Gemini 4 Argon против Claude Opus 5.5: плохой инструмент
Содержание
Google открыла Gemini 4 Argon 13 октября, и в день релиза я прогнал её через Cursor и приложение Gemini рядом с Claude Opus 5.5. Мой вывод: Gemini 4 Argon плохой инструмент. Пользоваться ей можно, но уйдёт гораздо больше времени и сил. Скорее всего, до результата, к которому приходишь с Opus, дойти не получится.
Ожидания от Gemini 4 были большие. Они не оправдались, по крайней мере у меня.
Для теста я взял Cursor Ultra и приложение Gemini, а Opus 5.5 держал рядом как точку отсчёта. Вывод держится на трёх прогонах, каждый открывается по ссылке:
- клон Escape the Backrooms;
- мультиплеерный Counter-Strike;
- агентская задача для Нейрочела, персонажа моего канала про новости ИИ.
Gemini 4 Argon выдаёт уровень GLM, ниже Opus
Промпт простой, почти один и тот же в приложении Gemini и в Cursor:
Gemini на режиме размышления Low, который стоит по умолчанию, отдала игру, про которую я сказал: “так себе”. На High стало чуть получше: появились обои, кассеты и фонарик, рассудок героя теряется быстрее. Интерфейс остался плохим, и итог там тоже “пока так себе”. Тот же промпт в Cursor на Argon High дал версию на TypeScript: дизайн стал получше, появилось больше интерфейса, можно прятаться. Интерфейс пока всё равно плохой.
Итог по Cursor: это всё равно очень плохо, уровень китайских моделей, GLM, ниже Opus. Для генерации кода с нуля, особенно в чистом проекте, выбирай максимальный режим размышления: по умолчанию там Low.
Открыть: Backrooms, Gemini Low · Backrooms, Gemini High
Counter-Strike от Argon вышел очень плохим
Вторая проверка: мультиплеерный Counter-Strike на карте de_dust. Я поставил задачу в Cursor, Argon работала с субагентами, игру развернули на моём сервере и скинули ссылку в чат. Я ждал параллельной работы, а модель запустила одного субагента.
Игра поднялась, но управление в ней инвертировано, а карта лишь чуть похожа на Dust. Я оценил это коротко: очень плохо. После правки управления мы сыграли с чатом вайбкодеров, и моя оценка осталась прежней. Раунд выиграли контртеррористы.
Играть: Counter-Strike от Argon
На агентской задаче Argon провалилась феноменально
Нейрочелу нужно рассказать от своего лица о модели по данным исследования, собрать короткий motion-ролик и отправить его в чат под последним постом. Для агента это работа с несколькими папками и запуск других агентов. Opus справляется с такой просьбой за минуты.
Argon в Cursor с субагентами дала феноменально плохой результат. К концу эфира она почти справилась, но прислала “сообщение ни о чём” и свой ролик. Opus 5.5 в Claude Code сделал ту же задачу: пост Нейрочела с роликом и опросом. Такие ролики Opus собирает со скиллом HyperFrames, и пример, который я показывал, вышел почти с первого раза: первый вариант уже был хорошим, я только докручивал.
Отдельная история случилась в приложении Gemini. Режим Task я запустил на папке проекта. Агент ушёл в Google Chat, выдал бессмысленный отчёт, и я потерял контроль над происходящим. Это самое худшее приложение и подписка из всех, которыми я пользовался. Приложение я решил выключить и удалить.
Тут играет роль и умение модели работать в чужом харнессе: умеют это хорошо далеко не все модели.
Открыть: пост Нейрочела от Argon · пост Нейрочела от Opus 5.5
Бенчмаркам, где лидирует Argon, я слабо верю
В день релиза цифры такие.
| Замер | Argon | Opus 5.5 |
|---|---|---|
| Vals Index | 68,9% (1-е из 47) | 67,0% |
| Vals Index, цена прогона | $15,68 | $32,14 |
| Artificial Analysis, индекс | 53 (8-е место) | 58 |
| Artificial Analysis, агентский кодинг | 64 (Antigravity CLI) | 66 (Claude Code) |
| LMArena, Agent Arena | 4-е | 1-е |
| API, $ за млн токенов, вход / выход | 2 / 10 вводная до 30 ноября, с 1 декабря 4 / 20 | 4 / 20 |
Источники: Vals Index · Artificial Analysis
В LMArena Argon первая в Text Arena. Antigravity CLI, в котором она набрала 64, доступен только на Ultra.
Доступ: в приложении Gemini модель идёт с подпиской Pro, в Antigravity только на Ultra.
Этим бенчмаркам я слабо верю: во всех моих сценариях лидирует Opus. Terminal-Bench я считаю одним из хороших. Opus там остаётся лидером, и это совпадает с моими кейсами.
Сообщениям “сделано в один промпт” под красивыми демо я верю не всегда: что получается в один промпт, видно по собственным прогонам. Невероятных примеров, о которых говорят, я пока не увидел. Возможно, публичная Argon слабее версии, которую получили ранние тестеры: после публичных релизов многие модели сильно ухудшаются.
Открыть: 3D-аквариум в Gemini · демо кайта в Gemini
Opus остаётся лучшим инструментом из доступных сейчас
Opus мне хватает: не было задачи, которую я бросаю в него, а он не справляется. Это лучший инструмент, который можно использовать сейчас. С Opus любая моя рабочая задача (код, Figma, планирование, стратегия) решается при условии времени, желания и фокуса. Над ней нужно сидеть, проверять результат, грилить и давать полезный контекст на вход.
По подписке картина такая. Cursor Ultra не рекомендую: лимиты там в целом очень маленькие. За все эксперименты в день релиза ушло 24% лимита Cursor Ultra. Самое выгодное предложение на рынке сейчас Claude Code.
Все прогоны с таймкодами собраны в Рис Бенче.
Похожий разбор модели в день выхода: Grok 4.6.
Разбор выхода флагмана OpenAI: GPT-6 Astra.
Если хочешь так же, в Кружке разбираем это на практике, с агентами и вживую.