Gemini 4 Argon i GPT-6 Astra: ceny API i kodowanie

Gemini 4 Argon ma niższe opublikowane stawki API za tokeny wejściowe i wyjściowe niż GPT-6 Astra w okresie wprowadzającym. Wyniki programistyczne zależą jednak od testu: Argon uzyskał wyższy wynik w DeepSWE v1.1, a Astra w FrontierSWE v2. Cena tokena nie rozstrzyga więc, który model lepiej poradzi sobie z konkretnym zadaniem.

Oficjalne stawki API: wejście, cache i wyjście

Token to jednostka, w której API rozlicza dane wejściowe i wygenerowaną odpowiedź. W komunikacie z 13 października 2026 r. Google podało stawki Gemini 4 Argon: 2 USD za milion tokenów wejściowych, 0,10 USD za milion tokenów wejściowych z pamięci podręcznej i 10 USD za milion tokenów wyjściowych w okresie wprowadzającym. Google zapowiedziało, że po tym okresie stawki za wejście i wyjście wyniosą odpowiednio 4 i 20 USD za milion tokenów.

Dokumentacja OpenAI dla GPT-6 Astra podaje 10 USD za milion tokenów wejściowych, 1 USD za milion tokenów wejściowych z pamięci podręcznej oraz 50 USD za milion tokenów wyjściowych.

Przy 200 tys. tokenów wejściowych i 50 tys. wyjściowych, bez użycia pamięci podręcznej, sam rachunek za tokeny wyniósłby 0,90 USD dla Argon przy stawkach wprowadzających i 4,50 USD dla Astra. To przykład obliczenia na podstawie opublikowanych cen; nie obejmuje narzędzi, podatków ani ponowień żądań.

W przypadku Astra długie wejście zmienia rachunek: po przekroczeniu 272 tys. tokenów wejściowych OpenAI stosuje dla całego żądania dwukrotną stawkę za wejście i wejście z pamięci podręcznej oraz stawkę za wyjście równą jej 1,5-krotności. Google opisuje limit Gemini API dla Argon jako 1 mln tokenów wejściowych i wyjściowych łącznie; OpenAI podaje dla Astra okno kontekstu 1 050 000 tokenów i maksymalnie 128 000 tokenów wyjściowych.

Benchmarki programistyczne nie wskazują jednego zwycięzcy

W wynikach zestawionych przez AceCloud Argon uzyskał 77,9% w DeepSWE v1.1, a Astra 74,1%. W FrontierSWE v2 wyżej oceniono Astrę: 65,5% wobec 55,0% dla Argon. AceCloud przedstawia wyniki obu testów; to różne ewaluacje, a ich warunki i pochodzenie wyników nie są identyczne.

Zestawienie Intelligent Living podaje też po 53 punkty dla obu modeli w Artificial Analysis Intelligence Index v4.3.2, ale przy różnych ustawieniach rozumowania: Argon oceniano w trybie High, a Astra w Max. Artificial Analysis podaje wynik Argon, a wartość dla Astra przytacza porównanie Intelligent Living. Taki sam zaokrąglony wynik indeksu nie oznacza identycznych rezultatów w poszczególnych zadaniach.

Wcześniejszą dyskusję o wynikach Gemini 4 Argon w zadaniach programistycznych opisaliśmy w osobnym materiale NeoTeo.

Co wnosi relacja z projektu Unity

Użytkownik Reddita AlexXx52 opisał pracę nad projektem Unity: Argon High otrzymał subiektywną ocenę 9,8/10 po 17 minutach, a Astra High — 9,3/10 po 14 minutach. AlexXx52 podał też zużycie około 200% limitu abonamentowego Argon i około 20% limitu Astra. Zaznaczył, że procentów limitów u różnych dostawców nie można traktować jako równoważnych jednostek obliczeniowych. AlexXx52 opisał swoje próby na Reddicie.

Według AlexXx52 powtórzenie zadań nie zmieniło zasadniczo ogólnej kolejności modeli, choć czas i zużycie limitu nieco się różniły. To osobista relacja z jednego projektu, a nie porównywalny miernik limitów abonamentowych.

Jak dobrać model do zadania?

• Przy rozliczaniu API opublikowane stawki Argon za tokeny wejściowe i wyjściowe są niższe zarówno w okresie wprowadzającym, jak i po nim. Przy długich wejściach w Astra uwzględnij mnożniki naliczane po przekroczeniu 272 tys. tokenów.
• Przy wyborze do kodowania dopasuj wynik do testu zbliżonego do własnej pracy: DeepSWE v1.1 wskazuje wyższy wynik Argon, a FrontierSWE v2 — Astra.
• Przy porównywaniu abonamentów nie traktuj procentów z relacji AlexXx52 jako wspólnej miary zużycia między usługami; sam użytkownik zaznaczył, że nie są równoważnymi jednostkami obliczeniowymi.