Gemini 4 Argon

Artigo original ↗ Discussão no Hacker News ↗

O lançamento do novo modelo de fronteira Gemini 4 Argon pela Google está sendo recebido com uma mistura de elogios técnicos e frustração com o produto. Os primeiros usuários relatam que o Argon é rápido, forte em raciocínio, escrita, tarefas espaciais e trabalho multimodal (como SVG e image-to-HTML), mas frequentemente fica atrás do Claude Opus e dos melhores modelos da OpenAI em programação em larga escala, com alguns problemas como loops de raciocínio e alucinações. Muitos são mais críticos da linha de produtos fragmentada da Google, do rollout confuso, do paywall no Antigravity e do acesso inconsistente por região ou plano do que do próprio modelo, argumentando que a UX ruim e a estratégia de preços estão limitando o que poderia ser uma oferta altamente competitiva.

Acesso e lançamento

  • Grande confusão sobre quem pode usar o Gemini 4 Argon:
    • O texto oficial diz “Pro e Ultra”, mas o Antigravity muitas vezes mostra “apenas Ultra”.
    • Muitos usuários Pro (especialmente EU/Workspace/Google One) relatam sem acesso, erros 404 ou “agent execution terminated”.
    • O lançamento é claramente em lotes; alguns usuários o recebem horas depois, sem explicação.
  • Antigravity vs app Gemini vs AI Studio vs API:
    • Padrão relatado: Ultra recebe Argon em todo lugar; Pro recebe no app Gemini / web, mas não no Antigravity (IDE de programação).
    • Via OpenRouter/API, Argon geralmente fica disponível antes e de forma mais confiável do que nas UIs da própria Google.
  • Vários usuários tentaram assinar ou fazer upgrade e enfrentaram falhas de pagamento, conflitos de plano (por exemplo, Google One vs AI Ultra) e restrições geográficas.

Atritos de produto e UX

  • A página de lançamento foi criticada por ser pesada, com scroll-slop bugado, especialmente no Safari e no Firefox; no mobile, muitas vezes é inutilizável.
  • A superfície de produtos de IA da Google é vista como confusa: app Gemini, Antigravity, AI Studio, Google One AI, Workspace, todos com modelos e limites ligeiramente diferentes.
  • Mensagens de erro e limites são opacos (por exemplo, “terminated due to an error” genérico, blocos fixos de uso por consulta, janelas Ultra “de 5 horas” muito pequenas para o Argon).

Capacidades e comparações

  • Muitos veem o Argon como um avanço claro em relação ao Gemini 3.x, especialmente em:
    • Qualidade e estrutura de texto, raciocínio de longo formato, saída multilíngue (alemão e idiomas índicos foram mencionados).
    • Raciocínio espacial, geração de SVG e UI, e tarefas de estilo 3D/física.
  • Programação:
    • Feedback misto. Alguns dizem que ele rivaliza com Opus 5.5 em projetos reais e auditorias; outros acham pior que Opus/Astra/Sol e às vezes abaixo do Flash 3.8.
    • Uma avaliação sistemática o coloca entre Fable 5 e 5.1, “perto da fronteira”, mas ligeiramente atrás dos melhores agentes.
  • Vários usuários o elogiam por explicações médicas/técnicas nuançadas; outros relatam deslizes em aritmética básica e problemas em seguir instruções.

Preço e uso

  • Preço introdutório da API: $2M de tokens de entrada / $10M de tokens de saída, dobrando para $4/$20M após 1º de dezembro; comparado diretamente com Opus 5.5, Astra, Sol, DeepSeek, GLM etc.
  • O tópico observa repetidamente que “preço por token” é enganoso:
    • Os modelos diferem drasticamente em verbosidade, uso de ferramentas e tokens por tarefa, mudando o custo efetivo.
  • No lado da assinatura:
    • $20 Pro vs $99 Ultra vs planos combinados/com desconto via operadoras e Google One.
    • Frustração de que o Argon no Antigravity está preso ao Ultra de $99 enquanto laboratórios concorrentes oferecem seus melhores modelos de programação em planos mais baratos.

Benchmarks e achados técnicos

  • Testes padrão da comunidade:
    • SVG “pelican on a bicycle”: as saídas do Argon estão entre as melhores vistas; alguns temem que este benchmark específico esteja agora superajustado.
    • Outras tarefas em SVG (tatus, diagramas de UI) também parecem fortes; a detecção de objetos (COCO) melhorou significativamente em relação ao Gemini anterior.
    • Benchmarks de Pac-Man e de agente de programação: o Argon tem desempenho muito bom, mas não claramente acima dos melhores modelos da OpenAI/Anthropic.
    • Um benchmark em alemão confirma o forte desempenho da Google em idiomas não ingleses; a pontuação no domínio jurídico é competitiva com modelos jurídicos especializados.
    • A qualidade de geração de vídeo foi classificada apenas no nível de modelos chineses abertos mais baratos em um benchmark de usuário.

Segurança, loops e confiabilidade

  • Vários relatos de:
    • Loops de raciocínio infinitos ou longos, especialmente em programação agentic; isso é destacado como uma regressão em relação a outros modelos de fronteira.
    • Segurança/guardrails excessivamente agressivos levando a recusas em alguns cenários adversariais ou de idiomas de nicho.
    • Problemas clássicos do Gemini: APIs alucinadas, padrões fabricados, ignorar instruções explícitas de “discutir antes de mudar”.
  • Alguns usuários acham o Argon “claro na cabeça” e menos “RL-fried” do que modelos anteriores da Google; outros ainda desconfiam do Gemini para qualquer tarefa que exija precisão factual estrita ou consistência de longo prazo.

Meta: corrida da IA e estratégia da Google

  • Debate sobre se o progresso está desacelerando:
    • Alguns argumentam que os deltas recentes são menores; outros apontam saltos ano a ano (matemática, programação, simulação) e não veem desaceleração.
  • A Google é vista como:
    • Muito competitiva no nível de modelo (agora de volta “na fronteira de Pareto” para chat geral e multilíngue), mas cronicamente fraca em produto, lançamento, cobrança e qualidade do harness.
    • Alavancando sua enorme base de usuários e integração (Search, Android, Workspace) em vez de perseguir principalmente a preferência de desenvolvedores.
  • Vários comentários se preocupam com a caça a benchmarks (“pelicanmaxxing”) e a lei de Goodhart, mas outros observam que a pressão competitiva entre vários laboratórios fortes é boa para os preços e para o crescimento de capacidade.