elke test één keer per model uit. Bij de bugjacht in een Python-bibliotheek van 3.500 regels vonden Gemini 4 Argon en Claude Opus 5.5 allebei 14 van de 14 geplante bugs en wezen ze geen van de vijf afleiders aan als bug. Na het oplossen bleven bij beide modellen alle 93 bestaande tests slagen.
| Taak | Gemini 4 Argon | Claude Opus 5.5 | Testopzet |
| Bugs opsporen en repareren | 14/14 bugs gevonden; geen afleiders gemarkeerd; alle 93 bestaande tests bleven slagen | 14/14 bugs gevonden; geen afleiders gemarkeerd; alle 93 bestaande tests bleven slagen | Eén run per model in een Python-bibliotheek van 3.500 regels, met 14 geplante bugs en vijf afleiders |
| Factureringsengine | 11/80 tests; na een uitbreiding 20/100. Na handmatige correctie van één regel: 80/80 en 100/100 | 80/80 tests; na de uitbreiding 100/100 | Eén run per model; tests voor onder meer zomertijd, maandultimo en afronding. De vervolgtest voegde twee valuta en 20 tests toe |
| Afhankelijkheden bij een document van 500K | 20/33 services correct | 33/33 services correct | Eén run per model; de vraag was welke services door een storing zouden worden geraakt |
| Afhankelijkheden bij een document van 600K | 19/33 services correct | 32/33 services correct | Eén run per model; dezelfde vraag over de gevolgen van een storing |
De factureringstest gaf Opus de hoogste oorspronkelijke score. Argon behaalde eerst 11/80 en vervolgens 20/100; de auteur van The New Stack meldt dat een ongeldige extra parameter in één Python-regel de fout veroorzaakte. Na een handmatige aanpassing van die regel haalde Argon 80/80 en 100/100. Die gecorrigeerde scores zijn dus niet de oorspronkelijke resultaten van de run.
Ook bij de lange-contexttaak scoorde Opus hoger op de twee documentgroottes waarvoor beide modellen resultaten hadden. Bij de test met een document van 900K behaalde Argon 23 van de 33 juiste services; het verzoek aan Opus werd afgewezen nadat diens tokenizer het document op 1,4 miljoen tokens had geteld. Dat levert voor die grootte geen gelijkwaardige score van beide modellen op. Bij de nominale 500K-documentgrootte telden de tokenizers het document bovendien verschillend: 549.483 tokens voor Argon en 784.087 voor Opus. The New Stack beschrijft de testopzet en resultaten.
Een aparte test met meer runs wijst een andere kant op
Paddo.dev publiceerde op 14 oktober 2026 een afzonderlijke programmeertest. De auteur testte zes wijzigingen uit één productie-monorepo, op schone kopieën en met een gemiddelde inspanning, en voerde elke wijziging twintig keer per model uit. Argon slaagde in 16 van de 20 runs voor alle tests; Opus deed dat in 13 van de 20 runs.
Die uitkomst spreekt de bevindingen van The New Stack niet tegen: de tests gebruikten verschillende taken en opzetten, en Paddo.dev herhaalde niet dezelfde bugjacht, factureringstaak of afhankelijkheidsvraag. De resultaten geven daarom een beeld van de specifieke code en testmethoden, niet van een algemene ranglijst. Paddo.dev licht de zes wijzigingen en de twintig runs per model toe.
Lagere tokenprijzen betekenen niet automatisch lagere taakkosten
Google kondigde voor Gemini 4 Argon een introductietarief aan van 2 dollar per miljoen invoertokens en 10 dollar per miljoen uitvoertokens. Na de introductieperiode zouden die tarieven volgens Google stijgen naar respectievelijk 4 en 20 dollar per miljoen tokens. Google publiceerde de API-tarieven in zijn aankondiging. The New Stack meldde dat het introductietarief tot en met 30 november 2026 gold en het hogere tarief vanaf 1 december zou ingaan.
In de test van Paddo.dev bedroegen de gerapporteerde totale kosten voor twintig runs 57,68 dollar voor Argon en 45,81 dollar voor Opus. Argon genereerde daarbij 1,37 miljoen uitvoertokens, tegenover 495.000 voor Opus. Een lager tarief per token garandeert dus niet dat een specifieke reeks taken ook minder kost.
The New Stack rapporteerde voor de aanroepen in zijn eigen tests 4,98 dollar voor Argon en 8,75 dollar voor Opus. Die totalen betroffen verschillende aantallen tokens en taken; bovendien werd de Opus-aanroep voor het document van 900K afgewezen. Ze vormen daarmee geen gestandaardiseerde vergelijking van de kosten per afgeronde taak.
Lijken je taken op de bugjacht uit The New Stack, dan lieten de modellen daar dezelfde uitkomst zien; voor diens oorspronkelijke facturerings- en lange-contexttests scoorde Opus hoger. Bij een werklast die meer lijkt op de zes wijzigingen van Paddo.dev slaagde Argon in meer runs voor alle tests, maar waren de gerapporteerde totale kosten hoger.
